Your browser is out of date

Update your browser to view this website correctly. Update my browser now

×

Pour être orientées données, les entreprises ont besoin d'une nouvelle approche.

Toutes les entreprises désirent utiliser les données pour prendre de l'avance sur la concurrence, mais la plupart ne le font pas. Pourquoi ? À cause de l'abondance de données et des silos d'analyses.

Les applications les plus utiles et révolutionnaires (maintenance prédictive basée sur l'IoT, recherche génomique, contrôle de conformité en temps réel) font appel à plusieurs charges de travail d'analyses, ainsi que des outils de data science et des algorithmes de machine learning exécutés sur les mêmes ensembles de données hétérogènes. C'est ainsi que les entreprises les plus innovantes dégagent de la valeur de leurs données et se démarquent à une période où ces dernières jouent un rôle central.

Néanmoins, de nombreuses entreprises se confrontent à des problèmes :

  1. Leurs charges de travail analytiques sont exécutées de manière indépendante, en silos, car les entrepôts de données sur le cloud et les outils de data science même les plus récents, n'ont pas été conçus pour fonctionner de pair.
  2. Leurs données sont dispersées dans des entrepôts de données, sur des clouds publics et en périphérie, et elles ne disposent pas de moyens pratiques pour les analyser ou les soumettre à des algorithmes de machine learning.
  3. Les silos d'analyses et les données de toute part rendent presque impossible l'adoption d'une approche cohérente en matière de confidentialité des données ou de l'indice de protection. Au mieux, ils forcent les entreprises à mettre en place des contrôles contraignants qui freinent la productivité et augmentent les coûts.

 

La plupart des entreprises doivent revoir leur approche. En effet, les analyses simples qui améliorent la visibilité des données ne suffisent pas. Pour être axé sur les données, il faut pouvoir exécuter différents types d'analyses, quel que soit l'endroit. Prenons l'exemple des véhicules autonomes et connectés : il faut traiter et transmettre des données en continu et en temps réel depuis différents points de terminaison à la périphérie du réseau, tout en prédisant les résultats clés et en utilisant le machine learning sur le même ensemble de données. 

Une nouvelle approche : un cloud de données d'entreprise

Une Enterprise Data Cloud permet d'obtenir des informations claires et exploitables à partir de données complexes où qu'elles se trouvent, de l'Edge à l'IA.

Il offre la flexibilité nécessaire à l'exécution des charges de travail analytiques en tout point, peu importe l'emplacement des données.

Il permet également de déplacer ces charges de travail vers d'autres environnements cloud, qu'ils soient publics ou privés, afin d'éviter la dépendance à des fournisseurs.

De plus, il dispose de la même agilité, flexibilité et facilité d'utilisation que les clouds publics, ainsi que d'un cadre de sécurité et de gouvernance commun pour garantir fondamentalement la confidentialité des données et le respect de la réglementation.

Le cloud de données d'entreprise se place comme une véritable innovation auprès des entreprises.

enterprise data cloud architecture diagram
Cloud hybride et multi-cloud

Il doit offrir les mêmes fonctionnalités sur site ou hors site, et prendre en charge tous les plus importants clouds publics, sans oublier les clouds privés.

Analyses multi-fonctions

Il doit permettre à différentes fonctions d'analyse de fonctionner simultanément sur les mêmes données, en résolvant les problèmes de données urgents de manière fluide.

Sécurité et gouvernance

Il doit garantir le respect d'exigence stricte en matière de confidentialité, de gouvernance et de migration des données ainsi que de gestion des métadonnées dans tous les environnements.

Plateforme ouverte

Il doit être 100 % open source, offrir des services de calcul et de stockage ouverts, garantir l'indépendance vis-à-vis des fournisseurs ainsi qu'une interopérabilité maximale.

Répondre aux besoin métier grâce aux analyses de l'Edge à l'IA

Les clients de Cloudera nous expliquent comment le machine learning et les analyses sécurisées, gouvernées et multi-fonctions permettent de transformer les données complexes en informations claires et exploitables.

Cloudera permet d'effectuer tous les types d'analyses de données nécessaires afin de répondre aux besoins métier les plus exigeants. Ainsi, de l'Edge à l'IA, les différentes disciplines de l'analytique (analyses Edge, analyses en temps réel, ingénierie des données, entreposage de données, analyses opérationnelles, data science et machine learning) fonctionnent ensemble de manière sécurisée et s'exécutent sur les environnements de votre choix (datacentres, clouds publics multiples ou cloud hybride).

Nos plateformes actuelles offrent toutes les fonctionnalités clés d'un cloud de données d'entreprise : cloud hybride et multi-cloud public, analyses multi-fonctions, services de sécurité et de gouvernance partagés (SDX) et plateformes open source avec calcul et stockage au choix.

Nous pouvons toutefois faire mieux. Nous sommes sur la bonne voie pour lancer le premier cloud de données d'entreprise du secteur avec la nouvelle plateforme Cloudera Data Platform.

 

enterprise data cloud diagram

Nous proposons le premier cloud de données d'entreprise du secteur

cloudera data hub diagram

La plateforme de données Cloudera (Cloudera Data Platform ou CDP) associe les meilleures technologies d'Hortonworks et de Cloudera afin de proposer le premier cloud de données d'entreprise du secteur. Le but de CDP est :

  • de proposer un service de cloud public dans un premier temps, avant de s'étendre au cloud privé plus tard dans l'année ;
  • de permettre aux clients de renforcer leurs déploiements actuels de HDP et CDH grâce à des services cloud natifs proposés par AWS et Azure, les deux clouds publics les plus prisés ;
  • de proposer une offre complète de gestion des données open source et d'analyses multi-fonctions offrant la même agilité, flexibilité et facilité d'utilisation qu'un environnement de cloud public ;
  • de pouvoir gérer infrastructure, données et charges de travail d'analyses sur des environnements hybrides et multi-cloud, le tout sur un seul et même plan ;
  • d'étendre les services partagés SDX pour protéger la confidentialité des données, assurer le respect de la réglementation et lutter contre les menaces de cybersécurité sur tous les environnements cloud ;
  • et de garantir un service 100 % open source pour accompagner nos clients dans la réalisation de leurs objectifs en évitant la dépendance à un fournisseur et en accélérant l'innovation.

Your form submission has failed.

This may have been caused by one of the following:

  • Your request timed out
  • A plugin/browser extension blocked the submission. If you have an ad blocking plugin please disable it and close this message to reload the page.