使用記憶體內分析改善商業智慧

瞭解記憶體內分析如何協助組織在資料導向企業的新時代中建立競爭優勢。

記憶體內分析讓資料變得更加緊密:

  • 將資料儲存在系統記憶體中,以加速進行分析。

  • 更快速地處理更多資料,以支援預測性分析。

  • 尋找業務或零售資料中的即時模式。

author-image

作者

什麼是記憶體內分析?

如今,資料無所不在。資料的量、速度和多樣性都在不斷增加,超出所有人的預期。充分利用資料分析已協助眾多頂尖品牌從傳統商業智慧轉向即時分析,以透過專為客戶量身打造的產品與服務提高效率、避免風險和增加收入。如果企業使用分析解決方案從資料中挖掘價值的速度過於緩慢,可能會明顯處於不利於競爭的地位。

就可支援分析導向決策制定的 IT 基礎架構而言,速度是重要的要求。決策支援解決方案的商業價值通常通常取決於:是否能夠以至少比傳統解決方案快數千倍的速度提供結果。達成這個高超的目標必須採用嶄新的處理方法:記憶體內運算。

記憶體內運算的概念很簡單。在傳統資料處理方法中,資料位於系統中的硬碟或透過網路連接的硬碟。在需要的情況下,資料會被呼叫到本機系統記憶體(現稱為 RAM)中,然後從該位置移動到 CPU。尋找位於磁碟上的資料所耗費的漫長時間通常會變成瓶頸。

有了記憶體內運算,資料就能直接儲存在系統記憶體中。此架構方法消除了尋找磁碟上的資料所耗費的時間,然後將其搬運到更接近 CPU 的位置,藉此大幅減少延遲。如今,記憶體內運算仰賴昂貴的 DRAM 記憶體,因此這對大量資料而言並不符合成本效益。然而,不斷進化的持續性記憶體技術將高容量、實惠價格和資料持續性與媲美 DRAM 的效能等級相互結合,藉此提供解決方案。

記憶體內分析通常有另外兩個重要的技術元件,有助於提升軟體效能。

單欄式資料儲存:記憶體內分析資料具有一維線性結構,而不是傳統的二維資料架構(列和欄)。

大規模平行處理:記憶體內分析會充分利用多核心、多執行緒處理器功能,鑑於減少存取延遲,可自由地在資料上執行操作。

完善的商業智慧產品組合

就像許多 IT 方案一樣,隨著組織獲得有關提供解決方案的經驗和營運成熟度,商業分析對企業而言可能會變得更重要。更傳統或制式的方法(例如描述性和診斷性分析),告訴企業發生了什麼情況:「我們的處境」,而不是「我們可以怎麼做」。

成熟度擴展的下一步就是預測性分析,也就是展望未來。它用有紀律且資料導向的方法取代了憑經驗的決策制定方法。預測性分析會即時執行。它通常會將其觸及對象延伸至在前線持續做出下層決策的人們,例如 哪些棧板要裝到哪個容器。

這些小決定本身不太重要。然而,在積少成多後,它們可能會對獲益造成重大影響(無論是透過避免成本或提高收益)。在一段時間後,預測性分析將能讓企業自動化目前處於手動狀態的程序,這樣就能以「運算速度」移動。

在成熟度模型的後續階段中,指示性分析會以較大的時間尺度探索假設情境,並推算可能的成果。舉例來說,指示性分析可能會用來決定新零售暢貨中心的最佳位置。

所有這些展望未來的方法都會運用組織中的資料(有時包括交易資料),以及可從第三方彙總工具取得的許多不同資料形式。

記憶體內分析解決方案可能不會取代傳統資料倉儲,但可能會提升組織的整體決策支援能力。您可以先馬上開始使用記憶體內分析,然後再進行企業的批發平台重建。

分析的商業價值

具有商業價值的資料來源無窮無盡:來自工廠感應器、來自多重零售渠道、來自社群媒體、甚至是來自氣象衛星和其他第三方摘要的資料。智慧城市和物聯網等新發展只會增加負荷。如果公司想要維持競爭力,就不能忽視此類資料。資料在經過適當的分析後,可預測最有可能成功的向上銷售以提高銷售量、透過更具智慧的路由和庫存管理降低配送成本、降低製造成本,以及透過複雜的根本原因分析改善品質 — 同樣地,此清單幾乎無窮無盡。

有時候,從這種數量龐大的資料中獲得可據以行動的資訊的途徑,就是要找出已發生情況的模式。在其他情況下,我們需要即時結果來改善客戶體驗、遏止惡意軟體漏洞或防止冒用信用卡(在此僅舉出幾個例子說明)。

