Event Streaming dalam Bisnis Digital Real-Time
Secara terminologi, semua organisasi pasti memproduksi event dari sensor, log sistem, website click, transaksi dari aplikasi bisnis dan banyak contoh lainnya. Agar tetap kompetitif, perusahaan tidak cukup hanya menyimpan event-event ini di data lake untuk kemudian diproses sebagai analisis trend atau untuk mengambil keputusan terbaik, melainkan juga perlu melacak dan merespon event yang terjadi didalam ekosistem enterprise sebagai fondasi bisnis digital yang real-time.
Arsitektur event driven (EDA) sudah dipraktekkan oleh layanan industri keuangan lebih dari 20 tahun. EDA memiliki keunggulan "loosely couple" bila dibandingkan dengan arsitektur client/server karna komponen notifikasi tidak perlu mengetahui identitas komponen penerima". Arsitektur EDA sangat cocok untuk mengatasi kesulitan kebanyakan industri besar yang saat ini memiliki beragam aplikasi ekosistem dan middleware yang dibangun selama puluhan tahun, seperti sistem ERP, CRM, MRP, Finance, maupun berbagai custom legacy system, serta memiliki beragam platform messaging dan lebih dari satu Enterprise Service Bus (ESB).
Apa Itu Event?
Event adalah perubahan suatu keadaan atau kondisi yang bisa dideteksi. Berikut adalah contoh event:
- Sensor temperatur disebuah manufaktur yang mengukur event suhu setiap 10 detik.
- Aplikasi CRM yang memproduksi data pelanggan ketika suatu kartu kredit sudah kadaluarsa.
Apa Itu Event Stream?
Event stream adalah event yang di order berdasarkan waktu tanpa batas. Event bersifat tetap tidak bisa diubah ketika sudah di catat (record).
Apa Itu Stream Processing?
Stream processing adalah stream event yang prosesnya terus-menerus diproduksi dan tidak diblok. Stream terdiri dari volume data yang sangat besar dan diproses dalam waktu real-time.
Apa Itu Stream Analytic?
Stream anylitic adalah tipe streaming processing dimana event stream di proses untuk mengindentifikasi informasi actionable berdasarkan indentifikasi pola dan hubungan. Model machine learning atau aturan bisnis bisa digunakan untuk evaluasi dan membuat rekomendasi atau prediksi.
Contoh Kasus Event Streaming
Berikut ini adalah 2 contoh kongkrit kasus event streaming dalam konteks EDA:
- Sebuah bank ritel ingin meningkatkan notifikasi pesan terhadap pelanggan dan mendeteksi penipuan dengan menerapkan proses analitik pada event stream.
- Sebuah manufaktur CPG global ingin menurunkan latency disisi marketing dengan mensinkronisasikan data master produksi antar lintas sistem operasional berbeda.
Contoh kasus 1: Bank ritel
Sebuah bank ritel ingin memoderenisasi konfigurasi notifikasi pelanggan dan meningkatkan fungsi deteksi kecurangan agar mereka bisa memilih preferensi notifikasi seperti saldo bank dibawah ambang batas, penarikan debit otomatis dan lain-lain. Sistem deteksi kecurangan memanfaatkan event yang sama untuk memberitahu pelanggan dan juga event dari sumber lain untuk meningkatkan deteksi aktifitas illegal sekaligus mengurangi false positive (positif palsu). Ketika aktifitas illegal tersebut terjadi, para analis dapat memeriksa lebih lanjut kegiatan ilegal yang terjadi pada suatu akun untuk mencegah resiko yang lebih besar.
Untuk mendukung proses tersebut, dibutuhkan sistem yang:
- Mendukung volume event yang sangat besar yang berasal dari jutaan akun pelanggan ritel.
- Menyediakan high availability (HA).
- Memfasilitasi pemprosesan event secara terpusat (centralized).
- Memaintain aliran event yang bersifat time-sequenced kepada subscriber
- Memilki stream query language yang mudah dikembangkan untuk mendukung fraud detection streaming analytics
- Memfasilitasi deteksi anomaly dengan menggabungkan stream.
