Streaming Insights : réagir aux événements en temps réel

Les Calculated Insights classiques sont recalculés selon un planning périodique (toutes les heures, tous les jours), ce qui reste trop lent pour certains cas d'usage réellement temps réel. Les Streaming Insights répondent à ce besoin en calculant des métriques en continu, à mesure que les événements arrivent via un Data Stream en mode Continuous, avec une latence de l'ordre de la seconde à quelques minutes. C'est la brique à connaître pour des cas d'usage comme la détection de fraude en direct, le déclenchement d'une offre pendant une session web active, ou le monitoring opérationnel d'un flux IoT.

Différence avec les Calculated Insights classiques

• Calculated Insight classique : calcul batch sur un planning (par exemple toutes les heures), adapté aux métriques agrégées sur historique (valeur vie client, RFM).
• Streaming Insight : calcul en continu sur une fenêtre glissante courte (dernières minutes, dernière session), adapté à la détection d'un état ou d'un seuil franchi en direct.

Un Streaming Insight ne remplace pas un Calculated Insight classique : il le complète pour les métriques dont la valeur métier dépend fortement de la fraîcheur immédiate de la donnée.

Prérequis : un flux en Continuous

Pour qu'un Streaming Insight soit pertinent, le ou les DMO Engagement sur lesquels il s'appuie doivent être alimentés par un Data Stream en Refresh Type Continuous (typiquement via le Web/Mobile SDK ou l'Ingestion API en mode streaming). Un Streaming Insight construit sur un DMO alimenté seulement en Full Refresh quotidien n'apporte aucune valeur : la fraîcheur du calcul est toujours plafonnée par la fraîcheur de sa source.

Créer un Streaming Insight

1. Depuis Data Cloud > Calculated Insights > New > Streaming Insight, sélectionnez le DMO Engagement source alimenté en continu.
2. Définissez la fenêtre temporelle de calcul : fenêtre glissante (par exemple, "10 dernières minutes") ou fenêtre de session (jusqu'à une inactivité définie).
3. Configurez la logique d'agrégation (comptage d'événements, somme, détection de seuil franchi).
4. Publiez l'insight : il devient alors consultable en quasi temps réel sur le profil Unified Individual concerné.

Exemple : score d'intention d'achat en session

Un cas d'usage e-commerce fréquent consiste à calculer, pendant la session active d'un visiteur, un score basé sur le nombre de pages produit vues, le nombre d'ajouts au panier et le temps passé sur le site. Ce score, recalculé en continu via un Streaming Insight, peut ensuite déclencher un Data Action (par exemple, afficher une offre personnalisée) dès qu'un seuil est franchi, sans attendre la fin de journée pour réagir. C'est la combinaison Streaming Insight + Data Action qui rend ce type de scénario possible en pratique.

Exploiter un Streaming Insight en aval

Un Streaming Insight peut être utilisé comme condition de déclenchement d'un Data Action, comme critère de segment (avec la réserve que la fraîcheur du segment reste limitée par son propre cycle de publication), ou consommé directement via API pour alimenter une application front-end en temps réel (personnalisation d'une page web pendant la visite).

Le temps réel a un coût : les Streaming Insights et les Data Streams en Continuous consomment davantage de crédits de traitement que leurs équivalents batch, à volume de données égal. Réservez cette architecture aux cas d'usage où la valeur métier de l'instantanéité est démontrée, pas par défaut sur tous les flux d'événements.

Limites et bonnes pratiques

• Limitez la fenêtre temporelle au strict nécessaire métier : une fenêtre trop large recalculée en continu est coûteuse sans apport de précision proportionnel.
• Surveillez la volumétrie d'événements entrants : un pic de trafic (soldes, campagne virale) peut multiplier la charge de calcul des Streaming Insights de façon non linéaire.
• Testez le comportement en conditions de charge réaliste avant un lancement à fort trafic (Black Friday, lancement produit), car un Streaming Insight mal dimensionné peut introduire de la latence justement au moment où la réactivité est la plus critique.