其採用的阻礙正在逐漸下降。所有主要 IT 廠商都會提供分析解決方案,而且也有無數的垂直解決方案。具備使用和支援複雜分析所需的技能組合的資料科學家人數不斷增加。此外,許多公司正在努力透過簡化介面和內建演算法將分析的使用「普及化」。分析及其穩妥業務案例 的消息眾所皆知後,籌資變得更容易取得。

重點在於,分析中有清楚的商業價值。無數品牌已使用記憶體內分析來提升收益及降低成本。不追求這些營運優勢的品牌正面臨處於不利於競爭之地位的風險。

分析使用案例

記憶體內分析是一種業經實證的劃時代技術,目前對企業和組織管理的所有層面都產生了極大的影響,包括製造、供應鏈管理、人力資源、行銷、分銷、財務等等。

對許多組織而言,記憶體內分析的主要優勢在於能夠快速處理數量龐大的資料,足以讓產生的深入解析改變遊戲規則。包含大量資料的模式辨識是很重要的使用案例。舉例來說,IRS* 在處理納稅申報單時對其進行分析,以識別錯誤或問題模式。結果是透過介入,成功阻止 IRS 錯誤退還數億美元。

預測性分析或許是記憶體內技術最實用的應用。在 UPS*,快遞作業的預測模型是駕駛里程數縮短的原因,不但能為公司節省開支,還能減少公司整體的碳足跡。

預測分析在零售業格外有效。舉例來說,零售商能夠啟動記憶體內分析專案,以產生目標性行銷活動,進而降低成本。任何產業都有可能從這類方法中受益。

逐步入門指南

以下是開始使用記憶體內分析的五步驟程序。

  1. 識別痛點。請諮詢業務單位領導者,以建立在現有系統中難以或無法解決的痛點清單。此清單應根據符合現有策略、可望取得新深入解析、在 IT 組織的技能範圍內,以及具有穩妥業務案例的項目排定優先順序。經過幾番反覆進行後,最終結果應該是能產生達成這些目標所需的清楚目標和資源清單。
  2. 研究並熟悉市面上的可用分析解決方案。有鑑於該知識,請評估您目前的基礎架構。請務必瞭解要分析的資料將來自何處、誰擁有該資料,以及需要採取哪些必要的措施,以確保資料品質和安全性。
  3. 識別並培養團隊需要的技能。視需要雇用新人才或規劃外包一些工作。在許多情況下,新員工將具備符合您需求的技能組合。
  4. 建立技術要求 並超越目前已實施的要求。記憶體內分析需要現代化硬體,包括運算、儲存和網路基礎架構。您也必須決定需要產生哪些分析查詢和演算法,才能實現所需的輸出,然後決定如何以吸引人的方式呈現這些輸出。希望專利和開放原始碼解決方案為您提供軟體,因為存在著大量選項。
  5. 建立最終使用案例或專案。決定將使用哪些資料,並對應資料流程。然後,建立生產版本的測試環境。

分析領域中的 Intel:硬體及其他優勢

Intel 提供業界最廣泛的記憶體內分析資源和平台,擁有能隨著與日俱增工作負載擴展的重大能力。它能夠支援各種多元化分析工作負載,包括即時的記憶體內資料庫、橫向擴展 Spark* 部署、高效能運算 (HPC) 及機器學習。它結合了運算、儲存、記憶體、網狀架構和網路技術,全都針對「更完善地搭配運作」效能最佳化,其中整體大於各個部分的總和。

結果是得到靈活的基礎架構,加上提供滿足現今需求所需的高效能的內建安全性,同時針對未來形成一個堅實且值得信賴的基礎。

Intel® 架構透過隨著時間擴展分析方案的可預測路徑以及廣泛的產品選擇,為 IT 組織在其基礎架構中提供了一致的基礎,也就是說,不需要支援多個架構。它也為開發人員提供了一致的軟體程式設計模型,讓他們能夠專注於提升效能和功能。

Intel® 架構由豐富的硬體和軟體合作夥伴生態系統提供支援。Intel 持續且積極地與這些合作夥伴協同合作,協助在 Intel® 架構上最佳化其產品效能。

有了 Intel 做為分析合作夥伴後,組織可以靈活地選擇使用開放原始碼軟體平台或其中一個領先業界的商業平台,例如來自 SAS、SAP、Oracle、IBM 和 Microsoft 等眾多來源的平台。

憑藉其成功的歷史,Intel 提供了豐富的資訊來源,讓人們瞭解要怎麼做才能透過記憶體內分析方案獲致成功。

Intel 主要因其處理器而聞名,對許多人而言,Intel® Xeon® 處理器可擴充家族是記憶體內分析的同義詞。然而,其全貌更加廣泛,而且非常值得深入探究。按一下這裡以進一步瞭解 Intel 如何協助您的組織制定記憶體內分析策略。