Comprendre les interactions numériques en temps réel

Par Ed Anuff, directeur des produits, DataStax

Les entreprises de tous les secteurs sont obsédées par l’analyse en temps réel depuis un certain temps. La technologie qui alimente cet ensemble d’outils qui vise à prendre rapidement des décisions commerciales critiques devrait représenter un Marché de 50,1 milliards de dollars d’ici 2026.

Ce n’est pas une surprise. Les informations fournies par l’analyse « sur le moment » peuvent révéler des informations précieuses dans les interactions avec les clients et alerter les utilisateurs ou déclencher des réponses lorsque des événements se produisent. Et ces réponses en temps réel sont essentielles pour créer le type d’expériences que vos clients attendent.

Mais ce prix étincelant pourrait amener certaines organisations à négliger quelque chose de beaucoup plus important : la construction du type d’architecture de données pilotée par les événements qui prend en charge des analyses en temps réel robustes.

Une entreprise qui se concentre sur la création d’une architecture basée sur les événements pour les applications en temps réel sera dans une bien meilleure position pour créer une plate-forme d’analyse en temps réel. Pourquoi? Parce que lorsque l’architecture de votre application est étroitement associée à vos activités commerciales (appelées « événements »), vous produisez le type de données en temps réel dont vous avez besoin pour exécuter des analyses en temps réel de manière plus flexible et évolutive que les architectures logicielles traditionnelles.

Examinons de plus près ce que signifient les événements en temps réel dans une entreprise numérique et comment la construction d’une architecture ouverte pour tirer le meilleur parti des données générées par ces événements peut créer une meilleure expérience client et générer des revenus.

Toutes les interactions sont des interactions numériques

Il est utile de commencer par réfléchir à ce qu’est un événement. Dans un contexte commercial, cela se définit comme une interaction. Les interactions avec les clients, les partenaires, les fournisseurs – l’ensemble de votre chaîne de valeur – sont le moteur de l’activité.

Pour une entreprise transformée numériquement, toutes les interactions sont médiatisées numériquement. Cela est vrai même lorsqu’une interaction se produit hors ligne, dans le monde physique. Pensez à une entreprise de messagerie livrant un colis ou à un avion de ligne qui atterrit avec 30 minutes de retard : ce sont des activités hors ligne à médiation numérique.

Ces interactions sont représentées, au sens technologique, comme des « événements », avec une certaine importance attribuée à lorsque ils arrivent. Nous pouvons, dans la sémantique du monde du logiciel, désigner les activités commerciales médiatisées numériquement comme des événements en temps réel.

Comment les entreprises gèrent-elles et profitent-elles des événements en temps réel ? Avec une architecture événementielle : une approche de programmation logicielle construite autour de la capture, de la communication, du traitement et de la persistance de ces événements – clics de souris, sorties de capteurs, etc. Le tout en temps réel, bien sûr.

Traiter des flux de données dans l’instant implique d’agir sur une série de données provenant d’un système qui crée en permanence des événements. Lorsqu’un avion de ligne atterrit en retard, un large éventail de données en temps réel peut déclencher des actions : disponibilité des portes d’embarquement, emplacement des camions-citernes, correspondances manquées.

La capacité d’interroger un flux de données sans escale et de reconnaître que quelque chose d’important s’est produit ou de trouver des anomalies, et d’agir rapidement et de manière significative (comme réserver un nouveau vol pour un passager qui a raté sa correspondance), nécessite une technologie spécifique empiler.

La base d’une architecture événementielle

De nombreuses organisations comprennent l’importance des architectures pilotées par les événements. Quasiment tous les aspects de notre vie technologique ont été affectés par l’évolution vers le traitement des données en temps réel et piloté par les événements – la façon dont nous communiquons, la façon dont nous travaillons, la façon dont nous commandons de la nourriture. La façon dont les entreprises sont gérées a également évolué : la disponibilité de données en temps réel sur les stocks, les ventes et la demande entraîne une optimisation en temps réel des chaînes d’approvisionnement dans tous les secteurs.

Pour en revenir à l’exemple de l’entreprise de livraison de colis, chaque interaction – un conducteur scannant un colis, un utilisateur regardant une application mobile, un colis perdu – est un événement opérationnel auquel un ingénieur logiciel doit réfléchir.

Il n’est pas surprenant que le paradigme basé sur les événements ait eu un impact important sur l’apparence des architectures logicielles d’aujourd’hui. Les organisations ont besoin d’une pile de technologies qui rendent les données en temps réel – qu’elles soient « en mouvement » et diffusées à partir d’appareils IoT ou au sein d’un écosystème de données d’entreprise, ou « au repos » et capturées dans une base de données – disponibles pour être utilisées sur le moment.

