PENTAHO

Urszula RADCZYNSKA-GAUTIER

Directrice Commerciale Grands Comptes

+33(0)6 73 14 34 14

www.pentaho.com/fr

Analytique

API

Applications

Dataviz

Infrastructure

Institutionnels

Consultants/SSII

Intégrateurs

Pentaho, société d’Hitachi Data Systems, est un acteur majeur de l’intégration de données et de l’analytique avec une plateforme open source pour l’entreprise qui permet le déploiement de divers projets Big Data.

 

Sa plateforme unifiée et complète pour l’intégration et l’analyse des données est totalement intégrable
et assure la gouvernance des données pour inclure des fonctions analytiques puissantes dans n’importe quel environnement. La mission de Pentaho est d’aider les entreprises de divers marchés à capter la valeur de toutes leurs données, y compris des Big data et des données issues de l’Internet des Objets,
leur permettant ainsi d’identifier de nouvelles sources de revenus, d’opérer plus efficacement, de fournir des services remarquables et de minimiser les risques.

 

Nouveauté : Pentaho combine de façon native des fonctions d’intégration avec la visualisation et l’analyse de données. Grâce à la possibilité de visualiser les données en amont, les utilisateurs peuvent maintenant inspecter les données à la volée ainsi qu’à n’importe quel stade du processus de préparation des données. Parmi les fonctions clés de Pentaho Business Analytics :

  • Croiser et virtualiser les jeux de données à la volée afin d’accélérer l’accès et accroître la flexibilité lors de l’agrégation des données
  • Assurer en continu le croisement des données à grande échelle grâce à une « transmission optimisée », c’est-à-dire la transformation des données orientée vers les processus de traitement les plus efficaces
  • Mettre facilement en forme les données les plus complexes
  • Suivre et stocker les détails de traçabilité des données à chaque exécution de processus
  • Améliorer les fonctions de collaboration de façon à partager les résultats d’exploration de données avec des outils perfectionnés de modélisation en ligne (modification du modèle en aller et retour)

 

Pour évaluer gratuitement Pentaho Business Analytics : cliquez ici.

Pentaho

Sebastien

Cognet

Ingénieur commercial EMEA

interview

Les fabricants devraient avoir une approche pragmatique de l’Internet des Objets (IoT)

Par Sebastien Cognet, Ingénieur commercial EMEA – Pentaho, a Hitachi Data Systems Company

 

Au siècle dernier, les mineurs de charbon emmenaient des canaris dans les tunnels de la mine pour détecter les niveaux de toxicité du monoxyde de carbone. Ce gaz dangereux aurait tué les canaris avant
de tuer les mineurs, ce qui donnait ainsi l’alerte pour sortir immédiatement des tunnels. Aujourd’hui,
les mineurs utilisent des capteurs de chaleur à combustion infrarouges et catalytiques pour détecter
les gaz toxiques et inflammables. Reliés à Internet, ces capteurs permettent à un agent de sécurité
de contrôler à distance et même de prévoir les risques potentiels avant qu’ils n’aient une chance de s’aggraver. Bienvenue dans une application révolutionnaire d’intervention et de maintenance prédictives !

Selon les prévisions d’IDC, le marché mondial de l’IoT atteindra 7,1 trillions de dollars d’ici 2020 avec
des données qui représenteront 10% de toutes les données sur terre. Il est évident que de plus en plus d’entreprises veulent prétendre à leur part de cette manne de l’IoT, mais bon nombre d’entre elles ne savent pas vraiment par où commencer et comment définir leurs projets. Je lisais récemment que les producteurs de lait installent des capteurs sur les vaches pour détecter l’ovulation et les périodes où elles augmentent leur production de lait. Cependant, lire les données des capteurs n’est pas gage de réussite.

