Big Data : apprendre à évoluer hors du territoire de la BI classique

Le Big Data partage certains points communs avec la BI mais amène les organisations à explorer des territoires inconnus d'elles jusqu'à présent. D'où le besoin de technologies radicalement innovantes comme celles que propose SAP autour de sa plate-forme « Real Time Data Platform » incluant la base de données en mémoire Hana.

Avis d'expert - François Guérin, responsable avant-vente de Sybase (groupe SAP) 

Le thème du Big Data nous amène à remettre en cause nos pratiques, nos habitudes acquises pour répondre à de nouveaux enjeux, pour asseoir de nouvelles ambitions. Cette remise en cause doit nous conduire à réinterroger les architectures techniques et logicielles en place. 

Certes, le Big Data présente des points de convergence avec la BI, en partageant notamment un objectif central consistant d’abord à donner du sens, et in fine de la valeur, aux informations. Mais l'étendue de son périmètre donne une portée toute différente au Big Data. S’il faut schématiser à l’extrême, le périmètre du Big Data, c’est un périmètre sans limite et cela en opposition avec les projets BI classiques qui ont toujours porté trop de contraintes fonctionnelles ou techniques. Le vrai enjeu du Big Data est de bousculer définitivement ces barrières. 

Dans ces nouvelles approches, l’information est là plus vite, plus tôt, elle est plus détaillée, plus précise et plus volumineuse, mais aussi plus variée et parfois plus complexe à analyser. Le parti pris du Big Data ? Nous allons parvenir à gérer toutes ces informations. La prise en compte en continu de flux d’informations est un bon exemple d’une approche qui change nos pratiques et offre de nouveaux champs d’usage. 

Par exemple, un opérateur de téléphonie mobile souhaitera récupérer et analyser en continu toutes les données brutes et les indicateurs de qualité de service de son réseau et des équipements qui le composent . Et ces mêmes données de supervision du réseau pourront être exploitées pour matérialiser d’autres aspects sur la qualité de service perçue, sur la fameuse « expérience utilisateur ». L'enjeu de supervision technique se double d'un enjeu marketing, qui va concerner d’autres utilisateurs et apporter une autre valeur. 

Dans le secteur financier, l’exposition aux risques est un sujet critique. En travaillant ce thème dans une logique quasi temps-réel, les établissements bancaires les plus avancés innovent et découvrent de nouvelles possibilités. Travailler en temps réel, c’est en premier lieu, capturer les informations critiques et alimenter en continu un système dédié au calcul du risque. Les informations alors disponibles pour l’analyse ouvrent de nouveaux champs d’exploration. 

Dans ces deux exemples, la suppression d’une contrainte de délai dans la mise à disposition des données change le périmètre des projets. Des informations disponibles plus tôt et plus vite pour l’analyse prennent un sens nouveau et plus de valeur. 

Solutions logicielles 

Le travail sur les flux d’information est spécifique et les solutions logicielles qui permettent ces approches le sont aussi. SAP réalise aujourd’hui des investissements majeurs pour bâtir une infrastructure complète de gestion de l'information - la Real Time Data Platform - autour de la technologie de base de données en mémoire Hana. Cette plate-forme inclut un ensemble de composants pour offrir des réponses complètes à des enjeux très variés. 

Si SAP conçoit sa propre plate-forme pour répondre aux enjeux du Big Data, il n'en oublie pas pour autant de rester ouvert aux autres technologies, comme Hadoop. En partenariat avec des acteurs comme Cloudera, Hortonworks et des fournisseurs de matériel, SAP a ainsi mis au point une architecture de référence permettant d'associer des traitements dans le framework Hadoop à des traitements au sein de cette Real Time Data Platform, dans SAP Hana ou encore dans SAP Sybase IQ. Des entreprises exploitent déjà des architectures associant ces technologies et tirant parti de leurs qualités intrinsèques.

Pour approfondir sur Outils décisionnels et analytiques

Close