Tu je primer.

Recimo, da je tipična programska oprema kot termostat. Deluje v enostavni zanki in drži prostor na izbrani temperaturi. Opravlja svoje delo in vzdržuje temperaturo, a se ne uči.

Po drugi strani pa se bo pametni termostat učil iz podatkov in sčasoma postal veliko bolj učinkovit. Pametni termostat bo ves čas testiral možnosti in ponavljal ta proces. Takšnim sistemom rečemo, da so interoperabilni, ker si izmenjujejo in obdelujejo podatke.

In tako deluje tudi analiza podatkov v resničnem času, kadar je pravilno integrirana v vaš poslovni proces.

Zakaj je to pomembno? Vsak dodaten trenutek, ki odloži izboljšano odločitev, poveča tudi stroške procesa. Z uporabo analize v resničnem času so problemi rešeni hitreje, odločitve pa so sprejete na osnovi resničnih podatkov.

/Analitika v resničnem času je disciplina, ki uporablja logiko in matematiko za podatke, da zagotovi vpoglede za hitro sprejemanje boljših odločitev./

Slabosti zastarele podatkovne analitike

Še vedno obstaja mnenje, da so rešitve po meri drage, vendar mi verjamemo, da je potrebno na njih gledati kot naložbo. O prednostih, ki jih prinašajo rešitve po meri, smo že pisali in obdelali nekaj glavnih konkurenčnih prednosti.

Tokrat bomo pogledali specifične stroške, ki jih prinašajo zastarele podatkovne analitike in poročila.

1. Prva točka je precej samoumevna, gre za merljive stroške, ki se zgodijo pri zbiranju, shranjevanju in analizi podatkov. Z uporabo zastarelih sistemov vaši podatki ne bodo uporabljeni pravilno, zamujene priložnosti pa vas bodo stale časa in v večini primerov tudi denarja.

2. Drugič, strošek pri zbiranju, shranjevanju in uporabi “starih” podatkov. Več podatkov, kot imate, hitreje se spreminjajo (včasih gre za sekunde) in postanejo zastareli. Ko analizirate stare ali zastarele podatke, bo končna analiza zastarela ali še slabše, popačena, kar pomeni, da so podatki neuporabni za nadaljno uporabo. Vzdrževanje pravilnosti podatkov in posodabljanje podatkov sta prioriteti, kadar uporabljate podatke za sprejemanje prihodnjih poslovnih odločitev.

3. Potem je tu še čas. Agilnost, proaktivnost in zmožnost hitrega odziva so ključni, če želite ostati konkurenčni in na vrhu. Podjetja, ki so hitrejša, so ponavadi boljša kot tista, ki se izgubijo v odločitvah. Analitika v resničnem času omogoča, da opazite težave še preden se pojavijo, kar pomeni, da jih lahko nagovorite še preden vplivajo na vaš posel. Analitika v resničnem času prav tako omogoča vaši ekipi, da hitreje reagira na izzive končnih uporabnikov, kar pomeni bolj zadovoljne stranke.

Rešitve, kot je Pladenj, pomagajo premagati te izzive

Nič več napak, odvečnih podatkov ali počasne obdelave podatkov. S sistemom Pladenj je so procesi slabilnejši, hitrejši in avtomatizacija podatkov boljša kot kadarkoli prej.

Spoznajte Pladenj, našo rešitev za analizo v resničnem času

Tray uporablja napredno inkrementalno strojno učenje na podatkovnih tokovih za učinkovito in preprosto predvidevanje obremenitev zunanjih virov podatkov.

Največji izziv pri načrtovanju programske opreme interoperabilnih sistemov za trajnostno izmenjavo podatkov je obvladovanje težav z razpoložljivostjo, (ne)zanesljivostjo in (ne)odzivnostjo integriranih zunanjih virov podatkov. Z vključitvijo inovacije Pladenj, dinamičnega dušilca prepustnosti, v interoperabilni sistem je mogoče takšne težave učinkovito rešiti.

Komu lahko koristi sistem Pladenj?

Ta inovacija podjetja Mediusje bila ustvarjena za uporabo v vseh naprednih panogah, kot so fintech, zavarovalništvo, farmacija, energetika in vsa tista podjetja, ki poslujejo s številnimi različnimi aplikacijami ali/in programsko opremo.

Vemo, da vsaka organizacija uporablja veliko različnih programskih rešitev, ki so včasih zastarele in brez podpore. V tem smo videli priložnost, zato je sistem Pladenj tehnološko agnostičen, kar pomeni, da nima omejitev in se lahko izvaja na vseh sistemih, pri tem pa ne posega v proces.

Kadar se vsak sistem ravna po svojih pravilih, kadar nimate skupnih temeljev, potrebujete orodje, ki omogoča, da rešitve različnih izvorov delujejo usklajeno.

Na podlagi česa vse to vemo in kako lahko zagotovimo, da bo sistem Tray deloval za vas? Preizkusili smo ga - v resničnem življenju in v velikem obsegu (več kot 500 000 uporabnikov) - in deluje.

Oglejmo si delovanje sistema Pladenj

Osnovni namen interoperabilnih sistemov je omogočiti pregledno, hitro in zanesljivo poizvedovanje po podatkih iz različnih podatkovnih virov.

