事件处理能力使从业务数据中获取有价值的见解的能力民主化，而不仅仅局限于那些拥有深厚的 IT 和分析技能的人。
译自 AI-Powered Event Processing: The Key to Winning in Real Time，作者 Matt Sunley。
随着业务的扩展，我们遇到了大量的信息涌入，即使是最强大的数据管理系统也可能不堪重负。我们如何解决这个问题？我们如何在成功推动业务增长和敏捷性与必要数据之间取得平衡，并防止我们的系统和团队因管理过多信息而不堪重负？更重要的是，这些问题叠加在越来越紧迫的需要之上，即更快地行动并响应客户需求。也许这不是权衡取舍。
不容忽视的参与者：事件驱动架构
对实时数据的需求显而易见，但实时数据需要得到妥善管理，这样我们的团队就不会被过多的信息淹没。此外，我们知道我们需要更快地行动，但我们需要在不增加成本或牺牲数据安全的情况下这样做。这就是近年来事件驱动架构 (EDA)市场不断增长的原因：企业需要一种方法来利用实时数据的强大功能，对为其应用程序和系统提供支持的信息进行语境化。
随着最近从批处理转向实时数据流的趋势，企业逐渐意识到这一需求，这在事件驱动的企业环境中 Apache Kafka 和 Apache Flink 的增长中得到了证明。它们强有力地协同工作，提供事件消防栓（Kafka），然后添加相关上下文和模式检测（Flink）。这样做可以让企业在威胁或机遇出现时立即做出响应，但你需要确保你的事件不会因信息过多而膨胀。
此外，人工智能和机器学习的趋势不断增长，要求企业妥善准备其应用程序以摄取实时数据。为了成功设置 AI/ML 数据摄取，你的企业需要由不受限制的实时数据访问支持的 EDA 功能，以便他们可以立即处理信息，但数据不能是错误的、脏的或有偏差的。这是强大的 EDA 功能成为必需品的地方，它可以让你的企业加强对数据的控制，同时还能推动商业智能。
下一步：事件处理
实时数据的强大功能应该应用到你的业务的各个方面。你的业务事件很重要，你应该将它们交给那些可以利用它们来推动智能决策的人。IBM Event Automation 等工具由事件流、事件处理和事件端点管理组成，通过适当的治理和控制，以及降低使用事件的障碍，使业务事件的使用民主化。
值得注意的是，事件处理功能使从业务数据中获取有价值的见解的能力民主化；它不再将业务见解限制在具有深厚 IT 和分析技能的人员身上。它由令人印象深刻的开源 Apache Flink 技术提供支持，它通过简单的拖放 UI 实现了低代码处理，以帮助技术较弱的团队利用实时数据为其决策提供支持。
此外，它允许用户通过对主题上的历史事件进行回测来安全地测试其流程。这鼓励团队进行测试和迭代，也许可以找到解决困扰其角色的常见业务问题的创造性新方法。
通过 API 丰富功能使其更强大
随着企业每秒需要摄取的信息量不断增加，调用 API 的能力变得至关重要。有了它，事件处理通过额外的上下文、见解和智能来源（如那些 AI/ML 应用程序）变得更加强大。事件通常携带参考信息——例如客户识别、订单、建筑物编号等——以防止它们因信息过多而膨胀。
但是，API 丰富功能允许用户在必要或适当的时候从外部（例如从其他数据库或 API）检索更深层次的信息。这允许用户通过额外的详细信息来增强他们的知识，将他们的精力集中在推动其指定处理事件的行动上，而不是筛选携带不必要信息的事件。
重要的是，API 丰富通过向事件添加重要详细信息来提高数据质量，因此用户不会错过任何关键的上下文片段。现在，您可以通过调用 API 来使数据更全面、更有洞察力和可操作，从而全面了解您的事件。
相关文章：
- 架构师的AI/ML数据湖参考架构指南
- 使用大语言模型生成SQL Schema
- SQL向量数据库正在塑造新的LLM和大数据范式
- LLM 如何转变企业应用
- 当云遇见智能：推理AI即服务
