Passez au Small and Wide Data ! C’est une des dix tendances du Gartner Top 10 Data and Analytics Trends for 2021. En clair, la fin du Big Data…

Le Small and Wide Data succèdera au Big Data en raison de la pandémie ! Un rien excessif, Gartner considère que les entreprises qui reposent sur de larges quantités de données historiques ont réalisé avec la pandémie que la plupart de leurs modèles ne sont plus pertinents. «La pandémie a tout changé, rendant beaucoup de données inutiles», expliquent les analystes.

Dépassées sont les techniques traditionnelles d’AI reposant sur des données historiques massives ! L’avenir, soutient Gartner, est aux technologies d’analyse et d’AI qui requièrent moins de données, mais davantage de diversité. En clair, il est temps de passer du Big Data au Small and Wide Data. C’est une des dix tendances du Gartner Top 10 Data and Analytics Trends for 2021. Moins de «grandes» données à la faveur d’une classe d’analyse qui nécessite moins de données, ou «petites» et plus variées.

Responsabilité et agilité

Tendance 1 : Vers une AI plus intelligente et plus responsable –

«Responsable» : le terme est décidément en vogue… Tous les acteurs du cloud et de l’AI le mettent désormais bien en avant dans leur communication. Les AI ne doivent plus être des boîtes noires; elles doivent préserver la vie privée, se conformer aux réglementations en vigueur et minimiser les biais. Parce que les données d’hier ne sont, paraît-il, plus pertinentes dans le monde post-COVID, les AI doivent aussi être plus intelligentes qu’avant, se contenter de moins de données, grâce aux techniques d’«adaptative machine learning»

Tendance 2 : Des données «composables» – «Composable Data», autre buzz word cher à Gartner. On connaissait les systèmes composables, les services composables… Voici les données composables. L’idée consiste à aller piocher des données multiples depuis des sources multiples pour se composer des jeux précisément utiles aux business de l’entreprise. Désormais, il faut aussi utiliser les composants de différentes solutions analytiques et différents services AI en profitant des aspects plateformes et des API pour se composer tout un univers de données personnalisé pour l’entreprise. L’agilité et la productivité des entreprises reposent sur cette capacité à composer avec ce qui existe déjà pour éviter de perdre du temps à réinventer la roue. Pour Gartner, «non seulement les données et l’analytique composables favorisent la collaboration et l’évolution des capacités décisionnelles de l’entreprise, mais elles améliorent aussi l’accès aux outils d’analyse».

Small and Wild Data,  des données plus petites et variées

Tendance 3 : Une Data Fabric en fondation – La Data Fabric, c’est l’architecture ou la plateforme qui supporte la vision des «données et d’une analytique composables». Autrement dit, c’est un environnement unique et unifié s’appuyant sur un ensemble de services et technologies pour mieux gérer et gouverner les données. La structure de données réduit le temps de conception d’intégration de 30 %, de déploiement de 30 % et de maintenance de 70 %. De fait, les conceptions technologiques s’appuient sur la capacité d’utiliser / réutiliser et de combiner différents styles d’intégration de données. De plus, les structures de données peuvent tirer parti des compétences et des technologies existantes des centres de données, des lacs de données et des entrepôts de données tout en introduisant de nouvelles approches et outils pour l’avenir.

Tendance 4 : des grandes aux petites et larges données – Les données petites et larges, par opposition aux mégadonnées, résolvent un certain nombre de problèmes pour les organisations confrontées à des questions de plus en plus complexes sur l’AI et à des défis avec des cas d’utilisation de données rares. Gartner signe la fin du Big Data au profit du Small and Wild Data. Des données étendues -tirant parti des techniques «d’analyse X»- permettent l’analyse et la synergie d’une variété de sources de données petites et variées (larges), non structurées et structurées pour améliorer la prise de conscience contextuelle et les décisions. Les petites données, comme leur nom l’indique, sont capables d’utiliser des modèles de données qui nécessitent moins de données mais offrent tout de même des informations utiles.

