BI 201x : l’an 4 de la Business Intelligence ? (partie 4) 

Tendance #11 : Les nouveaux modes de delivery (appliances, SaaS…) : la BI, prête pour s’engager dans une rupture ?

L’enjeu : on pensait que les bases relationnelles avaient permis de reléguer la dimension technique de la plupart des applications de gestion à l’arrière plan. Grâce à elle, des problèmes tels que le choix du système d’exploitation, du hardware, la gestion de la performance devenaient de plus en plus anecdotiques. Les considérations techniques le devenaient elles aussi lorsqu’il s’agissait de choisir la base de données proprement dite. Seul le multi-dimensionnel, avec les bases de données dites OLAP, jouait le rôle de trouble-fête, mais les grands éditeurs les ont aisément reléguées au rôle d’option autour de leur base de données relationnelle reine.
Tout irait donc bien dans le meilleur des mondes si ces bases de données, qu’elles soient OLAP ou relationnelles, ne souffraient pas d’un problème chronique, notamment lorsque utilisées dans un contexte décisionnel : la mise à l’échelle.  Au-delà d’un certain volume de données et/ou d’un certain nombre d’utilisateurs, la base de données n’est plus une commodité, mais le cœur du problème. Les utilisateurs se plaignent des temps de réponses, tandis que les efforts des administrateurs de base de données pour optimiser les performances deviennent démesurés et les configurations matérielles sous jacentes trop coûteuses. Or, le volume de données en question, quelques tera-octets en général, n’est plus seulement l’affaire d’une poignée de grandes banques ou opérateurs telecoms. C’est devenu la monnaie courante de beaucoup de systèmes décisionnels d’entreprise.
On voit donc arriver tout un ensemble de solutions pour résoudre ce problème. Cela peut aller jusqu’à l’externalisation complète de l’infrastructure ou même des applications associées. On parle alors du modèle Software as a Service, dont le succès dans la Business Intelligence n’est pas démontré. On parle aussi du modèle Cloud Computing où les ressources matérielles sont virtualisées et gérées par un tiers, modèle certes émergent mais qui pourrait susciter plus d’intérêt dans l’avenir. On parle aussi de Data warehouse as a Service (DaaS), où la ressource matérielle est physiquement située dans les locaux du client tout en étant exploitée par un tiers, ce qui permet au client de garder la maitrise de ses données tout en déléguant la dimension technique.
Le second modèle est celui des appliances. Dans ce cas, un même fournisseur propose à la fois le hardware et le software et les préconfigure pour une utilisation spécifique au décisionnel. Ce modèle a provoqué des ruptures surprenantes sur le marché, le rachat de Sun par Oracle étant  la plus spectaculaire ; mais il y a eu aussi l’inattendu retour de HP sur le marché des bases de données avec Neoview, le rachat de Datallegro par Microsoft ou encore co-développement entre Intel et SAP débouchant sur une appliance baptisée BW Accelerator. Le tout pour étendre un marché qui est jusque là resté un marché de niche, dominé par Teradata ou Netezza, et en ligne de mire de quelques partenaires innovants comme Greenplum ou Vertica.
Le troisième modèle est celui des bases de données dédiées au décisionnel. Comme leurs ancêtres relationnelles ou multidimensionnelles, celles sont indépendantes du matériel sous jacents. Mais elles proposent une structuration spécifique des donnés afin de pouvoir balayer d’énormes volumes de données en un temps record. Sybase, avec Sybase IQ, était le précurseur avec un modèle de stockage en colonne que d’autres ont repris depuis, le dernier en date étant Ingres. L’idée de stocker des données en mémoire suit également son chemin sous la bannière d’acteurs comme Qlickview ou Illuminate, suivis depuis par SAP, Microsoft ou IBM.
Derrière cette tendance se cache une question de fond. Le dernier carré magique des bases de données Data Warehouse du Gartner recense 18 acteurs. Or les places sont limitées : le marché de bases de données est certes énorme (15 Milliards de dollars) mais très concentré : les 3 premiers se partagent presque 85% du gâteau. La rupture évoquée suffira-t-elle à redistribuer les cartes ? Le noyau technologique des leaders est certes désormais sérieusement remis en cause (pas seulement sur l’axe décisionnel d’ailleurs, puisque le Cloud Computing pose lui aussi un challenge aux bases de données traditionnelles) mais leur base installée est énorme et ils ont perçu le danger. Il était à ce titre intéressant d’entendre le discours du PDG d’Oracle à la dernière conférence de l’éditeur à propos de la nouvelle appliance Exadata. Larry Ellison y évoquait un cas d’amélioration des performances d’un facteur 28 par rapport aux configurations Oracle précédentes. C’est certes un  progrès considérable mais c’est aussi assez peu flatteur pour la solution traditionnelle sur laquelle repose une grande partie des systèmes décisionnels opérationnels à ce jour.
Les utilisateurs ont de plus en plus de mal à comprendre pourquoi il faut tant de temps pour obtenir les chiffres dont ils ont besoin dans leur entreprise alors qu’une fraction de seconde suffit pour trouver l’aiguille dans la meule de foin sur Internet. Le problème doit donc être résolu quoi qu’il arrive, que ce soit par des perturbateurs aptes à rapidement irriguer le marché avec leurs nouvelles solutions ou par les leaders du marché, par l’amélioration de leurs technologies traditionnelles.

[Revenir au sommaire général]