Apprenez-en davantage sur les origines du Big Data et la manière dont vous pouvez maximiser l'exploitation de ces données au profit de votre entreprise.
Aperçu
Au plus fort du boom technologique, la capacité à exploiter le Big Data semblait concrétiser le rêve de tout data scientist. Pourtant, en raison du manque d'adéquation des outils et de la complexité des systèmes, le Big Data est rapidement devenu un cauchemar pour les équipes informatiques. Teradata propose des solutions qui apportent continuellement des réponses à l'échelle sur le marché.
Le terme « Big Data » est apparu pour la première fois au plus fort du boom technologique, à la suite de l'expansion d'Internet et de la connectivité, ainsi que des capacités de traitement et de stockage des données. Selon certains spécialistes de l'informatique de l'époque : « Tout comme les moteurs de recherche ont transformé la manière dont nous accédons à l’information, d’autres applications Big Data peuvent et vont transformer l'activité des entreprises, des chercheurs, des médecins, ainsi que des organismes de défense et de renseignement nationaux. [...] Le Big Data constitue peut-être la plus grande innovation de la dernière décennie dans le domaine de l'informatique. »
La promesse du Big Data résidait dans sa capacité à capturer et à conserver toutes les données d’une entreprise à une échelle jusque-là inégalée. Les entreprises avaient ainsi la possibilité de conserver les données dont elles se seraient auparavant débarrassées, afin de mieux comprendre le comportement des clients, de prédire les évolutions concernant le marché ou la conjoncture et bien plus encore. Selon les prédictions des analystes, le Big Data devait générer un chiffre d’affaires total supérieur à 50 milliards de dollars.
Cependant, après avoir mis en place des plateformes telles qu’Apache d'Hadoop afin de traiter de vastes quantités de données par lots et d'exécuter des tâches d'extraction, de transformation et de chargement (ETL), les entreprises ont été confrontées à des obstacles. Des outils comme Hadoop ne prenaient pas efficacement en charge les analyses traditionnelles nécessaires à la bonne exécution des opérations quotidiennes. Or aucun fournisseur de base de données SQL ou de stockage objet n’a émergé pour combler ces lacunes en matière de stockage et de gestion et offrir une plateforme agile adaptée aux analyses de données en temps réel, de données géospatiales ni aux autres cas d'usage. Selon un expert : « Hadoop n’a jamais été doté de la rapidité nécessaire pour véritablement remplacer l’entrepôt de données. »
L’essor des appareils mobiles et de l'Internet of Things (IoT), également appelé « Internet des objets », a également fait surgir d'autres obstacles. Les entreprises devaient désormais prendre en charge davantage de sources de données. Le Big Data est rapidement devenu une fin de non-recevoir – les chefs d’entreprise se sont mis en quête de la flexibilité en matière d'analyse et de plateformes dont ils avaient besoin pour comprendre le contexte des données, quel que soit le cloud où elles résident ou la source dont elles proviennent. En plus de capturer et de stocker de vastes quantités de données, les responsables informatiques ont alors souhaité recourir à des applications, à des plateformes et à des fournisseurs d’infrastructure cloud qui rendraient l’analyse, l’intégration et la réplication des données plus agiles et plus rapides.
Répondre à la demande des entreprises en matière de traitement de Big Data était un principe fondateur à l'origine de Teradata. En effet, le nom de l’entreprise lui-même est inspiré par notre capacité à gérer plusieurs téraoctets de données. (Ce nombre atteint désormais plusieurs pétaoctets !) À l’époque, la capacité à stocker et à analyser de vastes volumes de données était limitée par le matériel disponible. Nous avons mis au point la base de données Teradata, qui est capable de gérer efficacement les données à vaste échelle, afin de faciliter l'analyse de données d’entreprise, de résoudre les problèmes techniques et de démontrer la puissance de l’intégration des données au sein d'un modèle relationnel.
Aujourd’hui, alors qu'un entrepôt de données exécute des dizaines de millions de requêtes par jour et prend en charge les opérations essentielles, de nombreuses entreprises sont devenues plus protectionnistes concernant le Big Data. Elles restreignent souvent l’accès à ces données, ce qui empêche les data scientists et les analystes commerciaux de produire des rapports et d'obtenir des informations sans difficulté. Cela mène souvent ces utilisateurs à créer des solutions de contournement à l’aide de leurs propres outils, ce qui entraîne la création de silos d’analyse de données.
Afin d'intégrer l’analyse de Big Data, Teradata Vantage intègre davantage de moteurs d'analyse au sein de l’environnement de données, afin de pouvoir les appliquer à de multiples cas d’usage. Plutôt que de répliquer sans cesse les mêmes fonctionnalités, Vantage les rassemble au sein d'une architecture dotée d'une logique centralisée, afin de permettre d'y avoir accès en cas de besoin. Au-delà du moteur d’analyse SQL, la plateforme inclut des moteurs orientés graphiques et machine learning. Tous les types de programmeurs sont désormais en mesure de faire appel au moteur et à la fonctionnalité dont ils ont besoin, ce qui limite leur tendance à migrer les données et renforce la cohérence et les performances.
Vantage permet également aux moteurs d'accéder à des ensembles de données beaucoup plus diversifiés et offre la connectivité nécessaire entre les environnements de stockage de données. Cela répond à une gamme de besoins, allant de la réutilisation multiple de données qui nécessitent une structure et une gouvernance stricte par de nombreux groupes d'utilisateurs au stockage simple et rapide de certaines données, de structure inconnue ou variable, auxquelles accède un nombre limité d’utilisateurs.
Enfin, Teradata a conscience du fait que limiter le nombre d'outils de data science exploitables par les utilisateurs représente un inconvénient. Nous avons donc procédé à une abstraction des outils et des langages afin que chaque programmeur puisse produire du code en utilisant l’outil de son choix. Cela permet d’obtenir davantage d’informations plus rapidement et à moindre coût, alors même que l’analyse devient accessible à un plus grand nombre d’utilisateurs.
Depuis des décennies, le Big Data joue un rôle crucial dans le domaine des technologies numériques. Mais son génie ne vient pas de la quantité de données – la puissance du Big Data tient à sa capacité à permettre au plus grand nombre d'obtenir des réponses adaptées plus rapidement. Dès les premiers jours de Teradata, nous avons travaillé à l’intégration des technologie de Big Data, en ayant conscience que celles-ci étaient la clé pour améliorer la compréhension des données d'entreprise et obtenir des informations exploitables. Aujourd’hui, nous poursuivons cet objectif avec Vantage en intégrant l’analyse de Big Data afin de permettre aux entreprises d'obtenir des réponses plus rapidement et de rester agiles pour garantir le succès de leurs opérations.