为什么这么讲？它有几部分：第一个，我们的数据源在过去还只是鼠标点击流，通过网页，或者是APP，再往下，在现在的时代，都是可穿戴设备，智能的wifi，我们每一次人走在哪里他能够知道你现在所处的环境和状态，从而在你现在此时此刻此地给你做相关的推荐，最近很多广告推荐算法已经融合了场景推荐的方式，它会要求我要知道你现在此时此刻在哪里，根据你此时此刻的一些状态和你的行为来给你限时的反馈，这个反馈不仅仅是在过去只是把过去的一些数据做一些点击的采集，做一些模型，做一些过去的实时画像，而是知道你现在此时此刻的需求。比如实时的渠道分析，我现在做一个活动，究竟我这个活动它的每一个渠道究竟哪里比较好，我究竟在哪里加大投入，比如实时场景推荐，此时此刻你在哪里，实时风险评估，你放贷款的时候应该什么时间给什么样的人，做到这些才能说我拿到这个数据将来才能实现AI分析。很多自动驾驶的汽车，你是在开车的时候前面的情况经常发生变化，如果你只是一个小数据量级去训练你的模型，你会发现我们可能会出现异常驾驶事故，最近也出现很多类似的事故，不是因为AI不够智能，而是因为他给AI提供的数据量级不够大不够快，造成我们在AI学习过程当中中间有一些盲点，从而造成一些安全事故。
所以所有的AI，如果企业想做AI的时候，第一步先要实现整个实时计算整个采集分析加工的这套流程。企业如何做有效实时分析呢？无外乎分几步，第一步是定方向，为什么先把它放在里面讲呢，因为对于每一个企业来讲，讲实时分析是非常容易的，但实时分析的投入非常大，因为它和过去大数据平台又不同，它对实时计算集群能力、架构、人员都有更高的要求，所以企业做实时分析的时候首先要评估企业自己的ROI，选择一个适合的场景，究竟什么样的场景对于每个企业比较合适，究竟你要做场景推荐还是要做实时分析的风险评估，这是第一个。第二步是夯实基础，现在有各种各样的开源的闭源的大数据实时分析框架，我会给大家详讲，大家要选择一种或者几种适合自己企业当时状态的实时计算框架，今天也来了非常多的这方面的专家，后面会给大家详细讲解。第三步是打造能力，这里提一个说法，提到实时分析的时候我听到很多技术小伙伴会跟我讲，实时分析，这边做批量，这边做实时，或者现在提出的Lambda架构，把实时和批量计算放在一起，不就这些吗。其实完全不是，因为实时的分析并不等于实时的计算，实时计算只是实时分析当中的一步，在我们的分析过程当中除了数据计算之外还有数据挖掘能力，实时采集的能力，这都是企业打造实时分析时候的重要节点。第四步是实现突破，找到产品出口，找到最合适的一个点，哪怕一两点，找出来，让企业自己的实时分析流畅的流转起来。