Valoriser les données
Le Big Data reste l’un des sujets importants du moment. Les DSI s’en sont emparées et beaucoup ont initié des projets relatifs à ce concept. Mais bien souvent les projets Big Data se résument à stocker massivement la donnée, ce qui peut en effet présenter certains challenges, encore que les solutions offertes aujourd’hui permettent enfin de s’en affranchir.
Mais l’enjeu est ailleurs : l’enjeu du Big Data réside dans l’analyse de ces données, leur valorisation : le Smart Data tweet this.
Cette analyse est rendue d’autant plus complexe justement par les volumes engrangés et la nature hétérogène des données collectées.
Analyser les données, c’est comprendre des tendances passées et actuelles mais aussi être en mesure de déterminer les prochaines. Cela s’applique à tous les niveaux, de la compréhension des attentes des prospects et clients, à la qualité de service d’un parc de serveurs, au provisioning, …
En 2014, nous avons écouté nos clients et suivi les tendances du secteur afin de comprendre les attentes sur le sujet. Nous en avons ensuite dérivé les besoins principaux et identifié des solutions pour y répondre. Nous entamons donc 2015 avec un catalogue de solutions sur lesquelles nous sommes montés en compétence. Et notre capitalisation sur ces sujets va encore continuer de croître cette année.
Une méthode privilégiée : le Lean Startup
Dans ces océans de données, il est facile de s’y noyer. Essayer de partir from scratch pour construire en une seule itération une réponse à une expression de besoin sera assurément vouée à l’échec, et coûtera cher. Nous privilégions donc pour nos clients l’adoption de la méthode Lean Startup. Il est ainsi possible de tester la viabilité de leurs projets rapidement en se concentrant sur les éléments essentiels.
Systématiser le prototype
La réalisation de prototypes, ou plutôt de Minimum Viable Product, pour valider les idées et confirmer la possibilité de ROI, offre à nos clients une meilleure maîtrise du risque tout en leur apportant une création de valeur plus rapide. La réalisation de prototypes donne par ailleurs des informations précieuses pour entreprendre les transformations et traitements nécessaires sur l’ensemble des données concernées, économisant ainsi du temps et de l’argent par rapport à une approche directe.
Passer du stockage à l’analyse des données
Analyser d’importants volumes de données hétérogènes nécessite un ensemble de techniques et la mise en oeuvre de diverses solutions. L’analyse des données à proprement parlé trouve des réponses sur un ensemble de solutions visant à répondre à différents besoins. Nous travaillons chez Ippon sur plusieurs réponses technologiques et parmi celles-ci, Apache Spark, qui offre à ce jour un panel important de possibilités de traitements “live”. Du requêtage des données en passant par la mise en oeuvre d’algorithmes de Machine Learning, ouvrant des perspectives d’analyse prédictive, Apache Spark est au coeur de notre capitalisation et devrait trouver une place de choix chez nombre de clients.
En synthèse
Plus que choisir une solution technologique, il faut avant tout définir le besoin en termes de traitement de l’information. La solution et l’approche technologique seront ensuite dérivées de ce besoin.
Les choix technologiques sont nombreux, la véritable valeur consiste à identifier puis savoir mettre en oeuvre une solution adaptée à un besoin.
Crédits photos
Tom Raftery https://www.flickr.com/photos/traftery/4773457853
Marius B https://www.flickr.com/photos/mariusb/5575021761
Sascha Pohflepp https://www.flickr.com/photos/saschapohflepp/72070255
Frits Ahlefeldt-Laurvig https://www.flickr.com/photos/hikingartist/4193330368
