La base de données Vertica SQL et les solutions d’apprentissage automatique dans la base de données prennent en charge l’ensemble du processus d’analyse prédictive avec un traitement massivement parallèle et une interface SQL familière.
Après un bref ralentissement dû à l’impact de la pandémie, les services d’analyse commerciale ont repris une croissance à deux chiffres en 2021 et 2022, selon IDC. Pourquoi? Il y a un grand besoin d’améliorer les résultats commerciaux en utilisant les informations issues de l’analyse et d’autres technologies, y compris l’apprentissage automatique.
Ce que la plupart des entreprises constatent lors de la mise en œuvre de nouveaux projets d’analyse et d’apprentissage automatique (ML), c’est que leur infrastructure existante n’est pas à la hauteur de la tâche. Les entreprises ont généralement besoin de capacités de calcul et de stockage qui ne sont généralement pas disponibles dans la plupart des entreprises. Et dans de nombreux cas, ils ont besoin d’accéder à de nouveaux outils et techniques d’analyse et d’apprentissage automatique.
La situation est une tempête parfaite pour le cloud hybride. Le cloud hybride donne aux entreprises la flexibilité de faire évoluer rapidement leur infrastructure de calcul et de stockage. Il permet également la possibilité de mélanger et assortir, ce qui signifie qu’une entreprise peut utiliser le cloud de manière sélective ou rester sur place pour différents aspects de ses charges de travail et de ses données selon les besoins. Ils changent le mélange au fil du temps pour répondre à l’évolution des besoins.
Décidez des capacités, des techniques et plus encore
De nombreuses variables entrent en jeu lors de la réalisation de projets d’analyse et d’apprentissage automatique. L’informatique, le stockage et les outils appropriés doivent être en place pour atteindre les objectifs commerciaux du projet. Avec le cloud hybride, de nombreuses options sont disponibles.
Prenez les ressources informatiques. Si une entreprise fait un investissement important dans les capacités HPC sur site, elle peut conserver cet investissement et utiliser les systèmes pour analyser les données sur site ou à l’aide de services cloud.
En revanche, si une entreprise ne dispose pas de l’infrastructure informatique existante, une approche cloud hybride de l’analyse et du ML lui permet de tirer parti des instances et des ressources de cloud computing. Cela permet d’économiser les énormes dépenses en capital qui seraient nécessaires pour installer le potentiel sur les lieux. Il permet également aux entreprises d’accéder aux dernières technologies telles que les processeurs GPU et ARM qu’elles n’ont peut-être pas l’expérience d’utiliser. Cette approche aide également l’entreprise à faire avancer les projets beaucoup plus rapidement que ce ne serait le cas lors de la construction d’une infrastructure de calcul sur site.
Il existe des problèmes similaires avec le stockage où le cloud hybride peut jouer un rôle important. Encore une fois, l’entreprise peut avoir une base de données locale existante, par exemple, un système CRM ou ERP. Vous souhaiterez peut-être exécuter des analyses sophistiquées sur cette base de données pour améliorer les opérations ou améliorer l’expérience client. Avec une approche de cloud hybride, les données peuvent rester locales. Les analyses peuvent être exécutées sur site ou à l’aide d’un service cloud.
Alternativement, l’entreprise peut avoir une grande base de données cloud ou une base de données cloud tierce que vous souhaitez utiliser dans un projet d’analyse. Avec un cloud hybride, la base de données peut rester en place, hébergée par un fournisseur, et les analyses peuvent être exécutées sur site ou avec un service de cloud public.
L’hybride offre la flexibilité nécessaire aujourd’hui
Le thème récurrent de l’hybride est que les entreprises peuvent conserver ce qui fonctionne, conserver les charges de travail et le stockage en place, tout en obtenant les informations que leurs projets d’analyse sont censés fournir.
Pourquoi? Les projets d’analyse et de ML modernes doivent traiter des variables en termes de calcul, de stockage et d’outillage. Cela seul est déjà assez difficile, mais il y a plus à considérer. L’aspect peut-être le plus difficile de nombreux projets aujourd’hui est que les exigences changent considérablement au cours de la durée de vie d’un projet.
