多维数据实时分析，MongoDB给零售企业提供快速高效的数据洞察力

实时分析可提高客户参与度

客户行为正在迅速演变，供应链正在重组，员工也正在以新的方式工作。企业需要提供更加个性化的客户体验，对市场趋势做出更快速的反应，监测和预防潜在问题。然而，能对每分钟或每秒钟的数据变化做出响应的企业却屈指可数。

借助 MongoDB，企业可以就地分析任何数据并实时提供见解。该产品为组织提供了各种新功能，包括：

• 捕获任何类型的流式传输数据或批处理数据，而不会过多地映射数据

• 通过内置聚合框架轻松直观地分析数据

• 快速且大规模地轻松提供数据见解

通过将实时事件的数据与历史数据集和参考数据集结合使用，各组织可以优化查询以快速提供可付诸行动的结果。这样可以提供更出色的见解并提高客户参与度。

使用实时分析技术构建的应用程序

从零售网站上提供的个性化优惠到提醒您帐户存在欺诈活动的银行应用程序，实时分析为应用程序提供大大小小各方面的支持。实时分析通常在另一个应用程序中显示为微服务，其最常见的呈现方式有四种：

• 个性化：实时分析可用于评估用户行为、显示个人资料信息并调出历史互动情况，以更好地定制和增强客户体验或实时帮助做出决定。

• 防止欺诈和错误：实时分析可以通过将现有信息与当前情况相匹配，帮助识别欺诈活动和书写错误。由于实时信息具有即时性，因此可以采取即时措施来防止欺骗行为。

• 性能优化：实时分析可以帮助您对流程和活动及时进行调整，以提高性能和优化资源分配。

• 抢先维护：实时分析可以协助优化系统和计算机，从而提高性能和生产率，减少代价高昂的停机时间和生产率耗损。

使用 MongoDB 的开发者数据平台构建实时应用程序

从多个来源获取数据

实时数据反映了目前正在发生的情况。其中包括事件驱动型数据和流式传输数据，如零售站点上或银行应用程序中的用户活动，或物联网应用程序中的传感器数据。历史数据反映了过去发生的事件或输入的内容，如客户个人资料、购买历史记录或发货情况。您很有可能会将历史数据转移到数据仓库或云存储中：

• 借助 MongoDB，您可以将从多个来源获取的数据合并到单一视图中。MongoDB：

• 通过业界领先的多模式数据平台，支持多种数据结构和类型

• 可轻松调整以处理新的数据类型，这些数据具有灵活的模式和类似 JSON 的文档模型，允许不同的文档包含不同的字段

• 借助适用于 Apache Kafka 的 MongoDB Connector（支持时间序列数据），无缝获取云存储数据以及传统的批处理数据和事件驱动型数据

组合、丰富和分析数据

借助 MongoDB，可以从多个数据源（从基本的聚合到机器学习和 AI）派生实时分析，并单独进行存储。可以对大量且完整性较高的新数据执行分析。

MongoDB 的功能包括：

• 通过 MongoDB 聚合框架执行分析和准备数据，包括对时间序列数据运行窗口函数

• 紧密集成的合作伙伴解决方案（面向 AI/ML），以及适用于 Apache Spark 的 MongoDB Connector（面向更高级的分析）

• 利用分片技术经济高效地进行横向扩展，还能通过隔离工作负载保持较高的运营性能

• 符合 ACID 标准的数据库，以确保实时对新数据做出反应，并在为许多并发查询提供服务时保持较高的数据完整性

提供行动驱动型见解

无论是要防止欺诈还是发送个性化优惠，及时性对于您的应用程序至关重要，并且对于您的业务能否成功起到决定性作用。见解必须在发现时即刻提供。

以较高的生产率（表示在映射数据表或对单一用途的数据管道进行编码方面浪费的时间更少）配置和开发实时分析功能，意味着您的数据具有竞争优势。

MongoDB：

• 可提供各种高效的选项，以实时向数据使用者提供见解，包括变更流。

• 支持开发者通过 MongoDB 查询 API 使用自己喜欢的语言轻松地将见解编码到应用程序中

• 在一个简单的架构中集成全文搜索、数据可视化和数据湖用例

• 提供事务性处理和强大的索引，以确保查询的延迟较低