L’hyperconvergence analytique appliquée à la donnée

L’hyperconvergence analytique appliquée à la donnée

Auteur : William Haidar (Project Data Manager chez Astrakhan) - Date de publication : janvier 27, 2021

Les « Hyperconverged Analytics » représentent une solution du marché sur l’utilisation de la donnée de manière à imbriquer plusieurs fonctionnalités dans le même outil. Cet article vous fera découvrir les avantages de telles solutions, mais tout d’abord, intéressons-nous au terme d’hyperconvergence afin de comprendre la raison d’être de ce concept.

Qu’est ce que l’hyperconvergence ?

Pour le comprendre, attardons-nous quelques instants sur ce qui existe. En effet, nous avons entendu parler ces dernières années des solutions ou infrastructures hyperconvergés.

Ces infrastructures hyperconvergées ont été annoncées comme une rupture technologique.

Plusieurs définitions du concept de l’hyperconvergence existent, dont celle de l’ancien président d’IBM France, Alain Bénichou :

« Puisqu’un grand nombre d’entreprises n’optent pas pour l’externalisation, autant leur proposer des solutions intégrant tout le nécessaire, automatisant un maximum de tâches et leur permettant de réduire les coûts de maintenance estimés à 70 % des budgets informatiques.

Cela favorisera l’innovation en augmentant les 30 % de budget IT qui lui sont consacrés en moyenne actuellement »

« Il suffit à l’utilisateur de saisir quelques paramètres pour définir le type de service qu’il souhaite, le nombre d’utilisateurs, les niveaux de qualité de services (SLA) attendus… pour une application ou un environnement, et le système s’occupe ensuite de tout. »

L’image qui s’en rapproche le plus selon moi est le smartphone actuellement vendu sur le marché, contenant :





● un processeur performant capable de traiter plusieurs types d’informations (fichier, son, image, vidéo, …)

● des composants électroniques capables d’effectuer le rôle de plusieurs objets électroniques (vidéo, photographie)

● un centre applicatif permettant de réaliser plusieurs fonctionnalités (mail, montage, …)

Ainsi un consommateur lambda a réduit de 70% son budget d’appareil photo ou encore de caméscope et a augmenté de 30% son budget pour l’acquisition d’un nouveau téléphone.

Revenons-en à notre sujet. Toujours dans le même principe, cette automatisation de nouvelles solutions hyperconvergées est appliquée à l’analyse de données et c’est ce qu’on appelle Hyperconverged Analytics.

Ceci est maintenant possible grâce aux nouvelles solutions d’analyse et de visualisation de données du marché qui permettent de traiter plusieurs processus concernant la donnée dans un seul et même outil :

● Connexion facilitée aux différents systèmes sources de données

● Transformations des données intégrées (jointure, modification de champs, ajout ou suppression de colonne, ..) afin d’unifier la donnée au sein même de l’outil

● Obtenir différents types d’analyses : descriptive à une analyse prescriptive

De quoi s’agit-il exactement ?

Il s’agit donc d’étendre les fonctionnalités et d’accompagner l’innovation en regroupant plusieurs métiers et technologies dans les solutions existantes.

Prenons l’exemple de Tibco qui dans sa stratégie PREDICT répond à 3 composantes :

● Visual Analytics

● Data Science

● Streaming Analytics

Tibco présente l’hyperconvergence comme un regroupement de technologies et de compétences au sein d’un même outil : Spotfire.

Pourquoi cette Hyperconvergence ?

Elle permet en fin de compte de diverger en termes d’utilisateur et de compétence. Il peut s’agir du business, des métiers, de  l’IT, … avec des compétences ou non de faire des dashboards et études avancés.

«With TIBCO Hyperconverged Analytics, we are shortening the time it takes to provide significant, predictive insights from all kinds of data, placing the power of insights under the control of the business.»

Michael O’Connell, chief analytics officer, Tibco

Cela est notamment possible chez Tibco grâce à leurs solutions « end-to-end » répondant à l’ensemble de la chaine de traitement de la donnée.

Vous pourrez alors créer des tableaux de bord interactifs, intégrant des données en temps réel et les différents types d’analyses. Mais aussi piloter et exécuter des pipelines de Data Science (Machine Learning ou Deep Learning) et des modèles avancés de préparation des données / modélisation.

Cette technologie a déjà fait ses preuves chez plusieurs clients pour de la reconnaissance d’images(BAYER), de la maintenance prédictive de pompes (ANADARKO / TOTAL), …

Pour des besoins d’automatisation « end-to-end » moins avancés nous retrouvons des fonctionnalités similaires chez Tableau Software. Appelées extensions, elles permettent d’ajouter des fonctions uniques aux tableaux de bord ou de les intégrer directement avec des applications extérieures à Tableau (tel un centre applicatif sur un smartphone).

« Nous voyons également des technologies émergentes, comme l’intelligence artificielle et le langage naturel, évoluer pour rendre les modèles complexes plus transparents et compréhensibles. »

Andrew Beers, Chief Technology Officer, Tableau

Ces extensions qui améliorent de manière significative la visualisation des données, permettent également de réaliser des analyses écrites (langage naturel), des mises à jour de donnée ou encore de se connecter à des outils tel que Dataiku qui permettent d’entraîner des modèles de machine Learning à la volée et de visualiser les métriques clés du modèle…

Pour avoir une vision des extensions existantes vous pouvez regarder ici.

Ainsi ces outils qui tendent vers une expérience d’hyperconvergence analytique offre :

● Des insights plus avancés, détaillés, en lien avec le business et sans ressources supplémentaires

● Une prise de décision rapide

● Une nouvelle opportunité de marché sans coût supplémentaire

S'inscrire à notre newsletter