大量數據可能來自幾乎任何產生數據的內容，包括搜索引擎和社交媒體，以及一些不太明顯的來源，如電網和交通基礎設施。這些數據可以分為三種類型：結構化，半結構化和非結構化。通常以預定的間隔收集和分析大數據。然而，通過實時大數據分析，收集和分析是連續的，為企業提供最新的洞察力。

Hadoop是用于分析大數據的最有名的工具，但它不適合處理實時大數據分析。一些實時大數據工具包括：

風暴 ——這是一種實時分布式計算系統，可與任何編程語言一起工作，并且可擴展。它目前由Twitter擁有。

GridGain——這是一個企業開源網格計算工具。它與Hadoop DFS兼容，它可以替代Hadoop的MapReduce。

優點

快速識別錯誤——讓我們假設發生錯誤，需要盡快解決。通過實時大數據分析，可立即識別此錯誤并快速修復。這可以幫助防止更多的和/或更嚴重的故障。從長遠來看，這也有助于企業的聲譽，快速的錯誤更正可以幫助獲得更多的客戶。

儲蓄——盡管實時大數據分析的實施可能是昂貴的，但立即數據分析的高價值可以彌補這一支出。

逐步服務——通過大數據分析監控產品和服務可能會為客戶帶來更高的轉化率，從而可能導致更高的利潤。可以通過分析輕松預測即將發生的錯誤和問題，這也有助于更多地關注客戶需求。

實時欺詐檢測——管理系統和服務器安全性的團隊可以快速，輕松地通知欺詐，一旦發現欺詐，就可以實時采取措施。

對競爭對手的策略——競爭對手今天在市場上屢屢受挫，大數據分析可幫助您提供競爭對手的詳細圖片，例如推出新產品，降低/提高特定時間的價格或專注于特定地點的用戶。

洞察——銷售洞察對于了解銷售的地位至關重要。這些見解可能導致額外的收入，例如長期不會失去客戶，檢查跳出率，并通過分析實時大數據分析找到最佳的銷售增長方式。

趨勢——通過分析客戶趨勢的決策可以通過實時大數據分析完成。這可能包括產品，廣告，客戶需求，特定季節可用的優惠等。因此，它也可以改善長期的決定。

缺點

Hadoop不兼容——如前所述，Hadoop是最廣泛使用的大數據分析工具，目前不能處理實時數據。因此，需要一些其他工具，期望在未來Hadoop將為實時方法添加功能。

需要新的方法——有些組織習慣每周接受一次洞察。然而，隨著實時大數據的不斷流入，需要一種完全不同的方法。這可能是一些組織的挑戰，可能會導致一些決策和計劃的重塑。

可能的失敗——一些組織可能會將實時大數據分析視為一個閃亮的新玩具，并希望立即實施。但是，如果不能正確實施，可能會導致許多問題。如果一個企業不是以這么快的速度來處理數據，那可能會導致不正確的分析，這可能會給組織帶來更大的問題。