Un concept dont l'heure est venue

Imaginez que vous ayez été mis au défi de jouer à Steph Curry, le plus grand tireur à trois points de l’histoire de la National Basketball Association, dans un match en tête-à-tête. Ouais, résultat assez prévisible pour 99,9999999% d’entre nous.

Mais imaginons maintenant que Steph Curry doive porter une armure de chevalier dans le cadre de ce jeu. Le poids supplémentaire, la vision obstruée et le manque de flexibilité, d'agilité et de mobilité permettraient probablement même au joueur de basket-ball moyen de le battre.

Bienvenue dans le défi actuel de l'architecture technologique!

Pour de nombreuses entreprises, leur architecture technologique. devient plus un obstacle qu'un catalyseur de la création de valeur. Il ressemble à une fouille archéologique, avec des couches de technologies anciennes superposées à des technologies encore plus anciennes. Résultat: poids supplémentaire, vision obstruée et manque de flexibilité, d'agilité et de mobilité.

Des entreprises numériques modernes telles que Google, Facebook, Twitter, Apple, Netflix, Amazon et Airbnb ont adopté une approche d'architecture technologique qui infrastructure technologique comme «jetable», utilisant des technologies open source.

Et la raison de cette approche ouverte, à mon humble avis, est double:

• Premièrement, la mise à profit de technologies open source offre souplesse, agilité et mobilité aux utilisateurs. les entreprises à passer à la technologie de pointe sans les contraintes et le verrouillage architectural de la technologie traditionnelle. Les technologies traditionnelles progressent au même rythme que les éditeurs de technologies propriétaires. Ces fournisseurs dictent les nouvelles capacités technologiques sur un calendrier de sortie de produit de 9 à 12 mois, rigide et irréprochable, pour lequel les clients ont l’honneur de payer des frais de maintenance annuels de plus de 30%. Les entreprises numériques modernes basent leur infrastructure technologique sur des technologies open source qui non seulement empêchent les architectes de se coincer dans l'architecture, mais leur permettent également de faire progresser les capacités technologiques à leur rythme et à celui de l'entreprise.

• Deuxièmement, et plus important encore, ces entreprises numériques comprennent que la technologie n'est pas la source de la valeur commerciale et de la différenciation. Ils comprennent que la source est:
  • Les données que ces organisations amassent magistralement via chaque engagement client et chaque utilisation du produit ou service
  • Les informations sur le client, le produit et les opérations (propriété intellectuelle sous la forme de tendances, de tendances, de clients, de produits et d'exploitation , associations, relations et modèles) qui ouvrent de nouvelles perspectives en matière de monétisation et de commercialisation

Explorons ces deux principes pour voir quels résultats peuvent être repris par toute entreprise intéressée par la transformation numérique de ses modèles économiques.

Architecture numérique des entreprises

Les entreprises numériques comprennent qu'essayer de rivaliser avec les technologies traditionnelles revient à imposer à Steph Curry le port de l'armure d'un chevalier lors d'une partie de basket-ball. Pour une bonne leçon de technologie moderne, voyons la stratégie de Lyft pour structurer ses architectures technologiques (extrait de l'article [ Quels sont les choix de Lyft dans le Big Data Tech ?]).

L'entreprise:

1. Démarré avec AWS Redshift, mais passage à Apache Hive lorsqu'il a commencé à se heurter à des problèmes d'évolutivité

2. Migration vers Presto pour fournir un moteur de requête plus puissant prenant en charge l'analyse d'exploration de données dans plusieurs sources de données

3. Utilise Apache Spark pour prendre en charge de nombreux lots ETL traitement et formation de ses modèles d’apprentissage automatique

4. Utilise Druid, un magasin de données OLAP en mémoire, en mémoire, orienté colonne, qui excelle dans la réalisation d’explorations et de remontées sur un grand ensemble de data

5. Utilise Jupyter (équipe scientifique des données), une interface populaire du type carnet de notes permettant de travailler avec des algorithmes d'apprentissage de données et de machine, et la bibliothèque PySpark

6. utilisant Apache Airflow, qui permet de créer des données reproductibles. Kubernetes

7. Utilise un mélange d'Apache Kafka, Apache Flink et Spark pour créer des services de diffusion en continu

Hive, Presto, Spark, Druide, Jupyter, Airflow, Kafka , Flink, Kubernetes… des noms loufoques pour des technologies open source que les fournisseurs monolithiques de technologies d'antan ne trouveraient pas.

Lyft et d'autres sociétés numériques modernes comprennent que leur architecture technologique doit servir deux objectifs fondamentaux:

1. Faciliter la capture. , raffinement, conservation, partage, gestion, gouvernance et analyse des actifs de données inestimables de la société

2. Construire une architecture technologique qui ne gêne pas le point n ° 1

L'économie de l'entreprise moderne

Les données constituent l’atout économique d’une valeur durable et différenciée. Les données constituent la source d'informations sur les clients, les produits et les opérations que l'entreprise moderne utilise pour différencier ses produits et ses services tout en visant l'excellence opérationnelle:

• Réduction des temps d'arrêt imprévus

• Réduction des coûts d'approvisionnement, de logistique, de stock, de fabrication et de distribution

• Accroître l'acquisition, la rétention, la maturation et le plaidoyer des clients

Et la science des données est au cœur du processus de création de valeur des données.

Ces entreprises centrées sur les données et l'analyse intègrent étroitement leurs équipes métier et leurs activités. afin de définir les paramètres du succès de l’analyse et d’identifier, capturer et opérationnaliser les sources de création de valeur client, produit et opérationnelle.

Ces organisations maîtrisent l’intégration des disciplines DataOps, data science et DevOps pour alimenter leurs Chaîne de valeur de la monétisation des données

DataOps, data science, DevOps – tous axés sur l'accélération de la monétisation d'un actif que le magazine The Economist a déclaré « la ressource la plus précieuse au monde ». Voir « Curation des données: Tissage des données brutes en Business Gold » pour en savoir plus sur la monétisation des ressources les plus importantes au monde. ressource précieuse.

Résumé de la technologie à usage unique

Quelles leçons pouvons-nous tirer des entreprises numériques modernes?

• Leçon n ° 1: Concentrez-vous sur l'harmonisation de l'organisation pour identifier, capturer et opérationnaliser de nouvelles sources de clients, produits et valeur opérationnelle enfouie dans les données de la société.

• Leçon n ° 2: N'implémentez pas une architecture technologique rigide qui interfère avec la leçon n ° 1.

Ces sociétés numériques modernes, par leurs stratégies d'architecture open source agressives, réalisent qu'elles sont pas dans le secteur de l'architecture technologique; ils sont dans le secteur de la monétisation et de la commercialisation de données.

Maintenant, enlevons cette stupide armure à Steph Curry et faisons pleuvoir trois points!

Et écoutez, s'il vous plaît, la reproduction de nos «[ chemins. Webinaire, avec Phil Carter, analyste en chef chez IDC, et Dan Kearnan et Ginger Gatling de SAP.

Cet article a été initialement publié sur LinkedIn et est republié avec permission. Hitachi Vantara est un partenaire technologique mondial de SAP.