Salon du Big Data 2020 : les 4 enseignements clés

Salon du Big Data 2020 : les 4 enseignements clés

Auteur : William Haidar (Project Data Manager) chez Astrakhan - Date de publication : octobre 22, 2020

Astrakhan était présent au Salon du Big Data le 14 et 15 septembre 2020. Pendant ces deux journées très riches en informations, nous nous sommes concentrés sur les sujets liés à l’analytique et notamment aux retours d’expérience des sociétés de conseil et des éditeurs de logiciel de ces dernières années. Quatre enseignements clés ressortent de ce salon et nous sommes heureux de les partager avec vous.

L’utilisation des plateformes Hadoop a longtemps été la seule solution pour mettre en place des projets Big Data au sein des entreprises. Au cours des dernières années, avec l’essor de l’utilisation de la donnée, nous avons vu apparaître de nouvelles solutions pour répondre à différents besoins Data des entreprises.

Ainsi nous entrons dans une nouvelle ère Data avec :

•  des entreprises qui ont mis en place des systèmes « legacy » et qui souhaitent refondre leur architecture,

•  des entreprises qui sont sur les anciennes plateformes Hadoop non-adaptées à leur utilisation

•  et les nouvelles entreprises qui sont déjà en pleine utilisation des nouvelles architectures cloud mêlées aux nouvelles méthodes de management 3.0 ou Agile.

Les 4 enseignements clés du Big Data

1.La Rapidité

L’usage de la donnée est aujourd’hui toujours aussi déterminant dans la stratégie des entreprises.

Dans le monde actuel où tout se veut être Data-driven et où tout s’accélère, les technologies de Datawarehouse sont obsolètes. De plus en plus d’entreprises souhaitent entrer dans un modèle décisionnel rapide (à l’heure, voire à la seconde) avec la volonté d’avoir les données les plus fraiches dans le but :

• D’accélérer le time-to-market,

•  D’optimiser les processus,

• De détecter les fraudes ou les erreurs.

2. L’innovation

L’utilisation de l’IA sur de nombreux projets tels que le Supply-chain, l’expérience client ou encore l’augmentation du taux de transformation et de rétention, a fait ses preuves. L’adoption de cette nouvelle technologie favorise aujourd’hui l’utilisation de l’IA à la décision humaine pour en faire une expérience humaine augmentée.

3. L’architecture

D’autre part, avec une augmentation de la masse des données prévu d’ici 2025, les entreprises souhaitent refondre leurs architectures, mais sont généralement « perdues » dans la masse technologique présente aujourd’hui.

Il est estimé qu’il faut entre 3 à 5 ans pour refondre l’architecture Data. Ainsi les DSI et les métiers travaillent de plus en plus ensemble pour répondre aux nouveaux enjeux Data de l’entreprise et notamment à une question essentielle dans la construction de la nouvelle architecture : Est-ce que la solution que je choisis et que je retiens est adaptée aux usages des métiers ?

4. L’accompagnement

Cependant, même si le panel d’outils existants est suffisant pour répondre aux besoins des entreprises, nous constatons aujourd’hui un manque important en termes d’utilisation par les acteurs du marché. En effet, de plus en plus de fonctionnalités se développent sans que les utilisateurs ne puissent en bénéficier pleinement par manque de savoir-faire ou de complexité trop élevée.

Comment Astrakhan peut vous accompagner dans ce tournant ?

Astrakhan accompagne les entreprises par l’intermédiaire des formations et du coaching des équipes familiarisées ou non avec la Data. Nos offres de formation sont modulaires et sous plusieurs formats (podcasts, webinaires, workshops…), à distance ou en présentiel.

Même s’il est simple de s’inspirer des technologies présentes, par exemple chez les GAFAM, il faut toutefois éviter d’installer des solutions non-adaptées aux besoins du métier. Pour ces raisons, nous avançons avec plusieurs partenaires, parmi lesquels Tibco.

Enfin, pour un maximum de rapidité sur le traitement de la donnée, nous mettons au service notre expertise dans le domaine Agile, Innovation & Lean Change Management mêlée aux fonctions Data afin d’augmenter la valeur de la donnée et de proposer des méthodologies innovantes et adaptées, comme par exemple le Product Ownership Data.