Your browser is out of date

Update your browser to view this website correctly. Update my browser now

×

Übersicht

Was sind Stream Processing & Analysen?

Die Stream-Verarbeitungs- und Analysefunktionen in Cloudera DataFlow (CDF) werden auf Basis von Apache ausgeführt. Sie helfen Unternehmen dabei, Echtzeit-Streaming-Analysen im gesamten Unternehmen zugänglich zu machen. Außerdem verbessern sie die Erkennung und Reaktionsmöglichkeiten auf kritische Ereignisse, durch die Geschäftsergebnisse erzielt werden können. Seit dem Aufkommen des IoT und anderer Streaming-Quellen ist der Zustrom von Daten und Ereignissen in Unternehmen konstant und nahezu unbegrenzt. Mit den Stream-Verarbeitungsfunktionen von CDF lassen sich Streams in Echtzeit analysieren, wichtige Ereignismuster identifizieren und wesentliche Warnungen auf der Grundlage vorausschauender Erkenntnisse und aussagekräftiger Informationen eskalieren.

Indem die wichtigsten Interessengruppen Zugang zu Echtzeitdaten erhalten, werden Geschäftsentscheidungen stark beschleunigt und die richtigen geschäftlichen Veränderungen erreicht.

Mehr erfahren

Anwendungsfälle

  • Betrugserkennung
  • Protokollanalysen
  • Kundenanalysen

Betrugserkennung


Vermeiden Sie Verluste in Millionenhöhe, indem Sie Finanzbetrug proaktiv erkennen.

Unternehmen der Einzelhandels-, der Finanzdienstleistungs- und anderer Branchen haben Mühe, Kundendaten zu schützen und Finanzbetrug zu verhindern.  Die Streaming-Verarbeitungs- und Analysefunktionen von Cloudera DataFlow können Kundentransaktionen in Echtzeit verarbeiten, Muster erkennen sowie vorausschauende Warnungen und verwertbare Informationen erstellen, um potenzielle Betrugsfälle zu verhindern.

PT Bank Rakyat Indonesia: Dank Big Data, KI und ML Kunden besser verstehen

Die Bank erreichte einen Rückgang von Betrugsfällen um 40 Prozent.

Lesen Sie die Fallstudie

Protokollanalysen


Modernisieren Sie Ihre Protokollierungsinfrastruktur, um Analysen in Echtzeit zu erhalten.

Protokolldaten werden für Unternehmen immer wertvoller. IT-Organisationen kämpfen jedoch mit der Einführung effektiver Prozesse zur Erfassung von Protokollen, mit der Verteilung von relevanten Informationen in vorgeschalteten Prozessen und mit der Generierung von Schlüsselkennzahlen. Die Streaming-Verarbeitungs- und Analysefunktionen von Cloudera DataFlow unterstützen den Ausbau der Protokollverarbeitung. Sie liefern Echtzeiteinblicke in das gesamte Unternehmen und sorgen für erheblich geringere Betriebskosten.

Kundenanalysen


Kundenanalysen in Echtzeit verbessern Kundeninteraktionen sowie die Bindung und Zufriedenheit von Kunden.

Jedes Unternehmen ist auf Echtzeitanalysen angewiesen, um die Kundenbindung zu verbessern. Durch übermäßige Datenmengen tun sich jedoch viele mit der Implementierung entsprechender Lösungen schwer. Die Stream-Verarbeitung und -Analysen von Cloudera DataFlow ermöglichen Kundenanalysen, indem sie große Datenmengen mit Latenzen von weniger als einer Sekunde verarbeiten. Dabei erkennen sie Kundeninteraktionen und empfehlen bessere Angebote in Echtzeit.

