在保持现有客户群体的基础上，企业一直在寻求更有效的方式来开拓新的市场。而随着社交媒体以及大数据的快速发展，企业迎来了新的机遇。要想针对不同的情况快速转换策略，并达到实时或者接近实时的反应速度，快速的分析必不可少。做到快速、实时分析的方式有很多，包括内存分析、数据库内分析（in-database analytics）以及数据仓库集成设备等。

　　数据仓库集成设备是一个相对成熟的领域，Netezza、Greenplum以及Kognitio、Vertica等都已经是非常成熟的产品，而另外两个技术则相对较新。尽管数据库内分析受到越来越多的关注，但毕竟它还是一个非常昂贵的技术，相反地，内存分析在成本方面要更加低廉。

　　有许多因素使得内存分析成为客户的首选，在本文中我们就来具体的探讨一下。

　　1）64位操作系统

　　在32位操作系统时代，一个电脑支持的最大RAM是4GB，即使你添加更多的内存条，也不会得到相应的性能提升。而64位操作系统中，我们可以使用TB级的可寻址存储器，它的查询数据速度要比RAM快很多。因此64位操作系统，对于内存分析的发展有着非常重要的影响。

　　2）内存降价

　　RAM对于一个系统性能的重要性不言而喻，有越多的RAM就能够运行越多的任务，性能也会随之提升。早期升级8G RAM会花掉上百美元，而现在仅需一半的价钱就能够做到。

　　随着内存以及相关硬件的价格不断下降，内存分析的成本也越来越低。根据Gartner机构的调查，到2012年，全球1000强中将会有超过70%的企业应用内存分析作为BI应用。

　　3）实时分析

　　在传统的数据仓库中，不同的物理架构在抽取加载以及访问数据进行查询的速度非常慢。而且相对于操作系统而言，在数据仓库中存储的数据，基本上都不是最新的数据。内存分析不仅可以消除延迟，而且还能够对操作系统中的数据进行实时的分析，为决策者提供更有价值的信息。

　　4）数据量增长

　　有人说全球每天生产的数据量超过了15 PB，随着数据量的激增，非结构化数据蔓延，如何快速地消化并分析这部分数据成为了关键。然而，构建数据仓库会花上很长时间，市场竞争是已经不允许这样的效率。所以内存分析往往成为企业的首选。如今，包括Vertica、Greenplum以及Asterdata在内的列式数据库都提供了非常好的数据压缩功能，让数据能够更好地适应内存分析。

　　5）快速的下钻分析

　　可视化数据挖掘受到越来越多的关注，在这一操作中，用户可以在图形界面上直接看到数据，更直观地通过快速分析来获得洞察力。利用内存分析技术，用户可以看到所有的数据，还可以通过图表、过滤器等可视化方式了解业务趋势，并快速的进行假设分析。

　　内存分析的一个显著特征就是对分析应用性能的改进。由于查询和相关数据都在服务器内存中完成，所以不需要网络访问以及磁盘I/O。像Tableau和Spotfire这样的工具还可以加载整个数据集到内存中进行快速的下钻分析。

　　6）削减IT成本

　　由于数据从数据仓库和数据库中的移动减少了，所以内存分析需要的IT技术人员也得到了相应的削减。通过一系列的客户端工具，如QlikView，就能够进行快速的分析。业务人员无需IT部门的协助就可以完成一系列的分析工作，这种自助式的BI分析方式，在控制IT成本方面也起到了积极的作用。

　　内存计算的发展趋势

　　根据Gartner公司评选的2012年十大战略技术，内存计算在个人消费电子设备以及其他嵌入式设备中的应用将会得到快速的发展。与RAM不同（主要用在服务器和PC机上的内存），闪存（Flash Memory，用在移动设备中）的稳定性更好，即使在无电源支持的情况下。随着越来越多的价格低廉的内存用到数据中心中，如何利用这一优势对软件进行最大限度的优化成为关键的问题。内存分析也许就是答案，用户以及IT提供商应该将其视为长远发展的技术趋势。