Was ist die Datenanalyse in Echtzeit?

Abgeschlossen

Echtzeitdatenanalysen basieren in der Regel auf der Erfassung und Verarbeitung eines Datenstroms mit einer unbefristeten Datenreihe, die normalerweise mit bestimmten Ereignissen zu bestimmten Zeitpunkten zusammenhängt. Beispielsweise kann ein Datenstrom Details zu Nachrichten enthalten, die an eine Social Media-Microblogging-Website gesendet wurden, oder eine Reihe von Umgebungsmessungen, die von einem mit dem Internet verbundenen Wettersensor aufgezeichnet wurden.

Die Daten im Datenstrom können verwendet werden, um Echtzeitvisualisierungen der Daten für Überwachungszwecke zu erstellen oder um automatisierte Aktionen auszulösen, wenn bestimmte Bedingungen auftreten. Beispielsweise kann ein Datenstrom von einem Umgebungssteuerungssensor in einem Bürogebäude die dynamische Steuerung von Heizungs- und Klimaanlagen ermöglichen, um Komfort und Kosten zu optimieren. Die Daten können auch in einem Datenspeicher gespeichert und später abgefragt werden, sodass Analysten Änderungen im Laufe der Zeit besser verstehen können. Beispielsweise kann eine Marketingorganisation Stimmungsanalysen mit Social Media-Nachrichten durchführen, um festzustellen, ob eine Werbekampagne zu mehr positiven Kommentaren über das Unternehmen oder seine Produkte führt, oder ein landwirtschaftliches Unternehmen könnte Trends bei Temperatur und Niederschlag überwachen, um die Bewässerung und Getreideernte zu optimieren.

Häufige Ziele von Echtzeitanalysen sind unter anderem

• Kontinuierliches Analysieren von Daten, um Probleme oder Trends zu melden.
• Gewinnen grundlegender Informationen zum Verhalten von Komponenten oder Systemen unter verschiedenen Bedingungen, um zukünftige Verbesserungen besser planen zu können.
• Auslösen bestimmter Aktionen oder Warnungen, wenn bestimmte Ereignisse auftreten oder Schwellenwerte überschritten werden.

Merkmale von Lösungen für die Echtzeitdatenanalyse

Streamverarbeitungslösungen für die Echtzeitdatenanalyse weisen in der Regel die folgenden Merkmale auf:

1. Ein Datenstrom ist unbegrenzt. Daten werden dem Datenstrom kontinuierlich und unbefristet hinzugefügt.
2. Die Datensätze im Datenstrom enthalten normalerweise temporale (zeitbasierte) Daten, die angeben, wann das Ereignis, auf das sich der Datensatz bezieht, aufgetreten ist (oder aufgezeichnet wurde).
3. Die Aggregation von Streamingdaten erfolgt häufig über Zeitfenster, z. B. die Aufzeichnung der Anzahl von Social Media-Beiträgen pro Minute oder des durchschnittlichen Niederschlags pro Stunde.
4. Die Ergebnisse der Streamingdatenverarbeitung können verwendet werden, um die Automatisierung oder Visualisierung in Echtzeit (oder in Quasi-Echtzeit) zu unterstützen, oder sie können in einem Analysespeicher gespeichert werden, um mit anderen Daten für die Verlaufsanalyse kombiniert zu werden. Viele Lösungen kombinieren diese Ansätze, um sowohl Echtzeit- als auch Verlaufsanalysen zu unterstützen.

Mit den Echtzeitintelligenzfunktionen von Microsoft Fabric können Sie Echtzeitanalyselösungen, die die hier beschriebenen Features enthalten, mit minimalem Kodierungsaufwand (oder ganz ohne Code) implementieren und in den Rest des Microsoft Fabric-Ökosystems integrieren.