En 2008, Domino’s pizza lanzó su rastreador de pizza para que los fanáticos pudieran monitorear en tiempo actual si su pizza estaba en el horno o fuera para entrega. Para 2019, el 65 % de las ventas de Dominos procedían de los canales digitales, incluidos los dispositivos domésticos y los mensajes de texto con emojis, lo que reinventó la marca para la period digital.
El Dominos’ Pizza Tracker es el ejemplo por excelencia de análisis en tiempo actual. Los datos más recientes se introducen en un algoritmo que escupe el estado del pedido en vivo a los amantes de la pizza. Permitió que la marca se volviera viral y mostró que las inversiones en análisis de massive knowledge en tiempo actual atrajeron a los clientes (y se convirtieron en comerciales geniales).
Dominos estaba a la vanguardia en 2008. Ahora, el análisis en tiempo actual se está convirtiendo en la norma. Las empresas de comercio electrónico utilizan análisis en tiempo actual para personalizar la experiencia, las empresas de la cadena de suministro utilizan análisis en tiempo actual para optimizar las rutas logísticas, las empresas de seguridad utilizan análisis en tiempo actual para detectar amenazas y la lista de casos de uso de análisis en tiempo actual continúa.
Si bien el análisis en tiempo actual está en demanda, no está exento de desafíos en la implementación. La entrega de análisis en tiempo actual requiere el cumplimiento de dos requisitos técnicamente desafiantes:
- baja latencia de datos: el tiempo entre el momento en que se reciben los datos y el momento en que están disponibles para consultarlos
- baja latencia de consulta: el tiempo que tarda la consulta en procesarse y entregar resultados
Los sistemas de datos existentes en juego hoy tendrán dificultades para cumplir con estos requisitos de rendimiento cuando se les asignen consultas analíticas complejas a escala. En este weblog, analizaremos casos de uso de análisis en tiempo actual y algunos de los desafíos continuos en el frente de la implementación.
Para qué es útil el análisis en tiempo actual
Hay algunos factores que impulsan la demanda de análisis en tiempo actual:
- Experiencias de usuario perfectas: La analítica se está arraigando en la experiencia de la aplicación, ayudando a los usuarios a realizar las acciones deseadas en los productos. Las características analíticas deben ser una experiencia perfecta y tener los mismos atributos rápidos y receptivos que el resto de la aplicación.
- Experiencias atractivas y personalizadas: Los usuarios quieren experiencias atractivas y personalizadas que los ayuden a sentirse comprendidos y conectados socialmente.
- Toma de decisiones basada en datos: Los usuarios quieren profundizar en los datos, identificar una perspectiva y tomar medidas. El tiempo entre los datos y la acción está disminuyendo, lo que lleva a una mayor productividad.
Experiencias personalizadas
McKinsey predice que personalización será el issue principal del éxito del advertising and marketing en los próximos cinco años (McKinsey- El futuro de la personalización). Sin embargo, muchas empresas aún se encuentran en la punta del iceberg en cuanto a la implementación de la personalización. Es posible que hayan elegido algunos elementos en los que invertir (recomendaciones de contenido, promociones de carritos de compras, and so forth.), pero no han podido crear experiencias personalizadas de extremo a extremo que reflejen la empatía del cliente.
Eso se debe a que muchos especialistas en advertising and marketing se ven frenados por los desafíos con su pila de datos. Por ejemplo, ofrecer personalización en tiempo actual basada en la actividad de un usuario durante los últimos 5 minutos, y mientras el usuario todavía está en el sitio, aún está fuera del alcance de muchas organizaciones. Y muchas empresas luchan por agregar los numerosos puntos de contacto con el cliente (en la tienda, en el sitio, interacciones de soporte, interacciones de advertising and marketing, and so forth.) para impulsar mejores experiencias personalizadas en todos los canales.
Las empresas que incluso hacen inversiones limitadas en personalización están viendo los resultados. Las marcas minoristas que han adoptado la personalización aumentan la satisfacción del cliente en un 20 % y las tasas de conversión en un 10-15 % (McKinsey: personalización de la experiencia del cliente).