In prav to počnemo s sistemom Pladenj, ki je bil prvič uporabljen in implementiran v zapletenem vladnem sistemu, pri katerem smo prepoznali priložnost in jim ponudili implementacijo znotraj njihovega interoperabilnega informacijskega sistema za enotno izvajanje pametnih poizvedb po podatkih.

Ta interoperabilni sistem je bil prvotno zgrajen za pridobivanje podatkov za en vir, vendar je kot večnamenski skupni gradnik aplikacij postal široko uporaben v številnih drugih vladnih sistemih.

Med drugim podpira pridobivanje podatkov o premoženjskem in dohodkovnem stanju prosilcev za socialne pravice in njihovih družinskih članov, večinoma iz podatkovnih virov znotraj javne uprave, pa tudi iz zunanjih virov. Skratka, gre za velik sistem z veliko podatki, ki jih je treba obdelovati v realnem času.

Kakšen je torej izziv?

Sistem vsak dan izvede več deset tisoč pregledov. Kot smo že omenili, so največji izziv za arhitekte in razvijalce interoperabilnih sistemov nepredvidljiva razpoložljivost, (ne)zanesljivost in (ne)odzivnost številnih virov podatkov.

Razvijalci takih sistemov se pogosto zatekajo k optimizaciji delovanja z uvedbo tako imenovanih "čakalnih vrst", v katerih sistem kopiči zahteve, ki še niso prejele odgovorov. Tem čakalnim vrstam so dodeljene samoreprodukcijske akcije, ki zagotavljajo, da se poizvedbe po virih ponovno izvedejo. To razvijalcem omogoča, da pridobijo zapozneli odgovor iz novo razpoložljivih virov, ki prej niso bili na voljo ali so se odzvali z napako.

Ključno vprašanje pri tem je, kako optimalno izprazniti in hkrati napolniti čakalne vrste. Če se čakalna vrsta izprazni prehitro, obstaja velika verjetnost, da bo zunanji podatkovni vir ponovno preobremenjen, posledično pa bo preobremenjen celoten sistem. Če pa so po drugi strani vse zahteve postavljene v čakalno vrsto, bodo odgovori zamujali, kar ne odraža optimalnega delovanja sistema. Tu pride v poštev sistem Pladenj, ki reši situacijo.

Pladenj ponuja odgovor na vprašanje, kako hitro izprazniti in izpolniti zahteve, da se doseže optimalna prepustnost interoperabilnega informacijskega sistema. Cilj je nemoteno delovanje sistema in posledično hitro pridobivanje podatkov (v tem primeru) o premoženjskem in dohodkovnem stanju prosilcev za socialne pravice.

Pladenj optimizira delovanje obstoječega interoperabilnega sistema z uporabo naprednih elementov strojnega učenja. Pladenj vključuje odprte vmesnike, ki na podlagi preteklih metrik zgradijo model za napovedovanje prepustnosti ali obremenitve posameznega vira podatkov v realnem času. Ti napovedni modeli so izračunani z uporabo različnih metod in algoritmov strojnega učenja. Blažilna komponenta interoperabilnega sistema tako pridobi dinamične parametre za polnjenje in praznjenje pomnilniških vrst zahtevkov v interoperabilnem sistemu s klicem odprtega vmesnika API REST mikrostoritve.

Vsakič, ko Pladenj inkrementalno popravi napovedne modele, izračuna značilnosti novih vzorcev stanja interoperabilnega sistema. Tako napovedni modeli upoštevajo tudi morebitne posodobitve zunanjih virov podatkov, ki se merijo z metričnimi podatki v okviru klicev interoperabilnega sistema.

Pred in po Pladnju

Opisani sistem Pladenj se trenutno uporablja kot podporna komponenta zapletenega interoperabilnega informacijskega sistema, kjer omogoča robustnejše in stabilnejše delovanje vladnih operacij tudi v ekstremnih razmerah, ko pride do poplave vhodnih zahtevkov.

Pred namestitvijo inovativne rešitve Pladenj je veliko število vhodnih zahtevkov povzročilo okvare virov podatkov. Ker gre za izjemno velike količine zahtevkov za preverjanje (v povprečju več deset tisoč na dan), je pogosto prihajalo do izpadov sistema, kar je omejevalo ažurno obravnavo prosilcev in povzročalo številne težave.

Uspeh sistema Pladenj se kaže v zmanjšanem številu izpadov zunanjih virov podatkov in tudi v krajšem povprečnem času, ki ga sistem potrebuje, da odgovori uporabnikom.

Posledično se vloge prosilcev za socialne pravice na centrih za socialno delo obravnavajo hitreje, znatno pa se je izboljšala tudi uporabniška izkušnja.

To ni le zgodba o uspehu, temveč tudi prava win-win situacija.

Podatki so zlato, izkoristite jih!

Zaključimo s to mislijo. Živimo v času, kjer so podatki zlato in nas vsaka zamujena priložnost lahko stane časa ali denarja, ponavadi obojega! Z analizo v resničnem času se podatki uporabljajo na pravilen način, posledično se vaš sistem še naprej uči, raste in postaja močnejši, kar vam daje več možnosti, da nagovorite uporabnike v pravem trenutku s točno tem, kar potrebujejo od vas.

In tako je videti uspešno dolgoročno poslovanje.