Echtzeitanalyse
Real-Time-Analytics verändert das Business
2. IT-Prozesse
Anwender nutzen die hochaktuellen Analyseergebnisse stärker außerhalb der üblichen Bürozeiten. Um diese zu gewährleisten, muss die IT-Infrastruktur für die Datenanalyse rund um die Uhr laufen.
Herausforderungen:
-
Die Arbeitslast in der Datenanalyse wird allein durch (schwankendes) Geschäftsaufkommen bestimmt.
-
Ladeprozesse für Quelldaten sind nicht diskret betrachtbare Einzelereignisse, sondern wandeln sich zum kontinuierlichen Daten-Streaming.
-
Ausweitung der Nutzungszeiten außerhalb der normalen Bürozeit (Randzeiten).
Konsequenzen:
-
Keine Unterscheidung von "Dialog"- und "Batch"-Verarbeitungszeiten.
-
Rasche Anpassung der Rechenkapazität an schwankenden Analysebedarf (insbesondere hohes Geschäftsaufkommen).
-
Zeitliche Ausdehnung von Support und Administration; Trend zu Self-Service-Lösung oder Remote-Administration.
3. Anwendungen
Der Bedarf an Echtzeitdatenbereitstellung wird sich auf immer mehr Bereiche der Anwendungslandschaft ausdehnen.
Herausforderungen:
-
Hohe Erwartungshaltung der Anwender an Datenaktualität resultiert in wachsende Anforderungen an neue Systeme.
-
Anpassungsfähigkeit von Anwendungen an schwankende Datenmengen und Arbeitslasten; effiziente Nutzung von Ressourcen wie Speicher, Rechenleistung, Netz.
-
Bessere Anpassungsfähigkeit der Anwendungen an beschleunigte Geschäftsprozesse und die Verzahnung mit Geschäftspartnern.
Konsequenzen:
-
Die Echtzeitdatenbereitstellung wird eine wichtige Leistungsanforderung an zu beschaffende Anwendungssoftware (mit zugehöriger Infrastruktur), aber auch an die Inhouse-Entwicklung.
-
Minimierung von technisch bedingten Verzögerungen durch die an Kernprozessen beteiligten Anwendungen; Ersatz von Batch-Verarbeitungsanteilen durch Streaming-Logik.