Les entreprises modernes ont de grandes quantités de données à portée de main et sont parfaitement conscientes de la façon dont les stratégies de données d’entreprise ont un impact positif sur les résultats commerciaux. Malgré cela, seulement une poignée des organisations interagissent avec toutes les étapes du processus du cycle de vie des données pour véritablement distiller des informations qui distinguent les entreprises prêtes pour l’avenir des autres. Un grand potentiel reste inexploité lorsque les entreprises ne traduisent pas leurs données en informations exploitables dès leur création, ce qui érode l’utilité des données au fil du temps.
L’un des moyens d’accélérer le délai d’obtention d’informations consiste à effectuer des analyses sur des données en temps réel. C’est l’objet des « données en mouvement ».
Qu’est-ce que les données en mouvement ?
Les données en mouvement sont l’une des trois grandes étiquettes utilisées pour décrire les données dans le cadre d’un cycle de vie unifié des données. Il peut être « au repos », « en cours d’utilisation » ou « en mouvement ». Les données en mouvement se composent de trois éléments distincts : le flux de données, les flux de messages, ainsi que le traitement et l’analyse des flux.
Vers 2016, nous avons commencé à parler de données en mouvement dans le contexte d’une plateforme de données d’entreprise. Au cours des trois dernières années environ, les données en mouvement ont gagné en popularité en raison de leurs applications généralisées dans divers secteurs.
Quelles sont les applications industrielles des données en mouvement ?
Les données en mouvement ont été utilisées dans les applications 4G, cependant, la 5G ouvre un monde de nouvelles possibilités. Pour soutenir la prolifération des applications 5G, les fournisseurs de télécommunications utilisent l’analyse de localisation pour rendre les connexions plus fiables, par exemple en accélérant la résolution des problèmes de réseau. modèles pour atteindre des normes de service élevées à grande échelle.
Dans le même temps, l’adoption de la 5G accélère l’Internet des objets (IoT). Le Japon et la Corée du Sud devraient voir 150 millions de connexions IoT d’ici 2025, qui comprendra les secteurs de la fabrication et de la logistique. Les revenus générés par l’IoT devraient atteindre 460 milliards de dollars d’ici 2026, ce qui équivaut à une augmentation de près de 30 % du TCAC dans le secteur manufacturier. Les applications de maintenance prédictive permettent aux grands fabricants de collecter des données de télémétrie et d’intégrer toutes les fonctions IoT, et celles-ci sont alimentées par des modèles pilotés par des données en temps réel.
Le secteur des services financiers a dû consacrer davantage de ressources à la personnalisation, à la lutte contre la fraude et à la réduction du risque de concentration du cloud. L’accès en temps réel à des données précises sur les clients qui pilotent les modèles d’apprentissage automatique sont essentiels à l’exactitude des prédictions ou des recommandations qu’ils font en temps réel. Certains pays ont établi des directives pour que le secteur financier gère les risques en ne s’appuyant pas sur un seul fournisseur de services cloud, et cela influence les types de services cloud natifs que les organisations consomment. En outre, les principales institutions financières prêtes pour un avenir bancaire numérique s’appuient sur les données en mouvement pour intégrer le risque climatique dans tous les modèles de risque lors de la prise en compte des facteurs ESG, un sujet qui occupe de plus en plus le devant de la scène dans les discussions sur la finance et l’investissement.
Il existe de nombreux autres cas d’utilisation que nous partagerons dans notre prochain webinaire qui les examine dans le contexte des tendances et des défis futurs.
Ce dont une plateforme a besoin pour prendre en charge les données en mouvement
Une plateforme n’est vraiment capable d’exploiter le potentiel des données en mouvement que lorsqu’elle peut intégrer des données de différents types et sources et couvre toutes les étapes du cycle de vie des données, de la périphérie à l’IA. De plus, les données étant en constante transformation, les organisations ne peuvent se permettre de négliger l’importance de protéger l’intégrité des données et d’assurer la traçabilité de leur lignée pour garantir la qualité et la fiabilité des informations. Pour répondre aux besoins changeants des entreprises, les plates-formes de données doivent également être extensibles pour prendre facilement en charge de nouveaux connecteurs et processeurs.
Les organisations s’efforcent d’atteindre un équilibre entre trois dimensions principales : des coûts réduits, des informations plus rapides et de meilleures performances ou précision. Plus les coûts requis pour traiter les données sont faibles, moins il faut en extraire de valeur pour que le retour sur investissement en vaille la peine. Au fur et à mesure que de nouvelles méthodes et technologies sont créées pour obtenir des informations à moindre coût, de nouvelles possibilités et de nouveaux cas d’utilisation s’ouvrent. Étant donné que la valeur des informations diminue avec le temps, plus le temps qui s’est écoulé entre un événement commercial est long, moins l’organisation dispose de temps pour analyser les données qui affectent les décisions critiques. La dimension de l’exactitude des données ou d’autres mesures de performance est tout aussi importante. Une combinaison de réduction des retards et de réduction du nombre d’erreurs augmente considérablement notre confiance dans la compréhension des données et, par extension, sa valeur.
En quoi les données en mouvement sont-elles pertinentes pour une organisation axée sur les données ?
Dans un précédent article de blog nous avons discuté de la façon dont la stratégie et la culture étaient des composants essentiels d’une organisation axée sur les données. L’utilisation des données en mouvement permet de prendre des décisions meilleures et plus rapides à tous les niveaux avec une plus grande confiance. La disponibilité d’informations en temps réel sur les produits et les consommateurs favorise une plus grande agilité et alimente l’innovation tout en optimisant l’efficacité opérationnelle grâce à des capacités de maintenance prédictive.
Comment les données en mouvement devraient-elles se développer à l’avenir ?
À mesure que les données en mouvement gagnent en importance, nous nous attendons à voir trois tendances principales : la convergence de l’analyse par lots et en continu au sein des organisations, la mise en œuvre accrue d’architectures hybrides et la montée en puissance de modèles d’utilisation dynamiques.
Les organisations devront unifier les données au repos avec les données en mouvement de manière nouvelle et flexible tout en stockant leurs données dans des environnements de données hybrides, à la fois sur site et potentiellement sur plusieurs clouds publics. Cela nécessitera des outils et des plates-formes analytiques qui simplifient les opérations et prennent efficacement en charge les déploiements hybrides sécurisés. De plus, les plates-formes de données d’entreprise doivent être élastiques et évolutives pour s’adapter aux charges de travail dynamiques et parfois imprévisibles.
Les possibilités des données en mouvement sont infinies et seront explorées dans notre prochain webinaire avec Cloudera APAC Field CTO Daniel Mainêtes-vous prêt pour l’avenir des données en mouvement ?
Découvrez comment les données de votre organisation peuvent se transformer en meilleurs résultats commerciaux en vous inscrivant à notre webinaire ici.
Source link