将对产品实时数据做介绍，实时数据适用的场景以及存在的负面因素。在设计产品时，合理的运用“实时数据”，会为我们的产品带来更多的价值。

我们先来看下“百度统计”中，如果以数据时效性来划分字段的话，会得到什么结果？

通过对demo的体验，从时间维度上看，可以发现“应用概况”中字段有一些的区别。

例如昨日启动用户数、昨日点击次数等字段展示的数据，是昨日甚至昨日更早之前的数据进行一个统计。

而今日启动用户数、今日启动次数等，是对截止到当前的一个数据统计，从图片右上角可以发现当前时间16:44，折线图展示的是16:00-16:59的数据。因此这部分数据就是我们讨论的产品中的实时数据。

百度统计-应用概况演示demo

01 什么是实时数据

为什么在百度统计的案例中，我们说“今日启动用户数”是“实时数据”，而“昨日启动用户数”不是呢？

当我们在16:44打开百度统计时，“昨日启动用户数”和“今日启动用户数”是怎么得到的？让我们来一起看下这两个字段数据的产生过程。

• “昨日启动用户数”是我们在当前时间段请求服务器呈现出来的数据，事实上数据已经在数据库的表中存在，是事先在一定的时间节点由服务器统计计算的（例如每晚24:00开始计算前一日的数据）
• 而“今日启动用户数”是在16:44请求服务器计算出来今日0:00-16:44启动的用户数量和，这个数据是立即计算的，不同时间段登陆看到的数据是不一样的

由此我们可以发现，实时数据是当下计算的，是指某事发生、发展过程中的同一时间中所得信息的载体，即表达了最新的情况，是当下情况在数据层面的一个反应。实时数据适用于对数据时效性要求很高的场景：

1. 用户行为依赖于当下数据的直接反馈，在金融市场特别常见，例如软件的交易行情，场内etf的买卖，银行的汇率兑换。用户“买入”还是“卖出”的行为，需要根据当下最新的价格进行决策
2. 日常生活中数据监控和预警，实时数据也常常被用于预警，因为预警所对应的事件具有一定的危险性和破坏性，不允许数据出现滞后性，例如化学罐区，化学品的实时温度预警
3. 特定日期比如重大节日或者日期对业务数据的跟踪，例如双十一商家数据大屏销售额跟踪

02 实时数据存在的负面因素

实时数据可以获得当下最真实情况的反应，对反应当下情况有重大意义，那么为什么我们不把所有的数据的统计都做到和当前时间同步呢，因为实时数据也存在一些负面因素，主要是以下3个原因：

1. 实时数据对服务器的计算压力更大，成本更高。其一，实时数据需要每次根据当前时间段来计算数据，假如有100个用户分不同的时间段访问我们的产品，实时数据就需要我们计算100次；其二，实时数据要求计算返回结果快，因为是当下情况的反应，实时数据如果出现延时现象会给用户带来负面情绪，而要求快速计算出结果，一旦数据量增加，就需要我们配置更多的服务器和机器，增加了成本
2. 大部分字段统计实时数据的必要性低，除了一些特殊场景，例如实时交易，异常预警监控等。我们对绝大多数字段的更新要求没有到达实时（秒级/毫秒级）的必要性，例如“销售额”这一字段，对于用户来说，并没有必要了解到秒级变化的销售额
3. 一些字段的实时统计没有意义。例如在电商交易中，“询单转化率”字段的实时统计就没有意义，因为客户和客服的询单过程是一个时间段过程，存在跨小时跨天的可能，统计实时询单转化率就没有意义了

03 实时数据的延时性

从实时数据的负面因素1中，我们可以分析出当数据量过大，而软硬件配置更不上时，实时数据会出现一个延时现象，延时性会给用户带来负面情绪和一定的损失。

例如小明对在港股上市的公司A进行投资，但是因为软件所展示的行情数据是延时15分钟的，那么会让小明无法得知最新的波动情况做出买卖决策。

对于实时数据的延时性问题，我们有什么解决办法呢？

1. 从根本上来说，增加足够的服务器和机器配置，就能解决实时数据的延时性问题
2. 但是每个项目的成本并不是无限的，现实生活中往往会存在成本限制的问题，这就需要我们对统计字段和用户进行取舍，例如设置用户白名单，在有限的资源下优先保证核心用户的实时数据更新；配置统计字段优先级，优先保证关键字段的更新
3. 同时也可以在产品的用户层面做一些对于用户的友好提示、说明，降低用户的负面情绪

实时数据的延时性这一特征也不只是有负面影响的，合理运用实时数据的延时性，能为我们产品带来积极正面的影响，甚至减少成本。

例如上文中的案例有100个用户分不同的时间段访问我们的产品查询销售额字段，那么我们就需要计算100次，如果考虑“销售额”实时性数据的必要性较弱，适当的延时是能够被用户所接受的，我们就可以这样处理。

在数据库中每隔15分钟计算一次“销售额”，每次用户登陆的时候展示距离当前时间最近的“那个15分钟记录的数据”
之前方案100个用户的成本：服务器计算100次
替换方案100个用户的成本：1小时需要记录4次，24小时需要记录96次
随着用户规模的扩大，计算的次数远小于之前方案计算的次数

上述方案就叫做“定时计算”，通过一定的更新频次和一定的更新时间间隔，通过多次更新来实现数据的相对实时，即让用户从感官上觉得数据的实时性也不错，是对实时数据延时性特征的正面运用

04 总结

简单对实时数据做一个总结：

• 定义：通过一个缩短更新的时间间隔，增加更新的频次，在一个时间段内多次更新，来实现数据的实时展示
• 表达意义：实时数据表达了最新的情况，是当下或者靠近当下的情况在数据层面的反应
• 适用场景：适用于对数据时效性要求很高的场景，包括用户行为需要当下数据的直接反馈（例如：金融市场买卖交易）；关键数据和节点的监控（例如：日常一些关键业务指标跟踪和预警）；重大活动或节日的数据跟踪（例如：双十一商家数据大屏销售情况跟踪）
• 意义：帮助商家或用户，比较及时的了解相关指标最新的一个变化情况，为用户行为提供数据支持
• 存在缺陷：获取成本相关较高；当因接口等原因导致数据无法及时更新时，会给用户带来实时数据更新慢更新不及时等感觉，导致用户体验较差，引发用户不好的情绪

通过本文的分析，对实时数据有了一个简单的了解，知道其适用的场景以及存在的负面因素。在设计产品时，合理的运用“实时数据”，会为我们的产品带来更多的价值。

​

本文由 @晌午 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。