idspopd - Fotolia

Streaming Data Analytics setzt Projektteams einem erhöhten Echtzeit-Druck aus

Eine Datenarchitektur, die Streaming Analytics unterstützt, kann für Firmen, die schnell auf Daten reagieren möchten, zur Herausforderung werden.

Als ich während meiner Schulzeit in einem Fast-Food-Restaurant gearbeitet habe, war unser Motto „Geschwindigkeit, nicht Perfektion“. Ein Freund und ich haben uns T-Shirts mit der Phrase und dem Logo des Restaurants drucken lassen – zwei Schlauberger-Teenager, die zu Männern heranwuchsen.

Heutzutage finden sich viele Daten-Management- und Analytics-Teams in einer Situation wieder, dass sie schnell sein müssen, um Echtzeit-Datenanalysen in ihren Organisationen zu ermöglichen. Doch sie haben nicht den Luxus, mit der gleichen Lockerheit zu arbeiten, die mein Freund und ich in dem Fast-Food-Restaurant an den Tag legten. Und das setzt sie erheblich unter Druck, denn das Erstellen einer Echtzeit-Datenarchitektur und die Verwendung von Streaming-Data-Analytics-Anwendungen ist ein kompliziertes Unterfangen.

Gleich zu Beginn: Streaming-Analytics-Systeme kommen nicht Schlüsselfertig in eine Organisation – nicht einmal große Systeme. Die Konfiguration der Anwendung ist ein handwerklicher Prozess, der es erfordert, dass potenzielle Anwender verschiedene Datenverarbeitungstechnologien und Analyse-Tools zusammenbringen, um den jeweiligen Anwendungsbedürfnissen gerecht zu werden. Darüber hinaus gibt es immer mehr Technologieoptionen, vor allem dank der Entstehung mehrerer Big-Data-Plattformen, die auf unterschiedliche Weise Streaming-Analytics-Fähigkeiten bieten.

Eine Fülle von Streaming-Plattformen

Spark Streaming, Flink, Storm, Samza, Pulsar, Druid, Kylin – alles Open-Source-Tools, die am Data-Streaming- und Echtzeit-Analytics-Markt wetteifern. Selbst Apache Kafka, ursprünglich eine Messaging-Technologie zur Datenübertragung, fungiert nun als Stream-Processing-Plattform.

Zusätzlich zu den Open-Source-Tools bieten verschiedene IT-Anbieter komplexe Event-Processing-Systeme an, die in den späten 1990er Jahren am Markt auftauchten. Spezielle Datenbanken – zum Beispiel In-Memory-Datenbanken – wurden gebaut, um Streaming-Daten zu analysieren.

Mehr zum Thema Big Data:

Big Data Frameworks: Sicherer Einsatz in Unternehmen.

Big Data Discovery kann Oracle wieder in den Gartner BI Magic Quadrant hieven.

Big Data Analytics Tools: Braucht man die Vielzahl an Werkzeugen wirklich?

Big Data Analyse versagt 2016 bei der Wahl Donald Trumps zum US-Präsidenten.

Die Technik entscheidet: Mit passenden Big Data Tools erfolgreich sein.

Auf der Analytics-Software-Seite macht der breitere Einsatz von Machine-Learning-Algorithmen es möglich, Predictive-Analytics-Modelle zu entwickeln, die sich durch große Mengen von Streaming-Daten wie Finanztransaktionen, Geräteleistungen und Internet-Clickstreams arbeiten können. Doch auch hier gibt es eine große Auswahl zu berücksichtigen: Tools von Mainstream-Analytics-Anbietern und Machine-Learning-Spezialisten, Cloud-basierte Services und Open-Source-Plattformen.

Wie bei der Erstellung einer Big-Data-Architektur im Allgemeinen, kann der Überfluss an verfügbarer Software, um eine Echtzeit-Analytics-Architektur zu untermauern, ein Segen für Anwender sein – oder sie zu einem zeitverschwendenden Einsatz führen. Die richtige Technologie zu finden, und sie in einem effektiven Analytics Framework zu kombinieren, ist ein gefährlicher Prozess. Fehltritte können ein Projekt in die falsche Richtung führen und zu einem Misserfolg werden lassen.

Streaming Analytics in Echtzeit-Projekten

Das hält Unternehmen, insbesondere große mit vielen Daten und reichlich IT-Ressourcen, nicht davon ab, entsprechende Projekte zu starten. In einer Umfrage, in der TechTarget Analytics-Profis und IT-Entscheider befragte, gaben rund 28 Prozent der Umfrageteilnehmer aus Unternehmen mit mehr als 7.000 Mitarbeitern an, dass sie in den nächsten zwölf Monaten in Echtzeit-Analytics-Technologien investieren möchten. Zudem planen rund 13 Prozent, Stream-Processing-Software zu kaufen.

Die Fähigkeit, nützliche Informationen aus Datenströmen in Echtzeit zu gewinnen, lässt Geschäftsbereiche schnell handeln – das kann eindeutig ein Vorteil sein. Predictive-Analytics-Anwendungen, die auf Basis von Webaktivitäts-Streaming-Daten von Konsumenten agieren, können Personalisierungsprogramme auf Websites ausführen, um gezielt Online-Werbung und Marketing-Kampagnen zu starten. Fraud Detection, Predictive Maintenance und Satellitenbilderfassung sind weitere Anwendungen, die von Streaming Data Analytics profitieren können.

In vielen Fällen erscheint Echtzeit die einzige Möglichkeit, um die Vorteile ausnutzen zu können, welche die gesammelten Daten bieten. Streaming-Analytics-Tools weisen auf problematische Einsichten, die schnell beseitigt werden müssen, bevor die Chance vertan ist, erklären die Forrester-Analysten Mike Gualtieri und Rowan Curran (mittlerweile nicht mehr bei Forrester Research) in einem Bericht aus dem Jahr 2016.

„Man erhält die Einsichten nicht, indem man einfach die Daten in ein Hadoop-Cluster wirft“, sagt Darryl Smith, Chief Data Platform Architect bei Dell EMC, während einer Präsentation auf der Stata + Hadoop World 2016 in New York.

Geschwindigkeit ist in der Tat eine wunderbare Sache. Man sollte aber sicherstellen, dass das Analytics-Team einen gut durchdachten Plan hat, bevor es eine Streaming-Analytics-Initiative angeht. Ansonsten könnte das Projekt am Ende zu einer Enttäuschung für die Geschäftsführung werden.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Artikel wurde zuletzt im März 2017 aktualisiert

Pro+

Premium-Inhalte

Weitere Pro+ Premium-Inhalte und andere Mitglieder-Angebote, finden Sie hier.

Erfahren Sie mehr über Datenintegration

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close