Faire travailler les données pour vous : la puissance de l’unification des données

En tant que co-fondateur de SmartLogic, j’ai été à l’avant-garde de la stratégie et de l’orientation des produits pour l’entreprise depuis qu’elle était une entreprise. Et bien avant notre acquisition en 2021 par MarkLogic. En 2001, nous nous sommes concentrés sur le développement des moteurs de recherche et la gestion des connaissances. Mais avec l’essor de Google, nous avons rapidement réalisé que notre différenciation concurrentielle viendrait en améliorant à la fois la qualité et l’agilité des données que nous pouvions offrir aux clients, dans tous les types de formats.

La qualité et l’agilité des données sont intrinsèquement fournies en ajoutant, puis en exploitant, des métadonnées précises et étendues à tous les éléments de données pertinents pour la tâche à accomplir. Après tout, les métadonnées sont l’épine dorsale des architectures de données plus modernes telles que le hub de données, la structure de données, le maillage de données et les graphes de connaissances. Plus d’informations à ce sujet plus loin dans les exemples de clients puisque Semaphore est un leader reconnu dans ce domaine.

Avance rapide jusqu’à aujourd’hui et notre nouvelle maison à Progress, je vois toujours un énorme potentiel pour les organisations de faire un meilleur usage des données dont elles disposent déjà.

Sous-utilisation des données non structurées

Selon les chiffres d’IDC, 80 % des données au sein d’une organisation seront non structurées d’ici 2025. Pourtant, la plupart des décisions sont basées sur les 20 % de données structurées. Cela soulève une question intéressante : les 20 % qu’ils utilisent sont-ils suffisamment représentatifs des 80 % ? En d’autres termes, les données utilisées par les entreprises les orientent-elles dans la meilleure direction possible ? Il est difficile de le savoir, car les coûts d’une description suffisante des données non structurées ont, historiquement, été hors de portée.

Notre objectif chez MarkLogic a été de résoudre ce delta et de permettre aux organisations de mieux utiliser les données dont elles disposent déjà. Trop souvent, les clients posent des questions sur les données encadrées dans leurs paramètres de cas d’utilisation actuels. L’astuce consiste alors à aborder les conversations avec les clients, en ne limitant pas l’enquête à des problèmes de données étroits, mais en étant ouvert au vaste potentiel des données pour habiliter la prise de décision organisationnelle. Il existe une infinité d’applications pour cela, mais pour commencer, je vais vous présenter quatre domaines clés qui peuvent transformer fondamentalement la façon dont les organisations utilisent leurs données.

Prendre des décisions proactives

Les décisions réactives sont belles, mais, par définition, elles laissent les praticiens courir après des crises qui auraient pu être évitées. L’évaluation des données et leur utilisation pour prévoir et atténuer les problèmes de maintenance avant qu’ils ne surviennent ont généré des gains de coûts et d’efficacité considérables pour nos clients industriels.

Par exemple, les arrêts de produits de machines de fabrication de CPU très capricieuses ont entraîné des retards de production et forcé l’un de nos clients à mettre au rebut des lots de produits parce qu’ils ne répondaient pas aux normes de pureté. Un peu de poussière peut faire des ravages, apparemment. Mais ce problème a ensuite été atténué en suivant un régime de maintenance préventive, rendu possible par une utilisation intelligente des données.

Grâce aux données, les ingénieurs pouvaient prédire quand les pièces tomberaient en panne et quand un nettoyage serait nécessaire, puis résoudre ces problèmes à l’avance lors de la maintenance d’urgence d’autres pièces ou pendant les temps d’arrêt programmés du système. Pour ce faire, le client a créé un graphe de connaissances avec toutes les données de ses processus et de sa documentation, ainsi que toutes les données d’ingénierie et les données IoT. Ils pourraient ensuite interroger les données en temps réel pour voir quels systèmes ont été identifiés comme nécessitant un service proactif. En exploitant leurs données, l’entreprise a réalisé d’énormes économies de coûts. Ils ont cessé de réagir aux urgences et de jeter des lots de produits – ces derniers entraînant des pénalités financières – et ont adopté une maintenance proactive. Pourtant, ce n’est qu’une des nombreuses applications potentielles de notre technologie.