Ritualuna empresa que combina la salud con la tecnología, monetizó de manera eficaz nuevas líneas de productos mediante la implementación de anuncios publicitarios personalizados, paquetes de ofertas específicas y campañas por correo electrónico. Objetivo ha sido bien conocido por crear un algoritmo para predecir el embarazo, ofreciendo cupones a los futuros padres para aumentar el gasto a largo plazo con la marca.
La experiencia de pago del carrito de Ritual con ofertas personalizadas de ventas adicionales.
El éxito de la personalización en la industria minorista se está extendiendo a través del advertising and marketing B2B y de consumidores más grandes, lo que lleva a experiencias de usuario más atractivas y personalizadas. Un ingrediente clave para desbloquear la personalización es una pila de datos que puede actuar sobre datos en tiempo actual de múltiples fuentes dispares.
Análisis de seguridad
El Informe sobre el estado de la ciberseguridad de 2020 encontró que el costo promedio por ciberataque fue de $380 000 con un promedio de 22 ataques por año.
Si bien es un número asombrosamente caro, hay un lado positivo en el informe. Las empresas que redujeron los tiempos de detección y respuesta y cambiaron los perfiles de ataque podrían ver reducidos esos costos en un 72 % (Acento). El tiempo es esencial a la hora de combatir las infracciones de ciberseguridad. Invertir en tecnologías en tiempo actual para ayudar a detectar y responder a las amenazas en todo el ecosistema es clave.
Muchas soluciones de análisis de seguridad luchan por procesar y analizar flujos masivos de datos de dispositivos IoT, puntos finales de usuarios, servidores locales y basados en la nube, y más. Esto se debe a que muchas pilas de datos no se diseñaron para lograr una latencia de datos baja a tasas de escritura masivas. La actualización de estas pilas para una latencia de datos baja no es una tarea fácil y requiere una sobrecarga operativa significativa.
Las soluciones de seguridad también están viendo que los usuarios exigen la capacidad de profundizar en los datos para comprender mejor el riesgo para la organización. Los algoritmos pueden señalar problemas potenciales, pero muchas veces el contexto organizacional ayudará a determinar el mejor curso de acción. Eso significa que los equipos de seguridad necesitan soluciones que puedan brindarles un análisis ad-hoc para que puedan hacer una amplia gama de preguntas para ayudar con los esfuerzos de mitigación. Esto puede ser un desafío, ya que muchas pilas de datos en tiempo actual no se diseñaron para análisis ad-hoc y requieren una ingeniería de rendimiento que requiere mucho tiempo para lograr consultas eficaces.
El análisis en tiempo actual cambia las reglas del juego para los equipos de seguridad, ya que cut back el tiempo desde la detección hasta la resolución. Las soluciones de análisis de seguridad que adoptan pilas de datos modernas para análisis en tiempo actual tendrán una ventaja en el espacio.
Gestión de flotas
UPS entrega 21 millones de paquetes por día y coordina envíos a través de una flota de 123,000 vehículos en la carretera. Una de las claves del éxito de UPS fue su inversión en ORION, un sistema de tecnología que recopila y analiza datos para optimizar las opciones de ruta, rastrear el comportamiento del conductor y el consumo de flamable y más. ORION recibió elogios por su optimización dinámica de rutas que eliminó los giros a la izquierda de los conductores de UPS para reducir los accidentes de tránsito. Orion también le ahorra a UPS 100 millones de millas por año, lo que ayuda a reducir los costos de flamable y las emisiones de carbono.
Si bien UPS tenía los dólares y la escala para construir su propia solución de gestión de flotas, muchas flotas más pequeñas están invirtiendo en soluciones tecnológicas que pueden ayudar con el mantenimiento predictivo de vehículos. optimización dinámica de rutas, seguimiento de flotas de extremo a extremo y más. Como resultado de estas inversiones, las empresas obtienen una visibilidad integral de sus flotas y reducen los costos.
