数据管道和流
趋势4。从批处理转向流数据
在今天的持续关联的社会中，企业正在轰炸传感器，机器，跟踪设备，银行和交易来源，智能手机，社交媒体内容和其他“物联网”设备的巨额数据。对于企业的时刻需要发动机以激发此数据的破译战略值，以最小的延迟来提供实时洞察，列车算法或更新任务关键任务应用程序的事件驱动逻辑。这与传统的分析工具不同于休息的数据。并非所有收集的数据都可以累积以备将来使用，因为它可能会失去相关性而不反映业务现实。这种对实时分析的需求已经看到企业从批处理转向实时数据流。
Kafka，Flume，Storm和Flink是一些流行的实时，数据流ETL工具。
Infosys与全球鞋类和服装巨头合作，建立一个基于近实时的事件流的解决方案，以便摄取和分析通过移动应用程序和互联网生成的大量事件进行用户活动分析。
Infosys与全球金融服务客户协作，以便从核心中启用数据的近实时移动银行系统到谷歌云平台，它在中小企业（中小企业）银行部门的新客户的加速加速了。
数据管道和流
趋势5.设备或传感器数据的事件处理
流数据为具有AI和事件驱动的应用程序的有趣未来使用案例提供了机会，最显着地引起构建和运行可扩展事件流处理的各种工具和框架。
事件流处理的升高是越来越大的实时数据的结果。活动是在整个企业中创建的。事情的崛起已经推动了对事件处理的需求。在边缘，事件由传感器或设备检测。当业务的进程开始，完成或失败时，在网络中创建一个事件。根据这些事件的结果，可以改变企业的活动。它包括捕获，排放，随后的路由和任何进一步处理发出的事件及其消费。
Infosys与Belgian Courier公司合作，通过实施条形码扫描仪实时跟踪包裹来举例说明这一趋势，并对包裹路由采取纠正措施。
另一个例子包括与日本跨国汽车制造商合作的Infosys，以使用从连接的汽车接收的遥测数据的实时处理即时生成车历史报告。
数据管道和流
趋势6.元数据驱动的ETL管道加油敏捷性
企业拥有无数的数据来源，需要可扩展和强大的管道来维护数据完整性。ETL开发工具通常需要具有工具集的专业知识，并且可能是耗时和易于错误的。
元数据驱动的ETL管道提供简单且灵活的抽象层，并简化了实现过程。它提供所需的速度和敏捷性，并包括生成模板，用于异常处理，规则管理和数据迁移控制。数据模式，物理数据源位置，作业控制参数和ErrorHandling逻辑可以存储在配置文件中。框架可以毫不费力地处理并维护这些文件以生成可执行的ETL作业。将数据加载到传统的企业数据仓库中成为一个更简化的进程，这使得数据更容易可用于报告，由其他应用程序和分析使用。此框架生产易于维护和审查的代码，因为它是标准化的。
Infosys协助德国制药公司达到了船上和处理肿瘤和妇女健康的新或现有数据集所需的努力，降低了35％-40％。
Infosys与全球咖啡馆巨头通过多点，Metadatadriven Engestion框架加速了新的数据产品，并启用了极端的自动化自动生成数据流管道。
