小白理财做数据和用数据的人绕不开的问题是数据的时效性，离线数据、实时数据分别指的是什么，业务应用时，究竟该以什么标准选择呢？很多业务产品或运营搞不懂两者的区别。提数据分析需求，想着肯定越实时越好，数据团队怎样拒绝？
数据从业务端产生，到分析或者反哺业务使用，需要经过一系列的清洗、处理过程，而这一过程带来时间窗口大小，就是数据的时效性。按照数据延迟的大小，可以将数据分为离线数据和以及实时数据（准实时）。
实时数据主要是指的数据延迟小，例如毫秒、秒、分钟级的延迟，小时级的延迟称之为“准实时数据“更为准确了。例如，你熬夜赶在双十一晚上的最后1分钟，成功付了尾款，在双十一实时统计大屏中，GMV的值又滚动了一下。
离线数据处理也称之为“批处理”，数据产生之后，不会立即进行清洗，而是在固定的周期进行ETL，例如每天在凌晨12：00之后，处理前一天产生的数据。上大学的时候，有的舍友喜欢将袜子攒起来，一个星期洗一次，这就是批处理的思想。
离线数据处理技术是大数据发展更早，目前已经非常成熟的一套体系，最常见是Hadoop，它是一个能够对大量数据进行分布式处理的软件框架。以一种可靠、高效、可伸缩的方式进行数据处理。核心组件是HDFS、Mapreduce、Hive。以HDFS进行数据存储，Mapreduce计算，Hive进行数据仓库建设或者基于HiveSQL进行数据查询。
主要优点是：
缺点：
离线数据的缺点也很明显，就是慢。今天的数据，要隔天（明天）才能看得到。
实时数据处理，也称之为“流式”数据处理，数据像水流一样每时每刻源源不断地产生后，就立即被清洗处理。这就好比，穿的袜子脏了就洗，今日事今日毕，而不是都攒着。
实时数据一般是业务端即席产生（水源），通过Kafka等消息通道（水流管道）进行传输，利用Storm或flink等实时组件进行消费处理。例如，双十一统计每秒钟的订单数。
主要优点:
数据时效性强，可以做到秒级或者毫秒级时延，“所见即所得”。
缺点
数据的应用场景总结下来其实就是两个，数据分析与数据应用。
1）业务经营分析、财务分析准确性大于时效性
即对于数据分析的场景，更在意的是能够更加准确地反映业务表现情况，即使T+1天后才可以看到数据也可以接受。尤其是财务结算，一般是月度结算或者季度财报，准确性是第一位的。
2）预警监控类分析，需要追求实时性
如果所有的分析数据都是需要隔天才能看到，肯定是不行的。如果系统宕机了，或者服务异常导致产品不可用，用户投诉才发现或者隔天数据分析才发现，带来的业务损失就无法挽回了。因此，还需要有实时的数据分析模块，对业务核心指标、系统服务指标进行最小延迟的预警监控。
所以，在数据分析场景下，离线数据为主，实时分析要有但不宜过度追求实时性。一般的数据可视化平台，有一个实时数据模块就可以了，其他的主题分析以离线数据为主。
1）个性化推荐，用户行为需要实时反馈
2）用户运营及营销场景
在用户运营场景中，流失用户召回、会员运营等活动中，对数据时效性要求并没那么高，例如你要对某个城市的下单用户进行短信营销（apppush），不对今天当天下单的用户营销影响也不大。
而对于实时的场景触达，就需要实时数据了，例如，用户打开App，实时判断用户是否是新客（截至本次访问未下过单），发放新客大礼包。
所以在CDP用户运营平台的标签建设时，既需要有离线标签，也需要有实时标签。
3）选择依据小结
不管是离线数据还是实时数据最终都是为了解决业务场景下的问题，搞懂其差别和基本原理后，再去选择到底是实时还是离线，可以做到用最小的资源成本达成业务目标，而不是一味地追求实时，或者永远只能离线。
题图来自Unsplash，基于CC0协议