Perspectives pour le patrimoine de données hybride

L'ère des données est arrivée, avec une prolifération effrénée de nouvelles sources de données, de nouveaux objectifs et de nouveaux modèles de traitement au sein des entreprises de toutes tailles. Si les données n'ont jamais été aussi précieuses pour une entreprise — elles déterminent désormais le « qui », le « quoi », le « où », le « quand » et le « comment » de prise de décision ce nouveau patrimoine de données hybride patrimoine de données de nouveaux défis. Nous anticipons les initiatives innovantes suivantes en matière de gestion des données, d'intégration et d'analyse pour relever ces défis.

L'essor du HTAP : le meilleur des deux mondes en matière de gestion des données

L'une des tendances les plus prometteuses pour le reste de cette décennie sera le HTAP (Hybrid Transactional/Analytical Processing), un terme inventé par Gartner qui désigne une infrastructure logicielle hybride et convergente capable de gérer à la fois les charges de travail traditionnelles de gestion des données transactionnelles ET gestion des données modernes gestion des données analytique gestion des données .

Every business is struggling to find tools and techniques to effectively analyze the volume, variety, and velocity of data. A new generation of columnar analytic SQL databases (like Actian Analytics Engine) will be critical to delivering on the promise of data-driven decisions. At the same time, organizations are familiar with, and trying to preserve, their investment in traditional transactional SQL databases (like Actian Ingres) that represent the backbone of data management in most organizations. How to marry those two data management needs?

What if you could have both capabilities in the same database? What if you could have the best of both worlds? Robust, enterprise-class OLTP database capabilities that leverage a 30+ year history of pioneering work in data management. And then add the world’s highest-performance columnar analytic database engine (with vector processing) into the same database infrastructure. One database, one security model, one SQL, one vendor – providing an innovative hybrid of operational and analytic processing that covers the entire spectrum of data management! With the ability to deploy to the cloud or on-premise. Now that is something to get excited about.

L'essor des bases de données en périphérie pour gestion des données de l'IoT

Les piles et solutions IoT émergentes ne disposent pas d’un élément essentiel des évolutif : une couche intermédiaire élastique capable de se positionner à la « périphérie » du réseau et de fournir des services de traitement robustes pour l’intégration et l’analyse des données IoT. La plupart des architectures IoT conventionnelles se concentrent simplement sur les deux principaux points d’extrémité : les capteurs eux-mêmes, qui génèrent des données de bas niveau, et le cloud, où les événements des capteurs doivent finalement « aboutir » pour être analysés.

Compte tenu du volume considérable et de la répétition des données des capteurs, il est irréaliste d'envisager de « stocker » l'intégralité de ces données dans le cloud. Les architectures IoT les plus avancées offriront une couche intermédiaire intelligente – une sorte de passerelle située à proximité des capteurs, en périphérie. Cette couche est destinée à la collecte, au traitement et à l'analyse locale précoces des données des capteurs, avant que seules les informations essentielles ne soient transmises au cloud.

The natural technology to deploy at the onboarding “edge” of the network is a bullet-proof embedded IoT edge database. Apart from the obvious advantages of deploying an embedded IoTDB at the “edge” of the network (persistence, security, etc.), you could also apply crucial local filtering (e.g. duplicates, errors, steady states, etc.) and data operations (e.g. sorts, aggregates, model application and local analytics) on the data prior to “landing” the data in the cloud – a much more efficient and productive setup for cloud-based analytics of sensor data.

L'essor des plateformes d'intégration hybride

It seems that regardless of how much we invest, integration remains an unsolved problem – permanently atop the priority list in all IT shops and organizations. The diversity of IT systems guarantees a baseline of integration challenges. An uncountable number of new endpoints every year exacerbates the situation. Factor in that old and new end-points are changing constantly, and you multiply the problem further. Add the requirement for different integration patterns and delivery models, and you begin to see the many intimidating dimensions of the integration problem.

Is there hope? Yes, tools that surpass the limited nature of today’s typical integration offerings are making their way into the market. Instead of focusing on one dimension of today’s integration problem – legacy on-premises ETL, heavy EAI tooling, or lightweight cloud services – we will see customers turn to hybrid integration platforms – modern, dynamic, and cloud-based solutions – to tackle all dimensions. Whether it is the variety of end-points (cloud, mobile or on-prem), or the variety of patterns (A2A via APIs or B2B via data), or the variety of skills (IT expert to LoB practitioner) or the variety of delivery models (cloud or on-premise), a modern hybrid integration platform like the Actian DataCloud will enable customers to adapt to today’s data integration needs.

L'essor de l'analyse de graphes dans le cloud

Neo4J, the leading commercial provider of on-premises graph database technology, recently raised a funding round of $36 million. This funding establishes graph databases (and the associated graph analytics space) as first-class citizens in the pantheon of modern analytic techniques.

Pourquoi recourir à la visualisation graphique ? Pour reprendre les mots désormais célèbres de Donald Rumsfeld, il y a les « choses connues » (traitées via la BI et le reporting), les « choses inconnues » (traitées via analyse prédictive maîtriser un défi analytique connu tel que la fraude), et enfin les « choses inconnues ». Ce sont les questions que vous ne saviez pas poser, les requêtes que vous ne saviez pas formuler. Quels sont les schémas inconnus/invisibles cachés dans vos données, et comment les trouver ? C'est l'un des grands défis analytiques des jeux de données quelles sont les relations inhérentes (mais invisibles) dans les données ? Quels objets sont « proches » de quels autres objets ? Quels objets sont des « valeurs aberrantes » ? Quels événements, jusqu'ici apparemment sans rapport, partagent un même espace et un même temps ?

C'est précisément pour cette raison que les graphes constituent un nouvel outil analytique essentiel. L'analyse de graphes dans le cloud offre la plateforme de mise en œuvre idéale, et nous nous attendons à voir apparaître des solutions qui vous permettront de transférer vos données vers le cloud, de les charger dans un magasin de données de graphes en arrière-plan tel qu'Actian Versant, puis de les « mettre en graphes » pour mettre en évidence les tendances inhérentes aux données (et même voir de nouvelles tendances émerger spontanément à mesure que vous ajoutez de nouvelles données).

À propos de l'auteur

À propos de Actian Corporation

Actian permet aux entreprises de gérer et de gouverner leurs données en toute confiance, quelle que soit leur ampleur. Les organisations font confiance aux solutions gestion des données d'intelligence des données d'Actian pour rationaliser leurs environnements de données complexes et accélérer la mise à disposition de données prêtes pour l'IA. Conçues pour être flexibles, les solutions Actian s'intègrent de manière transparente et fonctionnent de manière fiable dans les environnements sur site, dans le cloud et hybrides. Pour en savoir plus sur Actian, la division données et IA de HCL Software, rendez-vous sur actian.com.