Las soluciones de gestión de flotas son técnicamente difíciles de construir. Por ejemplo, las optimizaciones de ruta requieren unir la transmisión de datos de la flota con conjuntos de datos de terceros que se relacionan con el clima, las rutas geográficas, las condiciones del tráfico y más. El tamaño de los datos, la complejidad de las rutas y el caso de uso smart al tiempo hacen que las optimizaciones de rutas dinámicas sean un desafío de datos.
Las soluciones de gestión de flotas son cada vez más eficientes y predictivas con la ayuda de soluciones modernas de gestión de datos diseñadas para análisis en tiempo actual.
Gamificación de la tabla de posiciones
Tablas de clasificación Se sabe que atraen a la competencia en los juegos, lo que ayuda a los usuarios a mantenerse motivados al ver cómo su posición en el juego se relaciona con la de otros jugadores.
Las tablas de clasificación no son exclusivas de los juegos; muchas industrias las usarán para promover comportamientos y mejorar las conexiones sociales, incluso en los ámbitos del health, las finanzas y el medio ambiente. Retumbar es un ejemplo de una empresa de salud y bienestar que utiliza la ludificación de la tabla de clasificación para contar los pasos. Los usuarios de la aplicación pueden hacer un seguimiento de su progreso con respecto a sus compañeros y también desbloquear premios por alcanzar los objetivos de conteo de pasos.
La tabla de clasificación de Rumble debe funcionar en tiempo actual para que los usuarios puedan ver cómo cambia su posición en la tabla de clasificación a medida que participan en la actividad. Eso significa que las tablas de clasificación deben estar actualizadas con el estado precise del juego y la actividad del usuario, así como calcular puntajes y clasificar a los usuarios sobre la marcha.
Para construir de manera efectiva una experiencia social atractiva, muchas tablas de clasificación tienen que ir más allá de contar los 10 líderes principales, sino mostrar todas las posiciones de los usuarios en relación con los demás. Muchas características de la tabla de clasificación también brindarán una gran flexibilidad a los usuarios para realizar un seguimiento de su progreso con respecto a toda la comunidad, una subsección de seguidores y, en el caso de pelotóncontra ciclistas famosos.
La gamificación de tablas de clasificación puede ser un desafío para crear aplicaciones porque necesita mostrar los resultados en tiempo actual, consolidar puntajes en todas las actividades, escalar a una gran cantidad de usuarios y manejar picos durante eventos importantes o períodos pico. Si bien las tablas de clasificación son un caso de uso desafiante de análisis de massive knowledge en tiempo actual para construir, ofrecen grandes recompensas y crean comunidades virtuales que ayudan a los usuarios a lograr los objetivos deseados.
Conclusión
Muchas empresas están invirtiendo en análisis en tiempo actual y brindando una experiencia de usuario ágil, productos atractivos e información basada en datos. Están superando muchos de los desafíos de implementar análisis en tiempo actual, incluidos:
- Cumplir con los requisitos de baja latencia de datos y consultas
- Manejo de altas tasas de escritura de transmisión de datos
- Análisis de datos semiestructurados en formatos modernos
- Buscar, agregar y unir grandes conjuntos de datos
- Ejecución de análisis ad-hoc
- Escalado a much de consultas simultáneas
Los grandes jugadores, muchos de los cuales han sido mencionados en este weblog, han realizado importantes inversiones en análisis de massive knowledge en tiempo actual para cumplir con estos requisitos. Se informa que UPS, por ejemplo, tuvo 500 empleados para construir ORION. La razón por la que estos jugadores continúan invirtiendo es que ven impactos considerables en las métricas comerciales, incluidas las tasas de conversión, la lealtad del cliente, el ahorro de costos y más.
El análisis en tiempo actual se está generalizando con la ayuda de nuevas tecnologías emergentes como Rockset. Rockset es una base de datos de indexación en tiempo actual que hace que la construcción aplicaciones de datos rápido, versatile y fácil. Aprender más acerca de usando rockset para sus casos de uso de análisis en tiempo actual.
Imagen de GIPHY
