Teradata Corp. (NYSE : TDC), société leader des solutions analytiques, vient d'annoncer d'importantes nouvelles possibilités de déploiement pour Teradata Aster Analytics, le moteur d'analyse multi-genres le plus perfectionné: Teradata Aster Analytics sur Hadoop et Teradata Aster Analytics sur Amazon Web Services (AWS). Alors que les versions précédentes d'Aster Analytics nécessitaient des systèmes dédiés, les entreprises bénéficient désormais en alternative de toute la souplesse requise pour tirer plus rapidement de précieux enseignements de l'analyse de leurs données, où qu'elles se trouvent, sur la base de leurs investissements existants dans Hadoop.
Cette souplesse s'inscrit dans la stratégie de Teradata d'architecture de cloud hybride, se traduisant par un niveau accru d'agilité, de souplesse et d'intégration entre systèmes, ainsi que par une approche plus ouverte des solutions analytiques avancées. Les énormes volumes de données issus de l'Internet des objets (IdO), comprenant les capteurs et les équipements numériques mobiles, ont conduit à une architecture sur mesure personnalisée incluant Hadoop et le cloud. Teradata offre désormais des options majeures pour une approche hybride.
« De nombreuses entreprises sont en quête d'une solution pour intégrer des moyens analytiques avancés à leur infrastructure existante, au sein d'un environnement orchestré et multi-utilisateur. C'est précisément ce que Teradata vient de rendre possible avec Aster Analytics sur Hadoop et Aster Analytics sur AWS », indique Nik Rouda, analyste senior chez ESG Global, en charge de l'analyse big data. « Ces nouvelles options permettent aux utilisateurs d'approvisionner un environnement analytique et de commencer l'analyse des données qu'ils possèdent déjà dans un data lake ou sur le cloud. Avec l'option AWS, ils peuvent éviter d'importantes dépenses d'investissement et payer au fur et à mesure qu'ils expérimentent de nouveaux cas d'usages et de nouvelles technologies analytiques. Dans les deux cas, ces choix permettent aux entreprises de réduire les délais de rentabilisation et de répondre aux besoins analytiques de leurs communautés d'utilisateurs respectives, tout en bénéficiant d'avantages économiques non négligeables. »
En règle générale, les packages analytiques open source avancés ne sont pas élaborés dans la perspective des analystes métiers et nécessitent des compétences spécialisées pour être utilisés, déployés, industrialisés et maintenues. Et bien que ces outils aient été adaptés pour fonctionner avec Hadoop, ils ne sont pas spécialement conçus pour fonctionner efficacement sur hadoop et, par conséquent, nécessitent généralement l'extraction des données vers une plate-forme dédiée. De telles solutions manquent de scalabilité en termes d'utilisateurs, de données et de cas d'utilisation.
« Une des grandes forces d'Apache Hadoop est son extensibilité et sa capacité à inclure des moteurs d'analyse et de traitement alternatifs. L'arrivée de Teradata Aster Analytics constitue une véritable avancée dans le secteur en offrant aux clients une sélection performante de nouvelles applications analytiques exigeantes », commente Mike Olson, directeur stratégique et co-fondateur de Cloudera, Inc.
Teradata Aster Analytics fournit des fonctions d'analyse de texte, de chemins, de comportement, de graphes, de machine learning et de statistiques, le tout au sein de la même interface et avec la même syntaxe. Les nouvelles options sont source de souplesse et d'avantages évidents :
Teradata Aster Analytics sur Hadoop
Étend l'utilisation et la valeur du data lake Hadoop : Aster Analytics rend Hadoop accessible aux analystes métiers généralistes en complément des data scientists ayant des compétences en SQL et R. Aster prend en charge davantage d'utilisateurs au sein de la communauté des analystes.
Fonctionne de façon native dans Hadoop : plutôt que de déplacer les données de Hadoop vers un serveur analytique, les utilisateurs peuvent s'affranchir des coûts, des délais et des risques de sécurité liés au déplacement de données et accélérer ainsi le processus analytique.
