Selon une récente enquête réalisée par Vanson Bourne pour le compte de Teradata (NYSE: TDC), une majorité des plus grandes entreprises du monde (83%) estiment que le cloud est le meilleur endroit pour effectuer des analyses de données. Au cours des cinq prochaines années, d'ici 2023, la plupart des organisations voudront exécuter toutes leurs analyses dans le cloud. Mais un nombre écrasant d'entre elles (91 %) estiment que l'analyse de données devrait migrer vers le cloud public à un rythme plus rapide.
Où sont les obstacles ?
Selon l'enquête, les principaux obstacles au transfert de l'analyse vers le cloud sont la sécurité (50 %), une technologie immature et peu performante (49 %), la conformité avec les réglementations (35 %) et le manque de confiance (32 %). Les autres préoccupations se concentrent sur l'intégration de la technologie et sur les talents disponibles : 30 % d'entre eux ont du mal à connecter les systèmes existants avec les applications de cloud, tandis que 29 % des personnes interrogées considèrent le manque de compétences internes comme un obstacle.
L'enquête, intitulée « L'état de l'analyse de données dans le cloud », a interrogé les principaux responsables technologiques de 700 grandes entreprises mondiales affichant un chiffre d'affaires annuel moyen de 9,73 milliards de dollars (19 % réalisant un chiffre d'affaires d'environ 50 milliards de dollars).
« Les résultats sont clairs : le marché évolue vers l'analyse de données dans le cloud mais la plupart des moteurs d'analyse de cloud actuels manquent de puissance ou de vitesse pour gérer des charges analytiques d'entreprise », explique Martyn Etherington, directeur marketing de Teradata. L'écart de performance pour l'analyse à grande échelle dans le cloud est encore plus important pour les plus grandes entreprises. Selon l'enquête, 63 % des entreprises dont le chiffre d'affaires dépasse 10 milliards de dollars considèrent la technologie disponible comme immature et peu performante et donc comme un obstacle majeur, contre 41 % pour les entreprises dont le chiffre d'affaire se situe entre 250 et 500 millions de dollars. Compte tenu de cette préoccupation, il est facile de comprendre pourquoi Teradata se distingue avec ses environnements d'analyse de données dans le cloud sophistiqués, capables de gérer des centaines de téraoctets et des milliers d'utilisateurs exécutant des millions de requêtes par jour.
L'enquête a révélé que les grandes organisations progressent bien dans leur utilisation de l'analyse. Une sur trois utilise le deep learning et le Machine Learning pour alimenter l'intelligence artificielle. Ces entreprises sont également expérimentées dans l'utilisation du cloud, un tiers d'entre elles adoptant actuellement le cloud public dans toute l'organisation. Malheureusement, la transition entre faire passer l'analyse dans le cloud et l'utiliser se produit à un rythme plus lent que d'autres applications métier et charges de travail.
Données détaillées
Les personnes interrogées utilisent la BI, la découverte de données (Data Discovery) et l'exploration de données (Data Mining) et s'orientent rapidement vers des outils d'analyse avancés (advanced Analytics), notamment l'Intelligence Artificielle (IA) alimentée par le Machine learning et le deep learning, quel que soit le type de déploiement.
Une entreprise sur trois utilise le deep learning et le Machine Learning pour alimenter l'intelligence artificielle. Ce chiffre passe à 68 % si l'on inclut les entreprises qui prévoient d'adopter les technologies d'IA dans les 12 prochains mois.
Près de la moitié utilisent aujourd'hui la visualisation de données et l'exploration de données et cette proportion passe aux trois quarts environ des répondants en incluant les entreprises qui adopteront ces technologies au cours des 12 prochains mois.
L'analyse de donnée orientée client est la principale priorité en termes de cas d'utilisation, avec 81 % des entreprises utilisant déjà ou prévoyant d'utiliser l'analyse pour le service client au cours de l'année prochaine. En outre, les entreprises utilisent déjà l'analyse ou prévoient de l'utiliser au cours des 12 prochains mois, pour le marketing (77 %) et pour les ventes (76 %).
En ce qui concerne le déploiement, les organisations interrogées sont optimistes par rapport au cloud mais préoccupées par la lenteur de l'adoption de l'analyse de données dans le cloud.
Elles migrent déjà vers le cloud dans d'autres domaines, 35 % d'entre elles adoptant actuellement le cloud public dans toute l'organisation et 39 % dans certaines zones de l'organisation uniquement.
Les entreprises apprécient leur expérience avec le cloud public et 92 % d'entre elles estiment bien réussir ou plutôt réussir dans leur utilisation du cloud public.
83 % estiment que le cloud est le meilleur endroit pour effectuer des analyses, 16 % seulement ne partageant pas cette opinion. Mais 70 % sont tout à fait d'accord ou plutôt d'accord avec le fait que l'analyse migre vers le cloud à un rythme plus lent que les autres applications métier et charges de travail, et 91 % estiment que l'analyse devrait migrer plus rapidement vers le cloud public.
Dans toutes les organisations, les obstacles à la migration de l'analyse vers le cloud incluent : Sécurité (50 %), performances insuffisantes/trop immature (49 %), réglementation (35 %), manque de confiance (32 %), connexion des systèmes existants avec les applications de cloud (30 %), manque de compétences internes (29 %), priorité d'autres applications (24 %), priorité insuffisante pour l'entreprise (23 %) et SLA standardisés qui ne correspondent pas à l'activité (14 %).
63 % des entreprises dont le chiffre d'affaires dépasse 10 milliards de dollars considèrent la technologie disponible comme immature et peu performante, contre 41 % pour les entreprises dont le chiffre d'affaire se situe entre 250 et 500 millions de dollars.
Où sont les obstacles ?