Par exemple, une entreprise peut avoir besoin d’énormes ressources de calcul et de stockage pour former une application d’apprentissage automatique. Dans un scénario typique, un grand jeu de données d’image peut être utilisé pour entraîner l’application. Mais une fois le modèle formé, beaucoup moins de puissance de stockage et de calcul est nécessaire. Dans les méthodes traditionnelles, l’entreprise aurait construit l’infrastructure de calcul et de stockage pour mener à bien la phase initiale du projet. Et puis cette capacité restera inactive une fois l’entraînement terminé. Le cloud hybride offre la flexibilité d’évoluer à l’aide de services de cloud public au cours de cette phase initiale. Une fois le travail effectué, il est possible de se connecter aux instances et ressources cloud.
Facteurs supplémentaires à prendre en compte
Un domaine d’intérêt particulièrement nouveau qui se prête bien à l’approche hybride est l’utilisation accrue de données externes. De nombreuses entreprises analysent désormais leurs propres ensembles de données, mais complètent cette analyse au fil du temps avec des données tierces. Une approche de cloud hybride permet d’utiliser ces données en cas de besoin pour améliorer la qualité des analyses.
Les exemples abondent dans de nombreux domaines. Par exemple, une organisation de services financiers peut utiliser des données tierces pour mieux comprendre son public et cibler des clients potentiels. Ou une organisation de soins de santé peut combiner des dossiers de patients anonymisés avec des données provenant d’un fournisseur d’applications de fitness pour mieux estimer l’efficacité du programme en fonction de la quantité d’exercice physique d’une personne.
Un aspect supplémentaire à prendre en compte est le logiciel et les outils d’analyse et d’apprentissage automatique eux-mêmes. Si une entreprise investit massivement dans de telles solutions, elle peut les maintenir opérationnelles là où elles fonctionnent le mieux. Mais de nombreuses entreprises partent de zéro avec des projets modernes d’analyse et d’apprentissage automatique. Dans de tels cas, ils peuvent ne pas disposer de l’expertise interne pour sélectionner, déployer, gérer et utiliser ces outils. Dans de tels cas, les offres d’analyse de cloud public et d’apprentissage automatique peuvent être utiles.
Par exemple, les bases de données modernes offrent des capacités, des outils et un support plus avancés que de nombreuses technologies natives. De nombreux fournisseurs de bases de données et fournisseurs de services cloud proposent diverses solutions d’analyse et d’apprentissage automatique. Plus important encore, ils disposent d’excellents écosystèmes qui peuvent grandement aider à accélérer les projets. Par exemple, beaucoup disposent d’outils complémentaires pour ingérer et préparer les données à analyser. Et certains disposent de vastes suites d’outils qui permettent aux entreprises de créer des pipelines d’analyse de cloud hybride de bout en bout.
Collaboration avec un partenaire technique
Un exemple frappant de cela est la solution de Vertica, qui est la ligne d’activité de Micro Focus. La base de données Vertica SQL et les solutions d’apprentissage automatique dans la base de données prennent en charge l’ensemble du processus d’analyse prédictive avec un traitement massivement parallèle et une interface SQL familière.
La disponibilité de l’apprentissage automatique dans la base de données offre de nombreux avantages. Tout d’abord, les scientifiques des données n’ont pas à transférer les données et à attendre les résultats lorsque l’analyse est exécutée sur des plates-formes informatiques peu performantes. Cela seul fait gagner du temps. Mais avec la possibilité d’apprentissage automatique dans la base de données, la puissance de traitement peut être augmentée selon les besoins.
dernier mot
La seule constante dans les projets d’analyse et d’apprentissage automatique modernes est le changement. Tout est sujet à changement. Les objectifs commerciaux changent souvent avec le temps. Les exigences de calcul et de stockage changent avec le temps. De nouvelles données sont fréquemment ajoutées au mélange. De nouvelles technologies informatiques et méthodes d’analyse deviennent disponibles au fil du temps. Le cloud hybride offre de nombreux avantages pour l’analyse et l’apprentissage automatique, et est bien adapté pour répondre à diverses demandes au fil du temps.
En utilisant une solution qui combine bases de données et analyse grâce à l’apprentissage automatique dans la base de données, les entreprises éliminent le besoin de transférer et de préparer les données. Ils peuvent ensuite créer de brefs workflows de bout en bout qui permettent l’analyse prédictive. C’est un réel avantage de la convergence des bases de données et de l’apprentissage automatique.
En savoir plus : https://www.vertica.com/product/database-machine-learning/
Lisez d’autres blogs de cette série :