Rend les fonctions analytiques rapidement opérationnelles dans Hadoop : les utilisateurs peuvent instancier des sandbox de développement et des environnements de production sur le même cluster Hadoop et avec les mêmes données. Par ailleurs, Aster fournit AppCenter pour aider les analystes à élaborer des interfaces basées sur le web pour démocratiser au plus grand nombre d'utilisateurs.
Teradata Aster Analytics sur AWS
Améliore les délais de rentabilisation : les entreprises peuvent rapidement approvisionner une sandbox analytique sur le cloud et tirer profit des moyens d'analyse SQL prédéfinis d'Aster pour accélérer le développement. Si le modèle fait ses preuves, les utilisateurs peuvent transférer et industrialiser les mêmes fonctions analytiques vers l'environnement de « production » sur le cloud.
Accroît la rapidité d'analyse : fournit aux analystes un puissant ensemble de fonctions analytiques multi-genres sur mesure à expérimenter et à itérer sur de gros volumes de données aussi longtemps que nécessaire.
Fournit des incitations financières : permet aux entreprises d'expérimenter avec des fonctions analytiques avancées prédéfinies et leurs patrimoines de données, sans dépenses de matériel, de configuration ou de mise en œuvre.
« La possibilité d'exécuter Aster Analytics de façon native sur Hadoop est une avancée majeure pour le secteur et peut considérablement accélérer le retour sur l'investissement dans Hadoop pour toute société », déclare Chris Twogood, vice-président du marketing des produits et des services chez Teradata. « Aster a toujours eu pour objectif la connexion optimisée et sur mesure entre analystes et big data. À présent, les fonctions analytiques avancées sur Hadoop sont pour la première fois pleinement démocratisées, de façon à permettre aux analystes métiers comme aux experts en données d'accéder aux données et de les analyser avec des algorithmes de cheminement, d'apprentissage automatique et d'analyse de graphes. Nos nouvelles options de déploiement sur Hadoop et AWS mettent des fonctions d'analyse efficaces et opérationnelles entre les mains d'un nombre accru d'utilisateurs, avec une cadence accélérée avec des coûts et des risques minimum. »
Teradata Aster Analytics sur Amazon Web Services sera disponible mi-septembre 2016.
Teradata Aster Analytics sur Hadoop 7.0 sera disponible partout en octobre 2016.
Cette souplesse s'inscrit dans la stratégie de Teradata d'architecture de cloud hybride, se traduisant par un niveau accru d'agilité, de souplesse et d'intégration entre systèmes, ainsi que par une approche plus ouverte des solutions analytiques avancées. Les énormes volumes de données issus de l'Internet des objets (IdO), comprenant les capteurs et les équipements numériques mobiles, ont conduit à une architecture sur mesure personnalisée incluant Hadoop et le cloud. Teradata offre désormais des options majeures pour une approche hybride.
« De nombreuses entreprises sont en quête d'une solution pour intégrer des moyens analytiques avancés à leur infrastructure existante, au sein d'un environnement orchestré et multi-utilisateur. C'est précisément ce que Teradata vient de rendre possible avec Aster Analytics sur Hadoop et Aster Analytics sur AWS », indique Nik Rouda, analyste senior chez ESG Global, en charge de l'analyse big data. « Ces nouvelles options permettent aux utilisateurs d'approvisionner un environnement analytique et de commencer l'analyse des données qu'ils possèdent déjà dans un data lake ou sur le cloud. Avec l'option AWS, ils peuvent éviter d'importantes dépenses d'investissement et payer au fur et à mesure qu'ils expérimentent de nouveaux cas d'usages et de nouvelles technologies analytiques. Dans les deux cas, ces choix permettent aux entreprises de réduire les délais de rentabilisation et de répondre aux besoins analytiques de leurs communautés d'utilisateurs respectives, tout en bénéficiant d'avantages économiques non négligeables. »
En règle générale, les packages analytiques open source avancés ne sont pas élaborés dans la perspective des analystes métiers et nécessitent des compétences spécialisées pour être utilisés, déployés, industrialisés et maintenues. Et bien que ces outils aient été adaptés pour fonctionner avec Hadoop, ils ne sont pas spécialement conçus pour fonctionner efficacement sur hadoop et, par conséquent, nécessitent généralement l'extraction des données vers une plate-forme dédiée. De telles solutions manquent de scalabilité en termes d'utilisateurs, de données et de cas d'utilisation.
