De nombreux auteurs étrangers s'accordent à dire que l'ère du Big Data est révolue. Dans ce cas, le terme Big Data désigne les technologies basées sur Hadoop. Beaucoup d'auteurs peuvent même affirmer avec certitude la date à laquelle le Big Data a quitté ce monde, et cette date est le 05.06.2019.
Que s'est-il passé ce jour mémorable ?
Ce jour-là, la société MAPR a promis de suspendre ses activités si elle ne parvenait pas à trouver des fonds pour continuer à fonctionner. Plus tard, en août 2019, MAPR a été acquise par HP. Mais en revenant à juin, il ne faut pas oublier la tragédie de cette période pour le marché du Big Data. Ce mois-là, il y a eu un effondrement des cotations boursières des actions de CLOUDERA, un acteur majeur sur ce marché, qui avait fusionné avec la société HORTOWORKS, chroniquement non rentable, en janvier de la même année. L'effondrement a été assez significatif, atteignant 43 %, faisant ainsi chuter la capitalisation de CLOUDERA de 4,1 à 1,4 milliard de dollars.
Il est impossible de ne pas mentionner que les rumeurs sur la formation d'une bulle dans le domaine des technologies basées sur Hadoop circulaient depuis décembre 2014, mais elles ont résisté pendant presque cinq ans. Ces rumeurs étaient fondées sur le refus de Google, l'entreprise à l'origine de la technologie Hadoop, d'utiliser sa propre invention. Cependant, la technologie a survécu, le temps que les entreprises adoptent les solutions cloud et profitent de l'essor de l'intelligence artificielle. En regardant en arrière, on peut affirmer avec certitude que cette fin était attendue.
Ainsi, l'ère du Big Data est terminée, mais au cours de leur travail sur les données massives, les entreprises ont compris toutes les nuances de leur gestion, les avantages que le Big Data peut apporter aux affaires, et ont également appris à utiliser l'intelligence artificielle pour extraire de la valeur des données brutes.
La question de savoir ce qui remplacera cette technologie devient d'autant plus intéressante, et comment les technologies d'analyse continueront à évoluer.
Analyse augmentée
Pendant les événements décrits, les entreprises du secteur de l'analyse de données n'étaient pas inactives. On peut en juger par les informations concernant les transactions survenues en 2019. Cette année-là, la plus grande transaction du marché a été l'acquisition de la plateforme d'analyse Tableau par Salesforce pour 15,7 milliards de dollars. Une transaction moins importante a eu lieu entre Google et Looker. Et bien sûr, il est impossible de ne pas mentionner l'acquisition de la plateforme Big Data Attunity par Qlik.
Les leaders du marché BI et les spécialistes de Gartner parlent d'un changement monumental dans les approches d'analyse des données ; ce changement détruira complètement le marché BI et conduira à un remplacement du BI par l'IA. Dans ce contexte, il convient de noter que l'acronyme IA ne signifie pas « Intelligence Artificielle » mais « Intelligence Augmentée ». Examinons de plus près ce que signifie « Analyse Augmentée ».
L'analyse augmentée, tout comme la réalité augmentée, repose sur plusieurs postulats communs :
- la possibilité de communiquer à l'aide du NLP (Traitement du Langage Naturel), c'est-à-dire dans un langage humain ;
- l'utilisation de l'intelligence artificielle, cela signifie que les données seront prétraitées par l'intelligence machine ;
- et bien sûr, les recommandations disponibles pour l'utilisateur du système, qui sont justement générées par l'intelligence artificielle.
Selon les fabricants de plateformes d'analyse, leur utilisation sera accessible aux utilisateurs n'ayant pas de compétences spécifiques telles que la connaissance de SQL ou d'un langage de script similaire, sans formation statistique ou mathématique, ni connaissances en langages populaires spécialisés dans le traitement des données et les bibliothèques correspondantes. Ces personnes, appelées « Citizen Data Scientist », doivent simplement posséder d'excellentes qualifications commerciales. Leur tâche consiste à identifier des insights commerciaux à partir des suggestions et des prévisions fournies par l'intelligence artificielle, et elles pourront ajuster leurs hypothèses en utilisant le NLP.
En décrivant le processus de travail des utilisateurs avec des systèmes de cette classe, on peut imaginer le tableau suivant. Une personne, en arrivant au travail et en lançant l'application appropriée, voit, en plus de l'ensemble habituel de rapports et de tableaux de bord pouvant être analysés par des méthodes standard (tri, regroupement, exécution d'opérations arithmétiques), certaines suggestions et recommandations, comme par exemple : « Pour atteindre votre KPI en termes de ventes, vous devriez appliquer une réduction sur les produits de la catégorie 'Jardinage'. » De plus, la personne peut se référer au messager d'entreprise : Skype, Slack, etc. Elle peut poser des questions au robot, par texte ou par voix : « Montre-moi les cinq clients les plus rentables. » En recevant la réponse appropriée, elle doit prendre une décision optimale, en fonction de son expérience en affaires, afin de générer des profits pour l'entreprise.
Si l'on prend un pas en arrière et qu'on examine la composition des informations analysées, à ce stade, les produits de la classe d'analyse avancée peuvent simplifier la vie des gens. Idéalement, on suppose que l'utilisateur doit simplement indiquer à l'outil d'analyse les sources d'information souhaitées, et le programme se chargerait de la création du modèle de données, de la liaison des tableaux et d'autres tâches similaires.
Tout cela doit, surtout, garantir la « démocratisation » des données, c'est-à-dire que toute personne peut s'engager dans l'analyse de l'ensemble des informations dont l'entreprise dispose. Le processus de prise de décision doit être soutenu par des méthodes d'analyse statistique. Le temps d'accès aux données doit être minimal, donc il ne sera pas nécessaire d'écrire des scripts et des requêtes SQL. Et bien sûr, il sera possible d'économiser sur les spécialistes en Data Science très rémunérés.
Hypothétiquement, les technologies ouvrent des perspectives très prometteuses pour les entreprises.
Qu'est-ce qui remplace le Big Data ?
Mais, en fait, j'ai commencé mon article avec le Big Data. Et je ne pouvais pas développer ce sujet sans une brève rétrospective sur les outils BI modernes, qui sont souvent basés sur le Big Data. Le destin des grandes données est désormais clairement décidé, et ce sont les technologies cloud. J'ai mis l'accent sur les transactions réalisées avec les producteurs de BI afin de démontrer que désormais chaque système d'analyse dispose d'un stockage cloud, et que les services cloud ont le BI comme interface frontale.
En n'oubliant pas des piliers du secteur des bases de données comme ORACLE et Microsoft, il est important de souligner leur choix de développement commercial orienté vers le cloud. Tous les services proposés se trouvent dans le cloud, mais certains services cloud ne peuvent déjà plus être obtenus sur site. Un travail considérable a été réalisé sur l'utilisation de modèles d'apprentissage automatique, des bibliothèques ont été créées et mises à la disposition des utilisateurs, et des interfaces ont été configurées pour faciliter le travail avec les modèles, de leur sélection à la configuration du temps de démarrage.
Un autre avantage important de l'utilisation des services cloud, mentionné par les fabricants, est la disponibilité de ensembles de données pratiquement illimités sur n'importe quel sujet, pour entraîner des modèles.
Cependant, une question se pose : dans quelle mesure les technologies cloud s'implanteront-elles dans notre pays ?
Source : habr.com
