Améliorer la Business Intelligence grâce à l'analytique en mémoire

Découvrez comment l'analytique en mémoire offre un avantage concurrentiel à l'ère des entreprises orientées données.

L'analytique en mémoire rapproche les données :

  • Le stockage des données dans la mémoire système accélère les analyses.

  • Traitez davantage de données plus rapidement pour profiter de l'analytique prédictive.

  • Trouvez des modèles en temps réel dans les données d'entreprise ou de vente au détail.

author-image

Par

Qu'est-ce que l'analytique en mémoire ?

Aujourd'hui, les données sont partout. Leur volume, leur vitesse et leur variété augmentent au-delà de toutes les prévisions. Les analyses de données ont déjà permis à de nombreuses grandes marques de repousser les limites de la Business Intelligence traditionnelle en adoptant l'analytique en temps réel pour améliorer l'efficacité, éviter les risques et accroître les revenus avec des offres adaptées au client. Les entreprises qui rechignent à exploiter la valeur des données à l'aide de solutions analytiques se mettent en situation de handicap concurrentiel.

La vitesse est un critère essentiel pour permettre à une infrastructure informatique de prendre en charge les processus décisionnels basés sur l'analytique. La valeur commerciale des solutions décisionnelles dépend généralement de leur capacité à fournir des résultats au moins mille fois plus vite que les solutions traditionnelles. Pour atteindre cet objectif ambitieux, il convient d'adopter une nouvelle approche : l'informatique en mémoire.

Le concept d'informatique en mémoire est simple. Dans l'approche traditionnelle du traitement des données, celles-ci résident sur un disque dur installé dans le système ou sont disponibles via un réseau. Chaque fois que nécessaire, elles sont appelées dans la mémoire vive (RAM), puis transmises au processeur. Le long délai de recherche des données résidant sur les disques provoque souvent un goulet d'étranglement.

Avec l'informatique en mémoire, les données sont stockées directement dans la mémoire système. Cette approche architecturale réduit considérablement la latence en éliminant le délai de recherche des données sur le disque et en les rapprochant du processeur. Aujourd'hui, l'informatique en mémoire s'appuie sur la mémoire DRAM. Cette dernière étant chère, elle n'est pas rentable pour les gros volumes de données. Néanmoins, les technologies de mémoire persistante évolutives offrent une solution en combinant haute capacité, prix abordable et persistance des données avec des niveaux de performances proches de la DRAM.

L'analytique en mémoire implique généralement deux autres composants techniques importants qui augmentent les performances des logiciels.

Stockage des données en colonnes : Dans l'analytique en mémoire, la structure traditionnelle des données à deux dimensions (lignes et colonnes) est remplacée par une structure linéaire à une seule dimension.

Traitement massivement parallèle : L'analytique en mémoire tire pleinement parti des capacités des processeurs multi-cœurs et multi-threads, qui profitent de la réduction des latences d'accès pour traiter les données.

Niveaux de maturité de la Business Intelligence

Comme de nombreuses initiatives informatiques, l'analytique métier aura plus de valeur pour les entreprises lorsque celles-ci auront acquis plus d'expérience et de maturité opérationnelle. Les approches plus traditionnelles ou conventionnelles, comme l'analytique descriptive et diagnostique, disent aux entreprises ce qui s'est produit (quelle était leur situation passée) au lieu de ce qui pourrait se produire.

La prochaine étape sur l'échelle de maturité (l'analyse prédictive) est tournée vers l'avenir. Elle remplace une approche improvisée de la prise de décision par une approche disciplinée et axée sur les données. L'analytique prédictive fonctionne en temps réel. Sa portée s'étend souvent aux personnes qui se trouvent en première ligne et doivent prendre constamment des décisions mineures, par exemple quelles palettes charger dans quel conteneur.

Ces petites décisions ne sont pas extrêmement importantes en elles-mêmes, mais cumulées, elles peuvent faire une grande différence pour le résultat, en évitant des coûts ou en augmentant les revenus. Au fil du temps, l'analytique prédictive permettra aux entreprises d'automatiser les processus actuellement manuels pour qu'ils s'exécutent à la « vitesse de l'ordinateur ».