« Une des grandes forces d'Apache Hadoop est son extensibilité et sa capacité à inclure des moteurs d'analyse et de traitement alternatifs. L'arrivée de Teradata Aster Analytics constitue une véritable avancée dans le secteur en offrant aux clients une sélection performante de nouvelles applications analytiques exigeantes », commente Mike Olson, directeur stratégique et co-fondateur de Cloudera, Inc.
Teradata Aster Analytics fournit des fonctions d'analyse de texte, de chemins, de comportement, de graphes, de machine learning et de statistiques, le tout au sein de la même interface et avec la même syntaxe. Les nouvelles options sont source de souplesse et d'avantages évidents :
Teradata Aster Analytics sur Hadoop
Étend l'utilisation et la valeur du data lake Hadoop : Aster Analytics rend Hadoop accessible aux analystes métiers généralistes en complément des data scientists ayant des compétences en SQL et R. Aster prend en charge davantage d'utilisateurs au sein de la communauté des analystes.
Fonctionne de façon native dans Hadoop : plutôt que de déplacer les données de Hadoop vers un serveur analytique, les utilisateurs peuvent s'affranchir des coûts, des délais et des risques de sécurité liés au déplacement de données et accélérer ainsi le processus analytique.
Rend les fonctions analytiques rapidement opérationnelles dans Hadoop : les utilisateurs peuvent instancier des sandbox de développement et des environnements de production sur le même cluster Hadoop et avec les mêmes données. Par ailleurs, Aster fournit AppCenter pour aider les analystes à élaborer des interfaces basées sur le web pour démocratiser au plus grand nombre d'utilisateurs.
Teradata Aster Analytics sur AWS
Améliore les délais de rentabilisation : les entreprises peuvent rapidement approvisionner une sandbox analytique sur le cloud et tirer profit des moyens d'analyse SQL prédéfinis d'Aster pour accélérer le développement. Si le modèle fait ses preuves, les utilisateurs peuvent transférer et industrialiser les mêmes fonctions analytiques vers l'environnement de « production » sur le cloud.
Accroît la rapidité d'analyse : fournit aux analystes un puissant ensemble de fonctions analytiques multi-genres sur mesure à expérimenter et à itérer sur de gros volumes de données aussi longtemps que nécessaire.
Fournit des incitations financières : permet aux entreprises d'expérimenter avec des fonctions analytiques avancées prédéfinies et leurs patrimoines de données, sans dépenses de matériel, de configuration ou de mise en œuvre.
« La possibilité d'exécuter Aster Analytics de façon native sur Hadoop est une avancée majeure pour le secteur et peut considérablement accélérer le retour sur l'investissement dans Hadoop pour toute société », déclare Chris Twogood, vice-président du marketing des produits et des services chez Teradata. « Aster a toujours eu pour objectif la connexion optimisée et sur mesure entre analystes et big data. À présent, les fonctions analytiques avancées sur Hadoop sont pour la première fois pleinement démocratisées, de façon à permettre aux analystes métiers comme aux experts en données d'accéder aux données et de les analyser avec des algorithmes de cheminement, d'apprentissage automatique et d'analyse de graphes. Nos nouvelles options de déploiement sur Hadoop et AWS mettent des fonctions d'analyse efficaces et opérationnelles entre les mains d'un nombre accru d'utilisateurs, avec une cadence accélérée avec des coûts et des risques minimum. »
Teradata Aster Analytics sur Amazon Web Services sera disponible mi-septembre 2016.
Teradata Aster Analytics sur Hadoop 7.0 sera disponible partout en octobre 2016.