Shoppermotion: In-Store-Analysen neu gedacht, um dem stationären Handel aussagekräftige Erkenntnisse zur Verfügung zu stellen

9 % Umsatzsteigerung in der Kategorie Einzelhandel

Lesen Sie die Fallstudie

Wichtigste Merkmale

Bieten Sie Echtzeitüberwachung und eine parallele Verarbeitung von Millionen von Datenpunkten in Sekundenbruchteilen. Verteilen Sie parallele Verarbeitungsprozesse und erkennen Sie Muster kontinuierlich und fehlerfrei, um vorausschauende und vorbeugende Erkenntnisse in Echtzeit zu liefern.

Ermöglichen Sie eine komplexe Ereignisverarbeitung in Echtzeit für Microservices, für die Hintergrund- und Stream-Verarbeitung sowie für Analysen. Ermöglichen Sie verschiedene Windowing Techniken, um anspruchsvolle ereignisgesteuerte Analysen zu erstellen, darunter die Erkennung unternehmenskritischer Ereignisse, die sich auf Entscheidungen und Automatisierung in Echtzeit auswirken.

Benutzerfreundlichkeit und Skalierbarkeit fördern die Akzeptanz im gesamten Unternehmen. Datenanalysten, die Analysen normalerweise mit SQL erstellen, können dieselbe Abfragesprache verwenden, um Streaming-Analysen zu übernehmen, und Streaming-Entwickler können Streaming-Analysen mit Java oder Scala erstellen.

Stellen Sie Abfragen so ein, dass sie die Ereignisverarbeitung dynamisch abwickeln, behandeln Sie Verarbeitungs-Streams auf Basis von Zustand und Zeit, und verwenden Sie Wasserzeichen, um mit verspäteten und fehlerhaften Lieferungen umzugehen.

In Bezug auf Echtzeit-Analysen variieren die Anwendungsfälle in den verschiedenen Branchen und Unternehmen. Cloudera unterstützt drei Engines für die Stream-Verarbeitung: Apache Flink, Spark Streaming und Kafka Streams. Vergleichen Sie diese Engines für Ihren Anwendungsfall in diesem Whitepaper.

Erste Schritte

Produktdokumentation

Erfahren Sie mehr über technische Spezifikationen, Architektur, Tutorials und Anleitungen zu Apache Flink.

Mehr erfahren

CDP Data Hub – Preise


Bewerten Sie die Preise für die CDP Public Cloud für Data Hub über verschiedene Instanztypen und Cloud-Anbieter hinweg.

Informationen herunterladen

Flink in der Cloud

Erweitern Sie Ihre Streaming-Verarbeitungs- und Analysefunktionen mit CDP Data Hub auf die Cloud.

Kurzes Einführungsvideo ansehen

Ressourcen für Streaming-Analytics

Holen Sie sich alle wichtigen Informationen, um mehr über die Leistungsfähigkeit der Echtzeitverarbeitung von Streams und Analysen zu erfahren.

Jetzt anzeigen

Die Cloudera Community zu Flink

Treten Sie mit Gleichgesinnten in Kontakt, stellen Sie Fragen, beheben Sie Probleme und erfahren Sie mehr über Apache Flink.

Jetzt erkunden

Vergleich von Engines für die Stream-Verarbeitung

Wählen Sie die richtige Lösung aus, indem Sie Flink, Spark Streaming, Kafka Streams und Storm vergleichen.

Jetzt lesen

Webinar

Flink PowerChat: Eine Einführung in Apache Flink

Whitepaper

Wählen Sie die richtige Stream-Verarbeitungs-Engine für Ihre Datenanforderungen

Analysten-Report

The Forrester Wave™: Streaming-Analysen, Q3/2019

Einführung

Philosophie für Bewegtdaten: Ein Entwurf für eine unternehmensweite Streaming-Daten-Architektur

Erstklassige Schulungen, Support & Services

Your form submission has failed.

This may have been caused by one of the following:

  • Your request timed out
  • A plugin/browser extension blocked the submission. If you have an ad blocking plugin please disable it and close this message to reload the page.