Guide d`achat sur l`intégration du Big Data

Guide d'achat
sur l'intégration
du Big Data
SEPTEMBRE 2013
Commandité par
CITO Research
Advancing the craft of technology leadership

Sommaire
Introduction 1
Les enjeux de l'intégration du Big Data:
hier et aujourd'hui 1
Fonctionnalités nécessaires à l'intégration
du Big Data 3
Architecture technologique privilégiée 6
Les fruits d'une intégration réussie
du Big Data 7

1
Guide d’achat sur l’intégration du Big Data
CITO Research
Advancing the craft of technology leadership
Introduction
Le phénomène de «Big Data», autrement dit l'émergence de nouveaux types de données
dans des volumes toujours plus impressionnants, pousse les directeurs informatiques et
les dirigeants à repenser leur portefeuille technologique. Plutôt que d'élaborer leur propre
infrastructure, la plupart des entreprises préfèrent l'acheter. Mais comment faire le bon
choix? Et comment obtenir un ensemble cohérent?
La nécessité d'une nouvelle technologie représente le premier dé du Big Data. Cela ne
signie pas que tous les autres types de données et de technologies soient obsolètes.
Hadoop, les bases de données NoSQL, les bases de données analytiques et les entrepôts
de données cohabitent sans problème. Les analystes ne se soucient pas de l'origine des
données: ils les passeront à la moulinette, quelle que soit leur source.
L'intégration des données constitue le second dé. Comment faire en sorte que la nouvelle
technologie de traitement du Big Data utilise les données et les technologies existantes?
Comment améliorer les données et les technologies existantes en y ajoutant le Big Data?
Etcomment permettre aux nouvelles formes d'analytique et aux applications d'exploiter à
la fois les nouvelles et les anciennes données?
D'après CITO Research, les directeurs informatiques et les dirigeants ont tout intérêt à intégrer
le nouvel univers du Big Data avec l'ancien monde de la BI an d'accélérer le progrès. Le présent
guide d'achat vous aidera à acheter la technologie adéquate pour l'intégration du Big Data.
Les enjeux de l'intégration du Big Data:
hier et aujourd'hui
Les passionnés de Big Data sont conscient des diérences entre ce phénomène et les
anciennes générations de données. Elles se résument souvent en trois mots, les «3V»:
volume, variété, vitesse. Ce concept a été introduit par Doug Laney, analyste chez Gartner,
pour décrire le phénomène Big Data.
La diculté consiste à trouver un référentiel capable de traiter d'énormes volumes de données.
L'analyse de ux de données issues de machines, de serveurs et d'appareils mobiles, parfois
appelé « Internet des objets », est problématique. L'écosystème Hadoop a été conçu pour
traiter le volume et la variété de ces données, mais de nombreux produits tels que Splunk sont
également en mesure d'absorber de grandes quantités de Big Data orienté machine.
De plus, les données générées automatiquement exigent souvent de nouvelles techniques
d'exploration et d'analyse, ce qui représente un dé supplémentaire. La majeure partie du
Big Data est non structurée. Par ailleurs, des documents en texte brut et des vidéos s'ajoutent
aux types de données. L'apprentissage automatique, l'analyse de textes ou de vidéos et une
multitude d'autres techniques, appliquées aux données dans Hadoop ou dans des bases de
données NoSQL et analytiques permettent de donner du sens à des données désordonnées.
Une fois ces dés relevés, les tâches liées à l'utilisation du Big Data ressemblent étrangement
à celles qui concernaient les données existantes (voir «Dés communs au Big Data et aux
données existantes»).