DevOps et intelligence opérationnelle

Tendance 5 : XOps – L’objectif de XOps (données, apprentissage automatique, modèle, plate-forme) est de réaliser des gains d’efficacité et des économies d’échelle en utilisant les meilleures pratiques DevOps. Et d’assurer la fiabilité, la réutilisabilité et la répétabilité tout en réduisant la duplication de la technologie et des processus et en permettant l’automatisation. Ces technologies permettront la mise à l’échelle des prototypes et offriront une conception flexible et une orchestration agile des systèmes de prise de décision gouvernés. Dans l’ensemble, XOps permettra aux organisations d’opérationnaliser les données et les analyses pour générer de la valeur commerciale.

Tendance 6: intelligence décisionnelle technique – L’intelligence décisionnelle est une discipline qui comprend un large éventail de processus décisionnels, y compris l’analyse conventionnelle, l’AI et les applications de systèmes adaptatifs complexes. L’intelligence décisionnelle de l’ingénierie s’applique non seulement aux décisions individuelles, mais également aux séquences de décisions, en les regroupant en processus métier et même en réseaux de prise de décision émergente. Cela permet aux organisations d’obtenir plus rapidement les informations nécessaires pour mener des actions pour l’entreprise. Lorsqu’elle est combinée à la composabilité et à un tissu de données commun, l’intelligence décisionnelle technique ouvre de nouvelles opportunités pour repenser ou repenser la façon dont les organisations optimisent les décisions et les rendent plus précises, répétables et traçables.

Inclure davantage les CDO

Tendance 7 : les données et l’analyse en tant que fonction commerciale principale – Les chefs d’entreprise commencent à comprendre l’importance d’utiliser les données et les analyses pour accélérer les initiatives commerciales numériques. Au lieu d’être un objectif secondaire -complété par une équipe distincte- les données et l’analyse sont en train de passer à une fonction de base. Cependant, les chefs d’entreprise sous-estiment souvent la complexité des données et finissent par manquer des opportunités. Si les CDO participent à la définition des objectifs et des stratégies, ils peuvent multiplier par 2,6 la production cohérente de valeur commerciale.

Tendance 8 : le graphique raconte tout – Graph constitue la base des données et des analyses modernes avec des capacités pour améliorer et améliorer la collaboration des utilisateurs, les modèles d’apprentissage automatique et l’AI explicable. Bien que les technologies graphiques ne soient pas nouvelles dans le domaine des données et de l’analyse, il y a eu un changement dans la réflexion autour d’elles à mesure que les organisations identifient un nombre croissant de cas d’utilisation. En fait, jusqu’à 50 % des demandes des clients Gartner sur le sujet de l’AI impliquent une discussion sur l’utilisation de la technologie graphique.

Exploiter davantage la périphérie

Tendance 9 : la montée en puissance du consommateur –

Traditionnellement, les utilisateurs professionnels étaient limités aux tableaux de bord prédéfinis et à l’exploration manuelle des données. Souvent, cela signifiait que les tableaux de bord des données et des analyses étaient limités aux analystes de données ou aux scientifiques des données citoyens explorant des questions prédéfinies. Cependant, Gartner pense qu’à l’avenir, ces tableaux de bord seront remplacés par des informations automatisées, conversationnelles, mobiles et générées dynamiquement, adaptées aux besoins de l’utilisateur et livrées à son point de consommation. Cela transforme les connaissances en perspicacité d’une poignée d’experts en données à n’importe qui dans l’organisation. L’essor du Small and Wild Data tiendra pour une bonne part ce qui se passe en périphérie.

Tendance 10 : données et analyses à la périphérie – À mesure que de plus en plus de technologies d’analyse de données commencent à vivre en dehors des environnements de centre de données et de cloud traditionnels, elles se rapprochent des actifs physiques. Cela réduit ou élimine la latence des solutions centrées sur les données et permet une plus grande valeur en temps réel. Transférer les données et les analyses à la périphérie ouvrira aux équipes de données des opportunités de faire évoluer les capacités et d’étendre leur impact dans différentes parties de l’entreprise. Il peut également fournir des solutions pour les situations dans lesquelles les données ne peuvent pas être supprimées de zones géographiques spécifiques pour des raisons légales ou réglementaires.