要想对客户做出及时的响应，一个很重要的因素是数据速度，也就是生成、收集、处理和分析数据的速度。

在大数据时代，业务主要围绕数据的这三个V展开，即volume（规模大），variety（种类多）和velocity（速度快）。企业把很多时间和精力都花费在了数据规模上和数据种类上，毕竟大数据最直观地意味着巨大的数据量，而非结构化数据的分析也是一个棘手的问题。但其实更难解决的是数据速度的问题。数据来源于客户行为，变化很快。理解客户有助于组织作出快速反应，应对不断变化的形势和机遇。

只可惜，数据速度总是得不到重视。要知道，大数据项目成功的关键在于考虑到大数据的所有三个特征，并平等地部署，缺一不可。

大数据之所以不同于传统的商务智能，是因为它变化速度快。所以，不同于只关注数据规模和数据种类的传统商务智能项目，大数据可以实现实时决策。传统数据库都是在一天结束的时候收集和分析数据，在第二天提供可用的数据，这标志着业务的开始。但这么长的时间跨度中会发生很多事，比如客户行为、供应链问题和产品故障等等，而企业不能等到这些数据经过漫长的处理之后，再做决定。

应用实例

现在，人们已经进入社交媒体的时代，客户都在用Facebook和Twitter等社交工具和组织交流，从顾客服务到产品问题。而组织对于社交媒体上一条负面消息的反应时间越长，这条消息带来的影响就越大。组织需要给顾客及时的反馈。这就涉及到数据速度问题。社交媒体上存在着海量的数据，组织只有快速处理这些变化的数据，才能做出实时的正确的决策。

以公司发行某产品为例。公司可以通过实时分析监测到采用率，从而采取相关措施。比如这个产品在某地，或某年龄段很受欢迎，那么市场人员就可以通过实时监测及时做出反应，增加产品供应。时间就是金钱，落后24小时，就是巨大的利润损失。如果公司不能够应用实时分析，做出快速的反应，就等于还处在传统商务智能的阶段。

价格问题也是一样的道理。购买者购买产品时，最关心的甚至不是产品本身，而是价格。因此，确定合适的定价和合适的打折时间，对公司来说就至关重要。比如顾客在选购商品时，已经将产品放入了购物车，又因为看到了便宜的产品而没有购买。对于这样信息的监测能够帮助公司快速做出反应，比如在合适的时间适度调整价格、提供定制产品、发放优惠券等等。

在金融服务领域，数据速度也很重要。识别交易中的欺诈，阻止恶意交易行为能够避免昂贵的恢复操作。诈骗者通常通过快速地变换行为方式和渠道来掩饰自己的诈骗行为，这时，对数据的宏观掌控能力和实时分析能力就派上了用场。另一个应用是线上银行。客户花费在银行网站的时间很少，通常是一周上一次，因此在客户停留在银行网站的时间提供信息和产品介绍很重要，因为可能之后客户就没有兴趣了。

对数据速度的处理关系到管理客户行为，优化客户体验。虽然数据规模和数据种类是大数据项目中不可或缺的部分，但如果二者不能和数据速度结合起来，也无法发挥全部的作用。

随着云计算技术的广泛发展，公司不需要高昂的技术投入，也能实现实时分析。公司可以通过亚马逊、SAP HANA或其他产品实现实时的、大规模的计算。同时在服务模型中，你可以只支付你使用的那一部分。实时分析真的实现了双赢。