J’encourage les entreprises à adopter une approche pragmatique de l’IoT. Plutôt que de commencer par un vaste concept élaboré de l’IoT, je préconise de revenir à une problématique métier qu’il est véritablement nécessaire de résoudre. Par exemple, la ferme laitière pourrait examiner sa chaîne de production
et découvrir que le principal problème n’est pas la production de lait, mais une altération et une perte. Dans ce cas, cela aurait plus de sens de déployer des capteurs pour préserver la fraicheur du lait durant
le transport et le stockage que de les utiliser pour augmenter la production.

 

Une approche pragmatique, qui se concentre sur un seul problème métier concret à la fois, donne l’opportunité d’explorer et de résoudre certaines des difficultés techniques spécifiques à l’analyse
des données IoT. En voici cinq des plus couramment rencontrées :

 

  • Volume et “parasites ” des données : exploiter l’IoT implique souvent de trouver une aiguille dans une botte de foin. Cependant, selon le cas d’utilisation, les « objets » peuvent générer d’énormes volumes de données. Le défi consiste alors à filtrer les informations parasites et trouver celles qui sont vraiment importantes. C’est pourquoi de nombreuses entreprises y intègre une « analyse de flux »
    et une « analyse de processus ». La première fournit en temps réel des informations issues des flux
    de données telles que les parcours de navigation, logs, données de mesure et la seconde consiste
    à prendre des captures de données machine, plutôt que de libérer une avalanche de données en temps réel.
  • Urgence et latence : l’IoT sous-entend différents niveaux d’exigence en termes d’urgence et de latence. Il est important d’en tenir compte parce qu’on s’attend à interagir avec le « monde réel » en temps réel, si bien que de nombreux événements appellent à une latence nulle. Ainsi, ce capteur dans
    la mine doit déclencher une alerte dès qu’il détecte la présence de gaz toxiques. Sinon, revenons au canari ! Egalement, d’autres informations de l’IoT ne sont peut-être pas nécessaires « juste à temps », telles que les données régulièrement recueillies pour continuer à affiner et améliorer le modèle prédictif lui-même. Ces données peuvent potentiellement être collectées et traitées plusieurs fois
    par jour, par exemple. Les architectures temps réel et de traitement par batch ont toutes les deux
    leur place dans l’IoT.
  • Variété de données provenant d’un manque de normes : bien que les industries travaillent activement pour y remédier, un problème majeur de l’IoT est le manque de normes. Trop peu de normes gouvernent les diverses données générées par différents capteurs. Cela signifie que des appareils similaires de différents fabricants utilisent des formats de données complètement différents
    et génèrent des données à des fréquences différentes. Pour pallier l’immense variété de données existantes, une plateforme analytique doit être ouverte et indépendante d’un matériel.
  • Croisement de données : dans le cas d’utilisation des opérations préventives par exemple, les entreprises veulent collecter les données provenant des « objets » (tels que les capteurs de chaleur
    à combustion infrarouges et catalytiques) et les croiser avec des données relationnelles pertinentes, telles que des accords de maintenance, informations de garanties et de cycle de vie des composants.
    Il est alors essentiel que les entreprises puissent se fier aux données à partir desquelles elles prennent leurs décisions importantes. Ce qui nous conduit au point suivant.
  • Traçabilité des données : il s’agit essentiellement de l’enregistrement et de l’authentification
    de l’ascendance et de la véracité des données. Ceci est particulièrement important pour préserver
    la « santé » des données et fournir une chaîne de conservation des données vérifiable.

 

Une collaboration entre l’équipe informatique et des experts métiers sera plus que jamais essentielle
pour l’analyse des données IoT. En plus de ceux qui comprennent les données, il faut des experts qui comprennent les données dans le contexte d’appareils ou de capteurs spécifiques. Alors que n‘importe quel analyste peut comprendre les données dans le contexte d’indicateurs de performances d’un entreprise, seul un vétérinaire serait à même d’expliquer ce que des variations de température signifient
en termes de fertilité et de production de lait.

 

Cependant mes conseils aux entreprises pour une adoption de l’IoT par étape, ne doivent limiter
aucune ambition !