Qu’est-ce que l’analytique données en temps réel ?
L’analytique des données en temps réel est généralement basée sur l’ingestion et le traitement d’un flux de données qui se compose d’une série perpétuelle de données, généralement liée à des événements à un point dans le temps spécifiques. Par exemple, un flux de données peut contenir des détails de messages envoyés à un site de microblogs de réseau social, ou une série de mesures environnementales enregistrées par un capteur météo connecté à Internet.
Les données du flux peuvent être utilisées pour créer des visualisations en temps réel des données à des fins de surveillance ou pour déclencher des actions automatisées si certaines conditions se produisent. Par exemple, un flux de données provenant d’un capteur de contrôle environnemental dans un bâtiment de bureau peut permettre à des systèmes de chauffage et de climatisation d’être contrôlés dynamiquement pour optimiser le confort et le coût. Les données peuvent également être conservées dans un magasin de données et interrogées ultérieurement, ce qui permet aux analystes de mieux comprendre les changements au fil du temps. Par exemple, une organisation marketing peut effectuer une analyse des sentiments sur des messages de réseau social pour voir si une campagne publicitaire génère des commentaires plus positifs sur l’entreprise ou ses produits, ou une entreprise agricole peut monitorer les tendances de température et de pluie pour optimiser l’irrigation et les récoltes.
Les objectifs courants pour l’analytique en temps réel incluent
- Analyse continue des données pour signaler des problèmes ou des tendances.
- Compréhension du comportement des composants ou du système dans différentes conditions pour planifier des améliorations futures.
- Déclenchement d’actions ou d’alertes spécifiques quand certains événements se produisent ou que des seuils sont dépassés.
Caractéristiques des solutions d’analytique des données en temps réel
Les solutions de traitement de flux pour l’analytique des données en temps réel présentent généralement les caractéristiques suivantes :
- Le flux des données n’est pas lié : les données sont ajoutées au flux de manière perpétuelle.
- Les enregistrements de données dans le flux comprennent généralement des données temporelles (basées sur le temps) indiquant quand l’événement auquel se rapporte l’enregistrement s’est produit (ou a été enregistré).
- L’agrégation des données de streaming est souvent effectuée sur des fenêtres de temps : par exemple, en enregistrant le nombre de publications sur les réseaux sociaux par minute ou la pluviométrie moyenne par heure.
- Les résultats du traitement des données de streaming peuvent être utilisés pour prendre en charge l’automatisation ou la visualisation en temps réel (ou en quasi-temps réel), ou être conservés dans un magasin analytique pour être combinés avec d’autres données pour l’analyse historique. De nombreuses solutions combinent ces approches pour prendre en charge l’analytique en temps réel et historique.
Les fonctionnalités d’intelligence en temps réel de Microsoft Fabric vous permettent d’implémenter des solutions d’analytique en temps réel qui incluent les fonctionnalités décrites ici avec un effort de codage minimal (ou non) et une intégration dans le reste de l’écosystème Microsoft Fabric.