Big Analytics : comment Teradata apprivoise le Big Data

Pour Teradata, le géant du Data Warehouse, « l'année 2013 est celle de l'analytique avancée ». Mais encore faut-il ne pas commettre d'erreur. « Le big data est important, mais ce n'est pas un nouveau mot pour le CRM (.) Chercher à apporter de la valeur, c'est le grand changement du big data analytique. »

Devant un parterre de clients européens, plutôt que d'évoquer une hypothétique maturité - nous en sommes même très loin ! - Teradata a souhaité d'abord nous amener à comprendre les implications du big data analytique, avant de se lancer éventuellement dans le design de solutions. Car le big data concerne TOUTES les données des organisations, ce qui change totalement par rapport aux solutions de business intelligence (BI).

Revoir la culture de la donnée

Cette vision globale impose de revoir la culture de la donnée dans l'entreprise, au travers d'une technologie récente et qui reste amenée à évoluer profondément, le big data. Elle passe selon Teradata par trois étapes :

- Le droit à l'erreur

L'apprentissage passe par l'erreur, une vision très américaine mais qui démontre un certain pragmatisme. Le cycle du traitement analytique de la donnée - acquisition, préparation, analyse, visualisation - fonctionne mal sur l'existant. Il nécessite de disposer de compétences scientifiques. Mais également de la possibilité de revenir en arrière.

- Focus sur toutes les données

Nous l'avons évoqué, le big data concerne toutes les données de l'entreprise. Pour Teradata, cela se traduit par la nécessité d'oublier le big data tel que nous le concevons aujourd'hui afin de se focaliser sur toutes les données. Mais plus de données demande de meilleurs algorithmes.

- La couleur des data scientists

Le data scientist n'est pas particulièrement un technicien, en revanche il doit combiner curiosité, intelligence et capacité à communiquer avec perspicacité sur ses hypothèses.

L'union fait l'analytique

Pour Teradata, une stratégie de big data analytique va consister à unir les bons outils avec des capacités étendues, et d'inciter le management à travailler avec les data scientists. Une population en devenir qu'une étude du McKinsey Global Institute permet de chiffrer, le cabinet estimant que l'économie a besoin de 1,6 million de managers au fait de la donnée.

La réponse du constructeur tient dans l'UDA (Unified Data Architecture). Présentée comme « la meilleure technologie pour une culture d'entreprise », cette approche nécessite un datawarehouse intégré ; une plateforme d'interrogation (pour optimiser les processus en intégrant les données structurée et non structurées) ; une couche de découverte (capturer, stocker et traiter), qualifiée de 'discovery', et un outil de gestion du big data. Le tout réuni, si possible, au sein d'une plateforme 'low cost'.

Concrètement, comme le schéma ci-dessus le décrit, la vision Teradata UDA du big data s'appuie sur le datawarehouse associé à Aster, la plateforme de 'discovery' acquise par le constructeur qui simplifie l'interrogation en reproduisant un modèle SQL. S'y ajoute, pour accéder à l'ensemble des données, un module Hadoop, avec la distribution Hortonworks. L'idée sous-jacente est de rendre la plateforme la plus puissante mais surtout la simple possible, afin de donner la main à tous, et plus particulièrement aux data scientists.

Voir aussi

Silicon.fr étend son site dédié à l'emploi IT
Silicon.fr en direct sur les smartphones et tablettes