Selon l'enquête, les principaux obstacles au transfert de l'analyse vers le cloud sont la sécurité (50 %), une technologie immature et peu performante (49 %), la conformité avec les réglementations (35 %) et le manque de confiance (32 %). Les autres préoccupations se concentrent sur l'intégration de la technologie et sur les talents disponibles : 30 % d'entre eux ont du mal à connecter les systèmes existants avec les applications de cloud, tandis que 29 % des personnes interrogées considèrent le manque de compétences internes comme un obstacle.
L'enquête, intitulée « L'état de l'analyse de données dans le cloud », a interrogé les principaux responsables technologiques de 700 grandes entreprises mondiales affichant un chiffre d'affaires annuel moyen de 9,73 milliards de dollars (19 % réalisant un chiffre d'affaires d'environ 50 milliards de dollars).
« Les résultats sont clairs : le marché évolue vers l'analyse de données dans le cloud mais la plupart des moteurs d'analyse de cloud actuels manquent de puissance ou de vitesse pour gérer des charges analytiques d'entreprise », explique Martyn Etherington, directeur marketing de Teradata. L'écart de performance pour l'analyse à grande échelle dans le cloud est encore plus important pour les plus grandes entreprises. Selon l'enquête, 63 % des entreprises dont le chiffre d'affaires dépasse 10 milliards de dollars considèrent la technologie disponible comme immature et peu performante et donc comme un obstacle majeur, contre 41 % pour les entreprises dont le chiffre d'affaire se situe entre 250 et 500 millions de dollars. Compte tenu de cette préoccupation, il est facile de comprendre pourquoi Teradata se distingue avec ses environnements d'analyse de données dans le cloud sophistiqués, capables de gérer des centaines de téraoctets et des milliers d'utilisateurs exécutant des millions de requêtes par jour.
L'enquête a révélé que les grandes organisations progressent bien dans leur utilisation de l'analyse. Une sur trois utilise le deep learning et le Machine Learning pour alimenter l'intelligence artificielle. Ces entreprises sont également expérimentées dans l'utilisation du cloud, un tiers d'entre elles adoptant actuellement le cloud public dans toute l'organisation. Malheureusement, la transition entre faire passer l'analyse dans le cloud et l'utiliser se produit à un rythme plus lent que d'autres applications métier et charges de travail.
Données détaillées
Les personnes interrogées utilisent la BI, la découverte de données (Data Discovery) et l'exploration de données (Data Mining) et s'orientent rapidement vers des outils d'analyse avancés (advanced Analytics), notamment l'Intelligence Artificielle (IA) alimentée par le Machine learning et le deep learning, quel que soit le type de déploiement.
Une entreprise sur trois utilise le deep learning et le Machine Learning pour alimenter l'intelligence artificielle. Ce chiffre passe à 68 % si l'on inclut les entreprises qui prévoient d'adopter les technologies d'IA dans les 12 prochains mois.
Près de la moitié utilisent aujourd'hui la visualisation de données et l'exploration de données et cette proportion passe aux trois quarts environ des répondants en incluant les entreprises qui adopteront ces technologies au cours des 12 prochains mois.
L'analyse de donnée orientée client est la principale priorité en termes de cas d'utilisation, avec 81 % des entreprises utilisant déjà ou prévoyant d'utiliser l'analyse pour le service client au cours de l'année prochaine. En outre, les entreprises utilisent déjà l'analyse ou prévoient de l'utiliser au cours des 12 prochains mois, pour le marketing (77 %) et pour les ventes (76 %).
En ce qui concerne le déploiement, les organisations interrogées sont optimistes par rapport au cloud mais préoccupées par la lenteur de l'adoption de l'analyse de données dans le cloud.
Elles migrent déjà vers le cloud dans d'autres domaines, 35 % d'entre elles adoptant actuellement le cloud public dans toute l'organisation et 39 % dans certaines zones de l'organisation uniquement.
Les entreprises apprécient leur expérience avec le cloud public et 92 % d'entre elles estiment bien réussir ou plutôt réussir dans leur utilisation du cloud public.
83 % estiment que le cloud est le meilleur endroit pour effectuer des analyses, 16 % seulement ne partageant pas cette opinion. Mais 70 % sont tout à fait d'accord ou plutôt d'accord avec le fait que l'analyse migre vers le cloud à un rythme plus lent que les autres applications métier et charges de travail, et 91 % estiment que l'analyse devrait migrer plus rapidement vers le cloud public.
Dans toutes les organisations, les obstacles à la migration de l'analyse vers le cloud incluent : Sécurité (50 %), performances insuffisantes/trop immature (49 %), réglementation (35 %), manque de confiance (32 %), connexion des systèmes existants avec les applications de cloud (30 %), manque de compétences internes (29 %), priorité d'autres applications (24 %), priorité insuffisante pour l'entreprise (23 %) et SLA standardisés qui ne correspondent pas à l'activité (14 %).
63 % des entreprises dont le chiffre d'affaires dépasse 10 milliards de dollars considèrent la technologie disponible comme immature et peu performante, contre 41 % pour les entreprises dont le chiffre d'affaire se situe entre 250 et 500 millions de dollars.
Autres articles
-
Teradata facilite l’application concrète de l’IA générative et accélère la création de valeur pour les entreprises
-
Teradata propose des capacités d’IA exceptionnelles pour les grandes entreprises et les environnements hybrides en collaboration avec NVIDIA
-
Les nouvelles fonctionnalités de ClearScape Analytics maximisent le retour sur investissement en matière d’IA/ML et renforcent la productivité de la data science
-
Teradata nomme Thomas Schröder au poste de vice-président, Europe
-
Teradata et DataRobot s’associent pour accélérer l’innovation dans le domaine de l’IA de confiance