HP a tenu sa troisième conférence annuelle sur le Big Data au début du mois à Boston. Un large éventail d'organisations, des plus grandes aux plus petites, y a participé, découvrant les perspectives d'avenir du Big Data grâce aux interventions de personnalités telles que Facebook, Michael Stonebraker, Nate Silver et bien d'autres. Plus de 40 ateliers animés par des clients ont également permis de présenter leurs projets et leurs retours d'expérience. Si HP a bien sûr fait des annonces importantes lors de cet événement, notamment concernant Vertica et une nouvelle initiative pour une start-up , la conférence était avant tout axée sur la mise en œuvre concrète des initiatives Big Data. Voici quelques points clés à retenir de la conférence, qui éclairent l'avenir du Big Data du point de vue des acteurs de terrain.
Les lacs de données sont des conneries marketing
C'était plus ou moins le point soulevé par Michael Stonebraker, lauréat du prix Turing 2014. Son commentaire a suscité une acclamation de la part de la foule, qui est clairement lasse des messages marketing diffusés par l'industrie. Il n'a pas commenté les tsunamis de données ou d'autres phénomènes de mégadonnées météorologiques, mais il est prudent de supposer qu'il les trouve également dans la catégorie BS. L'essentiel ici est que l'industrie a du mal à mettre un arc propre sur le concept d'analyse de données volumineuses. Dans une certaine mesure, il le faut, la plupart des organisations sont bien en retard lorsqu'il s'agit de rendre leurs données exploitables. De plus, ils ont du mal à tracer un plan pour récolter leurs données, donc la visualisation d'un lac de données a du sens. Mais le simple fait de transférer des données dans un lac n'est qu'une très petite partie du problème auquel les organisations sont confrontées. Ce qui nous amène au point suivant.
Hadoop n'est pas du Big Data
De nombreuses organisations commencent leur parcours Big Data avec une instance Hadoop. Bien qu'il s'agisse d'un début admirable, le simple fait d'utiliser Hadoop ne signifie pas que vous faites du "big data". Ken Rudin, directeur de l'analyse de Facebook, a expliqué cela dans son discours sur les mythes du Big Data, où il a souligné la différence entre l'impact et non les informations.
Bien que le concept de conduite d'impact semble basique, de nombreuses organisations se concentrent sur la technologie ou examinent des données qui ne conduisent pas au changement ou ne conduisent pas à de meilleurs résultats. L'impact de la conduite nécessite cependant un équilibre et conduit à la question que j'ai posée plus d'une douzaine de fois à différentes personnes lors de l'événement.
Comment poser les bonnes questions ?
Les organisations peuvent disposer de la meilleure technologie, des data scientists les plus brillants et de merveilleux ensembles de données, mais cela ne garantit pas le succès. Poser les bonnes questions est fondamental pour avoir un impact commercial. Pour ce faire, la plupart des entreprises à qui j'ai parlé intègrent leurs scientifiques des données dans les unités commerciales. Cela leur donne plus d'expérience avec les problèmes rencontrés par l'entreprise et donne au responsable de l'entreprise un accès direct aux questions centrées sur les données. Alors que les organigrammes semblent un peu différents selon la personne à qui vous demandez, le consensus est que les scientifiques de données intégrés sont la bonne structure. Cette structure permet de garantir que de meilleures questions sont posées, ce qui a l'avantage secondaire d'obtenir plus rapidement des données significatives ou exploitables.
De nombreux défis à relever
Aussi réunis que soient les leaders dans ce domaine, il reste encore beaucoup à faire. La majeure partie du puzzle du Big Data n'est toujours pas résolue. Bien sûr, les pièces d'angle sont à l'intérieur et une grande partie de la bordure, mais la plupart des pièces sont toujours à l'envers dans une pile. Une grande partie de la douleur est liée à la vitesse. Le déplacement d'ensembles de données, parfois à partir de systèmes hérités ou de systèmes qui n'ont pas été conçus en vue de la portabilité des données, est un gros problème. Le simple fait d'introduire des données dans une plate-forme d'analyse en temps opportun nécessite beaucoup de travail pour la plupart des entreprises. La vitesse de transport est énorme, plus les données arrivent rapidement dans la plate-forme d'analyse, plus elles peuvent être interrogées rapidement et les plans d'affaires ajustés. Les données sur les ventes étaient le fil conducteur le plus courant sur ce point, certains avec qui j'ai parlé ont un accès en temps quasi réel et beaucoup voyaient les données moins d'un jour plus tard. Cependant, beaucoup ont parlé de la douleur d'avoir à attendre plusieurs jours pour obtenir un aperçu des ventes, ce qui signifie dans certains cas qu'il était trop tard pour agir.
Pour sa part, HP dispose d'une suite complète de matériel, de logiciels et de services pour aider les organisations à résoudre ces problèmes qui, historiquement, ont été le territoire des consultants. En permettant aux entreprises de rechercher de manière proactive l'impact de leurs propres données, ainsi que de sources externes dans de nombreux cas, HP aide les entreprises à générer des gains supplémentaires. C'est peut-être l'une des grandes idées fausses sur la promesse du big data. Bien sûr, il y a de grandes victoires à trouver, peut-être que quelque chose de transformationnel sortira des données. Plus probablement cependant, les analyses appropriées ressemblent davantage à un joueur de baseball frappant pour la moyenne. Une série régulière de célibataires est agréable et s'additionne généreusement au fil du temps.
Amazon