Dans les phases ultérieures du modèle de maturité, l'analytique prescriptive explore des scénarios hypothétiques sur des périodes plus longues et projette les résultats possibles. L'analytique prescriptive permet par exemple de déterminer l'emplacement optimal d'un nouveau magasin.

Toutes ces approches tournées vers le futur exploitent les données stockées dans l'entreprise (comprenant parfois les données transactionnelles), ainsi que de nombreuses formes différentes de données récupérées auprès d'agrégateurs tiers.

Les solutions de traitement analytique en mémoire ne remplacent pas les entrepôts de données classiques, mais elles peuvent améliorer le processus décisionnel global d'une entreprise. Vous pouvez commencer par vous familiariser avec l'analytique en mémoire avant de vous engager dans la transformation complète de votre activité.

Valeur commerciale de l'analytique

Les sources de données présentant une valeur commerciale sont innombrables : données des capteurs d'usine, des divers canaux de distribution, des médias sociaux et même des satellites météorologiques et d'autres flux tiers. Les nouveaux développements comme les villes intelligentes et l'Internet des objets ne font qu'ajouter à la charge. Si elles veulent rester compétitives, les entreprises ne peuvent pas ignorer ces données. Correctement analysées, elles peuvent augmenter le chiffre d'affaires en prévoyant la montée en gamme la plus susceptible de fonctionner, diminuer les coûts de distribution grâce à une gestion plus intelligente des itinéraires et des stocks, réduire les coûts de fabrication et améliorer la qualité avec une analyse sophistiquée des causes. Là encore, la liste est quasiment sans fin.

Parfois, pour extraire des données exploitables de ce flux de données, il suffit d'identifier des schémas dans les événements déjà survenus. Dans d'autres cas, des résultats en temps réel sont requis pour améliorer l'expérience client, empêcher l'intrusion d'un logiciel malveillant ou éviter l'usage frauduleux d'une carte de crédit, pour ne citer que quelques exemples.

Les obstacles à son adoption tombent. Les principaux fournisseurs informatiques proposent des solutions analytiques. On trouve également de nombreuses solutions verticales. Le nombre de scientifiques des données disposant des compétences requises pour utiliser et gérer l'analytique sophistiquée ne cesse d'augmenter. Par ailleurs, beaucoup d'entreprises s'efforcent de « démocratiser » l'utilisation de l'analytique via des interfaces plus simples et des algorithmes intégrés. L'analytique (et sa rentabilité) a fait l'objet d'une telle publicité que son financement est plus facile à obtenir.

La valeur métier de l'analytique est donc clairement démontrée. De nombreuses marques utilisent déjà l'analytique en mémoire pour augmenter leurs revenus et diminuer leurs coûts. Celles qui n'exploitent pas ces avantages opérationnels risquent de se retrouver en situation de handicap concurrentiel.

L'analytique en action

L'analytique en mémoire est une technologie révolutionnaire reconnue, qui a un énorme impact sur tous les aspects de la gestion opérationnelle et organisationnelle, y compris la fabrication, la gestion de la chaîne d'approvisionnement, les ressources humaines, le marketing, la distribution, les finances et bien plus encore.

Pour de nombreuses entreprises, le principal avantage de l'analytique en mémoire réside dans sa capacité à traiter de vastes quantités de données suffisamment rapidement pour que les informations obtenues fassent la différence. La reconnaissance de schémas représente l'un des principaux scénarios d'utilisation impliquant de grandes quantités de données. Par exemple, l'IRS* analyse les déclarations de revenus au fur et à mesure de leur traitement pour identifier des schémas d'erreurs ou de problèmes. Les interventions qui en ont résulté ont permis à l'IRS d'éviter les remboursements à tort de plusieurs centaines de millions de dollars.

L'analytique prédictive est probablement l'application la plus utile de la technologie en mémoire. Chez UPS*, les modèles prédictifs pour les opérations de livraison sont responsables de la réduction des kilomètres parcourus, ce qui permet à l'entreprise d'économiser de l'argent et de réduire son empreinte carbone globale.