Innover de nouvelles sources de revenus

De nombreuses industries ont des produits qui sont essentiellement des produits d’appel mais qui perdurent car ils ouvrent des opportunités de revenus récurrents. Les fabricants d’imprimantes gagnent de l’argent sur l’encre, par exemple. Il est donc primordial de minimiser les coûts de support client sur les produits d’appel. Chaque instant passé à se disputer avec les clients sur des problèmes simples fait perdre de l’argent à l’entreprise. Le libre-service client devient donc essentiel pour pérenniser ce modèle économique.

À l’aide d’un graphe de connaissances qui exploitait sa documentation, sa base de connaissances et ses données d’assistance, ce client a utilisé Semaphore et MarkLogic pour créer un système dans lequel les clients pouvaient expliquer leur problème en langage naturel. Ils recevraient ensuite les passages précis dont ils avaient besoin pour résoudre leur problème, regroupés dans un guide de dépannage étape par étape pratique. Cela a permis aux clients de résoudre rapidement les problèmes et de réduire les coûts de service, le tout via une application Web intelligente alimentée par les données.

Mise à l’échelle pour l’agilité des données

De nombreux systèmes d’entreprise critiques utilisent des mainframes, mais les MIPS mainframe sont très coûteux en raison de l’implication matérielle, de l’application logicielle et des implications de maintenance. Peu de systèmes, voire aucun, sont conçus pour gérer les charges de travail transactionnelles à l’ère du Web. Nous avons un client de la santé qui reçoit des centaines de demandes par minute pendant sa période d’inscription ouverte. Faire évoluer le mainframe pour ces périodes de pointe serait extrêmement coûteux, coûtant des centaines de millions. Pourtant, il resterait inactif le reste de l’année et coûterait cher à entretenir. Pour ces contextes, MarkLogic fournit un concentrateur de données, c’est-à-dire un cache, déployé en tant que concentrateur de données opérationnel, faisant abstraction des systèmes d’entreprise et offrant une évolutivité élevée et un accès plus facile à des données plus simples. Une fois toutes les données ingérées, elles sont dénormalisées, de sorte qu’elles sont beaucoup plus proches des besoins du cas d’utilisation cible et sont donc plus rapides à servir. Le serveur et les clusters MarkLogic sont ensuite mis à l’échelle en fonction de la demande. En dehors des heures de pointe, il peut être réduit, offrant à la fois puissance et agilité.

L’un des principaux avantages de MarkLogic par rapport aux systèmes sources en expansion est qu’en général, aucun de ces systèmes ne se renvoie les uns aux autres. Silos de données sans informations contextuelles à leur sujet. Avec MarkLogic, vous disposez d’un système entièrement lié, harmonisé et interrogeable. Au lieu d’un trou noir de données, vous avez une transparence totale. Et, vous avez beaucoup plus de pouvoir parce que vous joignez plusieurs systèmes ensemble.

Évolution des balises pour la gestion de contenu Web

Le balisage est un problème permanent pour quiconque utilise des systèmes de gestion de contenu Web. Les auteurs ajoutent des balises, sans se soucier de savoir si elles sont compatibles ou significatives. Franchement, le même auteur peut appliquer des balises divergentes à un contenu analogue au jour le jour, créant un gâchis de métadonnées intenable. Au lieu de cela, nous pouvons utiliser MarkLogic pour travailler dans les coulisses en appliquant certains détails de métadonnées, en fournissant une base de données de contenu et une base de données de documents qui ont beaucoup plus de sens. Maintenant, étendez ce scénario au-delà d’une seule instance Web à des milliers. Certains de nos clients utilisent les capacités de métadonnées sémantiques de Semaphore pour gérer des centaines de sites Web en 27 langues. À cette échelle, une approche disciplinée de l’organisation des métadonnées devient un impératif commercial.

La prochaine évolution des données ne consiste pas nécessairement à trouver de nouvelles sources de données, mais à faire un usage réfléchi des données dont disposent déjà les organisations. J’ai hâte de continuer à travailler avec les clients pour trouver de nouvelles et nouvelles applications pour l’utilité des données d’entreprise, maintenant dans le cadre de Progress.

Source link