Sinequa s’associe à MapR pour offrir de puissantes fonctionnalités de recherche et d’analyse en temps réel sur Hadoop

Sinequa, leader sur le marché des logiciels de Search et d'Analyse du Big Data en temps réel, annonce aujourd’hui que sa plateforme est désormais certifiée pour la plateforme de convergence des données de MapR, seule plateforme de convergence de données du marché qui intègre la puissance d’Hadoop et de Spark en fournissant des capacités d’event processing avec des fonctionnalités de bases de données en temps réel et de stockage. Avec cette certification, les solutions conjointes des deux sociétés tirent toute la puissance des analyses décisionnelles des volumes de Big Data stockés dans les environnements Hadoop.
« Cette certification garantit que la plateforme de Sinequa a passé avec succès les tests d’interopérabilité et est prête à fonctionner dans les environnements de production avec MapR » affirme Xavier Guerin, Directeur Général Développement des Activités, des Partenariats et des Alliances sur la zone EMEA chez MapR. « L’utilisation de Sinequa profitera aux entreprises en leur permettant de tirer une plus grande valeur de leurs déploiements Big Data avec le traitement et l’analyse décisionnelle de données en temps réel. »
Du fait d’un intérêt et d’un taux d’adoption croissant d’Hadoop, il existe de plus en plus d’utilisateurs de données basées sur cette technologie. La combinaison Sinequa/MapR rend le Big Data plus accessible aux utilisateurs qui désirent obtenir des informations précises depuis des données structurées ou non structurées stockées dans les « Data Lakes », et ainsi optimiser les capacités de recherche et d’analyse de données d’entreprise. L’intégration bidirectionnelle tire également profit de Spark MLib et de Spark GraphX pour enrichir le Logical Data Warehouse de Sinequa avec un clustering avancé, des classifications et recommandations supervisées.
« La puissance de la plateforme de Sinequa offre aux utilisateurs de MapR une vision à 360 degrés sur différents thèmes, générés par le Big Data et hébergés sur Hadoop » déclare Xavier Pornain, Directeur Général des Ventes et des Alliances chez Sinequa. « Avec plus de 150 connecteurs, le traitement des données en langage naturel (NLP) et une analyse sémantique en 21 langues, la plateforme de Sinequa fournit aux clients de MapR la puissance de recherche et d’analyse de leurs données pour accéder à l’information pertinente en temps-réel et ainsi optimiser le processus de prise de décision. »
En couplant le traitement de données en langage naturel (NLP) avec l'indexation transparente des données structurées et non structurées, Sinequa permet aux utilisateurs de déployer des projets ambitieux de Big Data, d'analyser en profondeur de grands volumes de contenus hétérogènes et d'établir un environnement agile pour développer des « Search-Based Applications » (SBA). Les grands groupes comme Airbus, AstraZeneca, Atos, Biogen, ENGIE, Total et Siemens ont d’ailleurs choisi Sinequa pour exploiter au mieux leur Big Data et en tirer de la valeur pour leur Business.
La certification du produit est un atout pour le programme de partenariat technologique et facilite l’identification des produits partenaires certifiés pour fonctionner avec MapR. Les clients peuvent ainsi utiliser ces produits et solutions pour réduire les risques de leurs projets et réaliser des économies sur les solutions sur mesure. Avec des centaines de membres dans le monde, le programme de partenariat technologique de MapR inclut des partenaires de premier choix qui partagent l’engagement d’offrir la meilleure expertise et la meilleure solution professionnelle pour répondre aux besoins de ses clients.
En outre, la plateforme de convergence de données de MapR assure une réelle efficacité en production grâce à une architecture conçue spécifiquement pour les applications professionnelles critiques, une intégration et un accès transparent aux données et la capacité de lancer des traitements analytiques et opérationnels, ainsi que des applications en toute fiabilité sur une seule plateforme.