2
Guide d’achat sur l’intégration du Big Data
CITO Research
Advancing the craft of technology leadership
Défis communs au Big Data et aux données existantes
 Fusion de données provenant de sources distinctes
 Prise en charge de l'exploration
 Création d'une version unique et réutilisable de la vérité
 Structuration d'ensembles de données fusionnées pour une analytique
plus exhaustive
 Développement de l'utilisation des données
 Création d'environnements analytiques avancés
 Prise en charge des applications
 Contrôle des accès
 Gestion du cycle de vie de l'analytique
 Mise en conformité
L'équation applicable à la gestion du Big Data ressemble à ceci:
(Référentiel pour le stockage et le traitement du Big Data) +
(Nouvelles techniques d'analyse du Big Data) + (BI existante)
= Environnement Big Data intégré
S'il est certain que le Big Data révolutionne de nombreux aspects de la BI, celle-ci n'en
devient pas obsolète pour autant. Autrement dit, la voie à suivre pour intégrer le Big Data
consiste sans doute à recourir à des solutions d'intégration de données existantes qui ont
été adaptées en vue d'incorporer le Big Data.
De plus, il convient de diérencier la validation d'un concept et l'opérationnalisation du Big
Data. Une technologie d'intégration du Big Data doit non seulement permettre de réaliser une
expérience scientique, mais elle doit également gérer l'intégralité du cheminement vers la
pleine utilisation du Big Data, conjointement avec les applications et systèmes de BI existants.

3
Guide d’achat sur l’intégration du Big Data
CITO Research
Advancing the craft of technology leadership
Du modèle en étoile à la chaîne d'approvisionnement de données
Le mariage du Big Data avec la BI existante entraînera un changement conceptuel considérable.
L'entrepôt de données ne sera plus au centre de l'univers. De nombreux référentiels spécialisés
prendront en charge les applications ou les nouvelles formes d'analyse. En outre, les données
proviendront de plus en plus souvent de sources externes à l'entreprise par l'intermédiaire d'API.
Au lieu du modèle en étoile, au centre duquel se trouve l'entrepôt de données, l'infrastructure de
traitement des données ressemblera davantage à une chaîne d'approvisionnement distribuée.
Le Big Data est le principal moteur de ce nouveau modèle, et son intégration est la clé de
son fonctionnement. Les directeurs informatiques et les dirigeants soucieux d'exploiter
rapidement le Big Data et la BI existante ont tout intérêt à acquérir les fonctionnalités
suivantes, qui formeront la base d'une nouvelle chaîne d'approvisionnement de données.
Fonctionnalités nécessaires à l'intégration
du Big Data
Pour opérer les bons choix quant à l'assemblage des composants d'un système d'intégration
du Big Data, rééchissez à ce dont vous avez besoin. La plupart des entreprises nécessitent
les fonctionnalités suivantes pour prendre en charge l'intégration du Big Data.
Connexion, transport et transformation
L'accès aux données, leur déplacement et leur transformation sont au cœur de plusieurs
générations de technologies d'intégration des données. L'intégration du Big Data change
la donne.
L'accès aux données via Hadoop ou via des bases de données NoSQL et analytiques doit
être pris en charge. Il est primordial de pouvoir dénir ou découvrir un schéma.
La technologie moderne d'intégration de données doit être déployée à la fois dans des
modèles Cloud et sur site.
La synchronisation des données entre référentiels est indispensable à mesure que la
chaîne d'approvisionnement des données se complexie. La technologie d'intégration
des données devra proposer des mécanismes de transfert capables de gérer les nouveaux
volumes. Les informations issues de l'analyse du Big Data doivent être fournies aux
applications an que des modèles plus détaillés de la réalité soient disponibles. Par exemple,
plutôt que de se limiter aux bases de données SQL, les données seront synchronisées à l'aide
d'une technologie d'analytique en mémoire.
La capacité à transformer les données demeure une fonctionnalité cruciale. Les outils
doivent simplier au maximum la conception et la mise en œuvre des transformations.
Pour pouvoir remplir leurs fonctions, les analystes doivent être en mesure de combiner et
d'extraire des données de sources très variées. Ce travail a lieu en grande partie dans la couche
d'intégration des données. Les transformations doivent pouvoir être réutilisées et partagées.
L'intégration du Big Data implique la possibilité de traiter des ux de données en temps
réel en provenance de systèmes de messagerie, de bus de services d'entreprise et de chiers
journaux de serveurs.
Bien que la
technologie
d'intégration
actuelle propose
de nombreuses
fonctionnalités
permettant d'accéder
aux données, de les
déplacer et de les
transformer, le Big
Data introduit de
nouvelles exigences.