称为ETL或提取，转移和负载的数据转换工具正在减慢公司进行实时数据分析的能力，降低这些公司商机，并使其分析效率低下。
这是一个结果IDC进行502届IT专业人员的调查代表Intersystems Corp.，一个高性能数据库管理供应商。该调查还发现，改变的数据捕获（CDC）技术也在减速并阻碍他们进行实时数据分析的能力。
Etl是自20世纪70年代以来一直存在的过程。它用于数据转换，为数据仓库中的存储和分析准备它。它在商业智能中特别受到大数据分析的先行者。但它可能是一个很长的CPU密集的过程 - 这就是问题。
该研究发现，通过ETL移动的近三分之二的数据至少在达到分析数据库时至少五天，对于任何实时分析显然没用。当涉及到CDC，这应该是一个实时数据复制技术，调查发现，平均而言，将65％的CDC数据移动到分析数据库中需要10分钟或更长时间。这更好但仍然不适合实时工作，并没有说数据库有多大。通过大数据，数据集只是较大。
“本研究强调了并发交易处理和实时数据分析以提高客户体验，业务效率，运营等的重要性，”Intersystems副总裁Paul Grabscheid表示，在一份声明中。“Intersystems直接与全球组织一起工作，以降低数据管理复杂性，使实时数据分析能够进行实时数据分析，并在整个企业中加快创新和推动改进的结果的时间。”
该调查还发现，76％的IT高管表示，转型中的滞后已经损害了他们的业务，而27％的人表示生产力放缓。同时，超过一半的受访者表示，缓慢的数据是限制运营效率。
改善实时数据分析
而且专业人士正在采取措施处理它。超过三分之一的37％正在寻找新的数据库技术，而25％的人正在寻求退休旧数据库，21％的人正在寻求移动到SaaS，17％正在考虑开源数据库。
这个问题的一部分源于太多数据库。60％以上的受访者有五个或更多的分析数据库，25％有超过10.并且他们必须为每个数据库分配一个或两个DBA来管理它们。
这是IDC在交易与分析之间称之为“大鸿沟”。太多的数据源意味着太多时间花在转换上。优化若干数据库将速度查询，以及能够通过数据进行排序的新分析框架。
此外，很少有旧数据库是针对任何实时的。他们倾向于在一天的慢速时间内通过批处理过程来营运，通常在晚上。所以你不能教旧数据库狗的新技巧。实时分析需要为其设计的新技术，而不是20世纪70年代技术。