Vad är dataanalys i realtid?

Slutförd

Dataanalys i realtid baseras ofta på inmatning och bearbetning av en dataström som består av en evig serie data, vanligtvis relaterade till specifika tidpunktshändelser. En dataström kan till exempel innehålla information om meddelanden som skickas till en mikrobloggwebbplats för sociala medier eller en serie miljömätningar som registrerats av en internetansluten vädersensor.

Data i dataströmmen kan användas för att skapa realtidsvisualiseringar av data i övervakningssyfte eller för att utlösa automatiserade åtgärder om vissa villkor inträffar. Till exempel kan en dataström från en miljökontrollsensor i en kontorsbyggnad göra det möjligt att styra värme- och luftkonditioneringssystem dynamiskt för att optimera komfort och kostnad. Data kan också sparas i ett datalager och efterfrågas senare, vilket gör det möjligt för analytiker att bättre förstå förändringar över tid. Till exempel kan en marknadsföringsorganisation utföra attitydanalys på meddelanden på sociala medier för att se om en reklamkampanj resulterar i mer positiva kommentarer om företaget eller dess produkter, eller om ett jordbruksföretag kan övervaka trender i temperatur och nederbörd för att optimera bevattning och skörd.

Vanliga mål för realtidsanalys är bland annat

• Analysera data kontinuerligt för att rapportera problem eller trender.
• Förstå komponent- eller systembeteende under olika förhållanden för att planera framtida förbättringar.
• Utlöser specifika åtgärder eller aviseringar när vissa händelser inträffar eller tröskelvärden överskrids.

Egenskaper för lösningar för dataanalys i realtid

Dataströmbearbetningslösningar för dataanalys i realtid uppvisar vanligtvis följande egenskaper:

1. En dataström är obundet – data läggs till i dataströmmen kontinuerligt.
2. Dataposter i dataströmmen innehåller vanligtvis temporala (tidsbaserade) data som anger när händelsen som posten relaterar till inträffade (eller registrerades).
3. Sammansättning av strömmande data utförs ofta över tidsmässiga fönster – till exempel registrering av antalet inlägg på sociala medier per minut eller den genomsnittliga nederbörden per timme.
4. Resultatet av bearbetning av strömmande data kan användas för att stödja automatisering eller visualisering i realtid (eller nära realtid) eller sparas i ett analyslager som ska kombineras med andra data för historisk analys. Många lösningar kombinerar dessa metoder för att stödja både realtidsanalys och historisk analys.

Med Microsoft Fabrics funktioner för realtidsinformation kan du implementera analyslösningar i realtid som innehåller de funktioner som beskrivs här med minimal (eller ingen) kodning och integrering i resten av Microsoft Fabric-ekosystemet.