- Menyimpan event selama beberapa hari untuk memfasilitasi event replay dengan model deteksi anomaly berbeda.
- Operational management console.
- Penyimpanan event permanen untuk historical analysis dan model training.
Baca Juga: Part 1. Event Mesh dan Industri Retail
Contoh kasus 2: Master data distribution, CGP
Sebuah manufaktur yang memiliki fasilitas produksi yang tersebar secara global ingin meningkatkan waktu respon untuk memprakarsai bidang marketing agar berdampak secara luas. Sebagai contoh, tim marketing ingin melakukan sebuah promosi mendesak pada produk sabun batang ("15% volume lebih banyak dengan harga yang sama"). Promosi tersebut mungkin hanya memberikan dampak yang kecil tehadap master data produk dan promosi, akan tetapi promosi tersebut akan memicu berbagai perubahan yang besar pada aplikasi-aplikasi downstream, seperti:
- Bidang inventori membutuhkan lebih banyak bumbu dasar.
- Proses manufaktur berubah karna perubahan ukuran material, bahan baku, penyiapan dan pemeliharaan mesin.
- Perubahan kemasan untuk mengakomodasi ukuran material yang lebih besar.
- Perubahan pelabelan produk agar menyesuaikan dengan ukuran material.
- Perubahan status pada pengangkutan/logistik barang maupun perencanaan transportasi.
- Iklan dan promosi untuk meluncurkan suatu perubahan produk/barang.
Prioritas utama perusahaan adalah memastikan semua sistem downstream terupdate secepat mungkin (secara real-time) ketika terjadi suatu perubahan, bahkan pada saat plants (mesin pada industri) dalam kondisi offline, sehingga tidak terjadi gangguan pada proses produksi perusahaan. Prioritas kedua adalah mengirimkan perubahan atau proses event hanya pada plants tertentu yang memiliki hubungan dengan perubahan bentuk atau ukuran sabun, karena tidak semua mesin manufaktur berhubugan dengan proses produksi sabun.
Untuk mendukung proses tersebut, dibutuhkan sistem yang:
- Terintegrasi langsung dengan ERP untuk event sourcing
- Distribusi event ke sistem downstream harus secara real-time.
- Menyimpan event untuk memasok event ke sistem yang sedang offline atau unavailable agar sistem tersebut tetap bisa menerima event saat sudah online.
- Mendukung distribusi event secara pintar sehingga hanya event yang relevan saja yang akan dikirim ke consumer: contohnya adalah tidak semua mesin manufaktur membutuhkan event promosi.
- Mendukung urutan event yang masuk dalam prioritas pengiriman untuk memungkinkan proses bisnis yang beragam.
- Menyediakan pilihan API untuk mendukung aneka aplikasi yang ada di downstream agar bisa menerima setiap event perubahan.
- Menyediakan pesan ACK (acknowledge) dari aplikasi subscriber setelah menerima event dari broker agar memudahkan proses tracking.
- Mampu terintegrasi dengan ESB (Enterprise Service Bus) untuk transformasi message dan integrasi API dengan aplikasi yang menyediakan API namun tidak menangani event.
- Menyediakan management dan operation console.
Dengan Solace event mesh, perusahaan mampu:
- Memproses jutaan message/second untuk mengalirkan event streaming ke aplikasi, plants, sensor, dan sistem yang ada di industri-industri manufaktur atau ritel.
- Mendukung integrasi dengan sistem ESB dan legacy messaging lainnya seperti TIBCO, Oracle fushion, dan lain-lain serta beragam jenis protokol standar maupun open API.
- Menyediakan event spool storage untuk mendukung event replay ketika aplikasi consumer dalam keadaaan offline sehingga aplikasi tersebut bisa menerima event setelah online.
- Mendukung sebaran aplikasi diwilayah on-prem, private cloud, dan lingkungan public cloud.
- Support HA, DR, robust dan secure.
Sumber: Solace