Il existe certains composants de base d’une pile de données en temps réel. Ils doivent inclure la possibilité d’évoluer rapidement et une banque de données élastique capable d’ingérer et de distribuer les données au fur et à mesure qu’elles arrivent. débit et évolutivité et sa capacité à recevoir et distribuer des données très rapidement.

À grande échelle diffusion technologie, comme Apache Kafka ou Apache Pulsar, est un autre élément clé d’une architecture pilotée par les événements. Les applications de données modernes nécessitent des technologies de streaming capables de fournir l’engagement réactif au point d’interaction auquel les utilisateurs finaux s’attendent.

La pile de données ouvertes

Chez DataStax, notre objectif a été de créer une pile de données ouvertes qui permet aux entreprises de mobiliser des données en temps réel pour créer des applications de données à grande échelle – mais il s’agit également d’un ensemble fondamental et intégré de technologies qui peuvent s’intégrer à une foule d’autres produits et ensembles d’outils (y compris les plates-formes d’analyse).

Trois composants importants composent la pile que nous proposons : AstraDBune base de données en tant que service basée sur Cassandra ; Streaming Astra, construit sur la technologie de streaming avancée de Pulsar open source ; et Modifier la capture de données (CDC) pour Astra DB, qui permet la diffusion en continu de données opérationnelles en temps réel dans l’écosystème de données d’une organisation.

En savoir plus sur Diffusion DataStax Astra,

qui est maintenant généralement disponible

Un élément clé de notre pile est le mot « ouvert » – et cela nous ramène à la discussion sur l’analyse. De nombreuses entreprises constatent qu’il existe une inadéquation d’impédance entre les systèmes logiciels qui ne sont pas basés sur les événements et le type d’analyse en temps réel qui produit les informations les plus précieuses. Les entreprises doivent se débattre avec des données obsolètes qui ne peuvent représenter qu’une vue vieille de plusieurs heures, voire de plusieurs jours. Alors que la demande monte en flèche pour une précision à la minute afin de conduire des décisions et des expériences client plus intelligentes et instantanées, la nécessité de corriger ce désalignement devient de plus en plus urgente.

Avec une pile de données ouverte en temps réel, non seulement ce problème d’inadéquation d’impédance disparaît, mais les organisations sont prêtes à intégrer leur plate-forme et à connecter leurs données à un certain nombre d’autres technologies, plates-formes et outils, y compris l’analyse en temps réel et des magasins de données comme Flink, Apache Pinot et Apache Druid pour n’en nommer que quelques-uns.

La flexibilité est intégrée avec une pile de données ouverte. Supposons que l’équipe de science des données d’une organisation doive poser une question commerciale spécifique (une « requête ad hoc », dans le langage analytique) au magasin de données opérationnelles, une question à laquelle des ensembles de données prédéfinis ou prédéterminés ne répondent pas. Les requêtes ad hoc sont souvent difficiles à résoudre, en particulier sur de grands ensembles de données.

Pourtant, lorsqu’une pile est construite en gardant à l’esprit l’ouverture et les données en temps réel pilotées par les événements, il devient relativement simple de diriger les données d’un backend opérationnel vers n’importe quelle plate-forme d’analyse de données. Dans le cas des offres de DataStax, notre introduction récente de CDC pour Astra DB nous a essentiellement permis d’intégrer une capacité de streaming à haut débit et évolutive dans la base de données. Cela simplifie considérablement la capacité de canaliser toutes les données, avec des temps de réponse d’une milliseconde, à partir d’un backend opérationnel (dans notre cas, Cassandra) vers Snowflake ou AWS Athena. Il facilite également le déplacement des données générées par les systèmes analytiques vers des datastores périphériques pour aider à améliorer les performances des applications.

Essentiellement, un développeur d’applications n’a pas à craindre que la base de données qu’il a choisie pour alimenter les interactions utilisateur en temps réel n’entrave les types d’analyses nécessaires pour faire avancer l’entreprise.

Répondre aux nouvelles attentes

L’analyse en temps réel n’est qu’un exemple du type d’outils puissants dont dispose une entreprise lorsqu’elle construit une architecture capable de tirer pleinement parti des données générées par les événements commerciaux. Une architecture de données en temps réel basée sur des événements est précisément la façon dont les entreprises créent aujourd’hui les expériences que les consommateurs attendent.

En savoir plus sur Diffusion DataStax Astraqui est maintenant généralement disponible

À propos d’Ed Anuff :

Ed est chef de produit chez DataStax. Il a plus de 25 ans d’expérience en tant que chef de produit et de technologie dans des entreprises telles que Google, Apigee, Six Apart, Vignette, Epicentric et Wired.