L'analytique prédictive est particulièrement efficace dans le secteur de la vente au détail. Un détaillant peut par exemple lancer un projet d'analytique en mémoire pour créer des campagnes marketing ciblées entraînant une réduction des coûts. Tous les secteurs d'activité peuvent tirer parti d'une approche de ce type.

Étapes pour vous lancer

Cette procédure en cinq étapes vous aidera à vous lancer dans l'analytique en mémoire.

  1. Identifiez les problèmes. Consultez les responsables des différentes divisions pour créer une liste des problèmes difficiles, voire impossibles, à résoudre avec les systèmes existants. Cette liste doit indiquer en priorité les éléments qui s'alignent sur les stratégies existantes, promettent de fournir de nouvelles informations, entrent dans les compétences du département informatique et sont rentables. Une fois les différentes parties prenantes consultées, vous devriez obtenir une liste claire des objectifs et des ressources permettant de les atteindre.
  2. Documentez-vous et familiarisez-vous avec les solutions analytiques disponibles sur le marché. En vous basant sur les connaissances ainsi obtenues, évaluez votre infrastructure actuelle. Il est important de comprendre d'où viennent les données à analyser, qui les possède et quelles mesures sont nécessaires pour garantir la qualité et la sécurité des données.
  3. Identifiez et cultivez les compétences dont votre équipe a besoin. Recrutez de nouveaux talents ou prévoyez d'externaliser certaines tâches si nécessaire. Les nouveaux employés disposent souvent de compétences qui correspondent à vos besoins.
  4. Définissez les nouveaux besoins technologiques. L'analytique en mémoire exige du matériel moderne, y compris une infrastructure de calcul, de stockage et réseau. Vous devez également déterminer les requêtes et algorithmes analytiques à générer pour obtenir les résultats souhaités, puis décider comment présenter ces résultats de façon attrayante. Étudiez les solutions logicielles propriétaires et open source, car il existe de nombreuses options.
  5. Créez les scénarios d'utilisation finale du projet. Déterminez quelles données seront utilisées et identifiez les flux de données. Ensuite, développez un environnement de test pour une version de production.

Intel et l'analytique : équipement matériel et autres ressources

Intel propose la plateforme la plus étendue du secteur pour l'analytique en mémoire, qui évolue à mesure que les charges de travail augmentent. Elle est capable de prendre en charge diverses charges de travail analytiques, y compris des bases de données en mémoire en temps réel, des déploiements Spark* scale-out, le calcul intensif (HPC) et le machine learning. Elle intègre des technologies de calcul, de stockage, mémoire et réseau, toutes optimisées pour fonctionner ensemble.

Il en résulte une infrastructure flexible avec sécurité intégrée, qui fournit les performances élevées requises pour répondre aux besoins actuels tout en formant une base solide et fiable pour l'avenir.

Avec l'architecture Intel®, les départements informatiques disposent d'une base homogène dans l'ensemble de leur infrastructure, avec un plan prévisible pour déployer des projets d'analytique au fil du temps et une large offre de produits qui leur évite d'avoir à prendre en charge plusieurs architectures. Elle offre aussi un modèle de programmation logicielle cohérent pour les développeurs, qui leur permet de se concentrer sur l'amélioration des performances et des fonctionnalités.

L'architecture Intel® est prise en charge par un riche système de partenaires matériels et logiciels. Intel collabore activement et régulièrement avec ces partenaires pour les aider à optimiser les performances de leurs produits sur l'architecture Intel®.

Les entreprises qui choisissent Intel comme partenaire pour leurs solutions analytiques ont la possibilité de choisir une plateforme logicielle open source ou l'une des principales plateformes commerciales, comme celles proposées par SAS, SAP, Oracle, IBM, Microsoft et bien d'autres.

Grâce à son expérience, Intel peut vous accompagner dans votre projet d'analytique en mémoire.

La société Intel est principalement connue pour ses processeurs. Pour de nombreuses entreprises, la famille de processeurs Intel® Xeon® Scalable est synonyme d'analytique en mémoire. Mais en réalité, Intel a bien plus à offrir et cela vaut la peine de le découvrir. Cliquez ici pour en savoir plus sur la manière dont Intel peut vous aider à développer une stratégie d'analytique en mémoire.