随着大数据分析时代的到来，大家对商业智能软件的要求在提高，联机数据处理功能越来越复杂，收集数据并能立即采取行动的功能变成了大部分企业必需的要求。毕竟，在更高的视野做决策是一种很重要的战略优势。

　　但是，那些寻求从“批量处理”到“实时获取”转变的公司必须要有相应规划。公司需要有一定远见，有技术和良好的价值交付意识才能孵化成功。把实时处理和数据集成引入企业Oracle数据库会更复杂。但是，建立商业案例会更直接一些，尤其是如果IT专业人员可以充分向业务方面解释实时化带来的众多优势的话。

　　例如：

• 立即对客户需求做出反应的能力;
• 与可变场景(比如，金融交易和股票相关买卖)相关的流程智能;
• 提高制造流程中的响应能力;
• 提高处理产品路线规划的能力(交付问题，交通，航运关注问题等)。

　　在冒险走全面改革道路之前，还有一些细节有必要想清楚。IT人员可以从简单的问题开始：为什么实时数据如此重要?答案在于需要支持业务用户并影响接下来的行为。为了实现这个目标，企业数据仓库需要实时知道现在发生了什么情况。

　　既然许多为数据采集提供服务的数据集成技术需要数据仓库，所以IT组织仍然在评估一系列满足低延时数据需求的方法。其中一些方法包括当日批量ETL处理;小批量处理;企业应用集成和实时变化数据捕获技术。

　　既然有这么多方法可以用，面临的挑战就变成了如何判断哪种方法能满足当前数据采集，同时支持业务数据仓库实时数据预期的迁移。

　　当然，实时数据处理已经存在有一段时间了，几乎完全用于了科学研究(天气预报，医疗监控)和金融界(市场索引，自动交易)。但是由于初始阶段的高部署成本和高复杂度，实时数据采集和处理往往远离垂直市场。

　　今天，这种形式已经发生了变化。由于服务器和存储这些IT硬件的商品化，主要供应商提供的服务降低了进入实施数据采集世界的门槛。因此实时数据采集的成本不断下降，变得可以管理。

　　这种变化使得计算实时分析的价值更容易了，它为把实时数据采集集成到公司知识库中构建合适的商业案例提供了前提条件。更何况，许多厂商已经创建一些工具并提供一些选项，支持利用企业现有大规模投资和企业级数据库进行实施。

　　这里的关键因素是如何做转换，并展示清楚为什么迁移实时数据采集和分析应该成为业务核心竞争力的一部分。这一切都归结为业务时间越来越多地趋于实时化。组织在寻求发展他们自己的竞争优势，他们正努力发现机会捕获和响应业务时间，比以往更快更残酷。当今，企业的竞争优势来自于IT应用的效率。

　　这一观点表明，要实现更快的商业智能，需要强大的数据仓库以及与分析框架的结合。今天，数据仓库依赖于通过各种各样活动收集商业元素数据。通常情况下，数据被要捕获、汇总、分析和利用以改进决策。

　　但是，大部分分析依赖于批量处理或者至少是延时分析。然而，数据必须要完整、准确和可信，请求控制、过滤器以及其它算法都要实施到位，这样企业才能保证其确信度。然而，以目前的方法学实现那样的确信度代价比较高，该代价是以及时性和与有价值数据的直接相关性来度量的。

　　简而言之，及时的数据确保了掌握信息更好的决策，而这种及时可以使用实时数据收集和分析来提供。实时数据收集和分析真正的商业意义可以概括为一个词：价值。