Thierry Donadieu, Business Angel et mentor de startup
Pendant ces vingt-cinq années ces outils se sont adaptés aux évolutions des technologies passant du mode client-serveur au mode web, suivant les évolutions des OS et des bases de données mais, peut-être un effet des acquisitions citées plus haut, dans ces 10 dernières années ces évolutions se sont faites fréquemment par simple adaptation des plateformes existantes.
Nous assistons depuis peu à la naissance d’une nouvelle génération avec pour caractéristique majeure d’être de « nouvelles souches » et non plus l’évolution de plateformes existantes souvent à bout de souffle. Cette nouvelle génération possède un certain nombre de caractéristiques communes correspondant aux grandes tendances du moment :
• « Cloud End to End », du mode création au mode « run ». Évidemment un must pour tout connaisseur des tendances actuelles du marché... Adapter un produit existant en mode full cloud, avec en particulier des possibilités multi-tenant (partage dynamique des ressources par différentes entités), et élasticité (utilisation des ressources matérielles en fonction des besoins de l’application) est une gageure. Un produit Cloud doit être architecturé de façon adéquate dès sa conception avec les principes cités plus haut de multi-tenant et d’élasticité auxquels on peut rajouter l’utilisation de technologies de type conteneurs «Docker » et l’interfaçage avec les couches gestionnaires du cloud.
• Intégralement multi-devices, autre « must » du marché. L’objet n’est pas d’avoir un produit complémentaire qui s’adapte aux écrans de dimensions réduites mais un outil qui nativement se reconfigure en fonction du device. Pour cela il faut utiliser des technologies dites « responsive » comme par exemple le framework Bootstrap de Twitter. Ici aussi il va sans dire que ces concepts doivent être intégrés dès la conception de l’outil et se prêtent peu au remodelage d’outils existants.
• Embedded. Avec le temps, la notion de tableau de bord et d’aide à la décision est devenue « mainstream » et se doit d’exister dans tout logiciel moderne quelle que soit sa destination (comptabilité, supply-chain, web monitoring, ...). Plutôt que de réinventer la roue dans chaque logiciel et de forcer l’utilisateur à appréhender de nouvelles interfaces, l’idéal est d’utiliser un logiciel décisionnel sous forme de brique en mode « Embedded » et idéalement en mode Cloud. En terme architectural cela suppose l’existence d’API et la possibilité d’encapsuler les restitutions au sein d’autres logiciels (typiquement en mode iframe).
A ces grandes tendances nous pouvons en ajouter deux qui souvent correspondent à des produits complémentaires au sein de suites logicielles :
• Predictive. L’utilisation d’algorithmes prédictifs (type régression linéaire) est considéré comme la nouvelle étape dans l’évolution du décisionnel. Après l’Insight (que se passe-t-il ?), vient l’Actionable (quels paramètres vont optimiser mes ventes ?).
• Big Data Ready. Une autre grande tendance du marché liée au déluge de données externes, en général non-structurées, et à l’avènement du prédictif et du Machine Learning. En effet pour donner toute leur puissance ceux-ci ont besoin d’exploiter de grands volumes de données. En terme architectural cela signifie pour un outil décisionnel la possibilité d’exploiter des gisements de données contenus dans des « lacs » non structurés et non relationnels, typiquement une interface de type SPARK/Hadoop.
Des exemples, (liste non exhaustive) de cette nouvelle génération de produits se retrouvent chez les grands éditeurs, « SAP cloud for Analytics » chez SAP, « Oracle Business Intelligence Cloud Service » chez Oracle, « Qliksense » chez Qliktech.
Comme à chaque fois qu’une nouvelle génération apparaît, le moment est propice pour la naissance de startups innovantes qui abordent le sujet avec une page blanche en utilisant les dernières innovations architecturales.
Serenytics est un exemple de startup Française innovante qui introduit un produit conforme aux caractéristiques mentionnées plus haut et à l’état de l’art en terme d’architecture : AngularJS de Google pour les développements, Bootstrap de Twitter pour la partie multi-devices, docker et AWS pour l’architecture Cloud, Redshift pour le big data.
Et pour conclure, un mot sur ce que pourrait être le futur. Les avancées actuelles autour du Deep Learning et des chatbots devraient favoriser l’avènement de nouvelles interfaces utilisateurs dans l’Analytics, plus intuitives, conversationnelles et surtout permettant à l’utilisateur nonexpert une exploration totalement libre des données, le Graal de tout temps des systèmes décisionnels.
Nous assistons depuis peu à la naissance d’une nouvelle génération avec pour caractéristique majeure d’être de « nouvelles souches » et non plus l’évolution de plateformes existantes souvent à bout de souffle. Cette nouvelle génération possède un certain nombre de caractéristiques communes correspondant aux grandes tendances du moment :
• « Cloud End to End », du mode création au mode « run ». Évidemment un must pour tout connaisseur des tendances actuelles du marché... Adapter un produit existant en mode full cloud, avec en particulier des possibilités multi-tenant (partage dynamique des ressources par différentes entités), et élasticité (utilisation des ressources matérielles en fonction des besoins de l’application) est une gageure. Un produit Cloud doit être architecturé de façon adéquate dès sa conception avec les principes cités plus haut de multi-tenant et d’élasticité auxquels on peut rajouter l’utilisation de technologies de type conteneurs «Docker » et l’interfaçage avec les couches gestionnaires du cloud.
• Intégralement multi-devices, autre « must » du marché. L’objet n’est pas d’avoir un produit complémentaire qui s’adapte aux écrans de dimensions réduites mais un outil qui nativement se reconfigure en fonction du device. Pour cela il faut utiliser des technologies dites « responsive » comme par exemple le framework Bootstrap de Twitter. Ici aussi il va sans dire que ces concepts doivent être intégrés dès la conception de l’outil et se prêtent peu au remodelage d’outils existants.
• Embedded. Avec le temps, la notion de tableau de bord et d’aide à la décision est devenue « mainstream » et se doit d’exister dans tout logiciel moderne quelle que soit sa destination (comptabilité, supply-chain, web monitoring, ...). Plutôt que de réinventer la roue dans chaque logiciel et de forcer l’utilisateur à appréhender de nouvelles interfaces, l’idéal est d’utiliser un logiciel décisionnel sous forme de brique en mode « Embedded » et idéalement en mode Cloud. En terme architectural cela suppose l’existence d’API et la possibilité d’encapsuler les restitutions au sein d’autres logiciels (typiquement en mode iframe).
A ces grandes tendances nous pouvons en ajouter deux qui souvent correspondent à des produits complémentaires au sein de suites logicielles :
• Predictive. L’utilisation d’algorithmes prédictifs (type régression linéaire) est considéré comme la nouvelle étape dans l’évolution du décisionnel. Après l’Insight (que se passe-t-il ?), vient l’Actionable (quels paramètres vont optimiser mes ventes ?).
• Big Data Ready. Une autre grande tendance du marché liée au déluge de données externes, en général non-structurées, et à l’avènement du prédictif et du Machine Learning. En effet pour donner toute leur puissance ceux-ci ont besoin d’exploiter de grands volumes de données. En terme architectural cela signifie pour un outil décisionnel la possibilité d’exploiter des gisements de données contenus dans des « lacs » non structurés et non relationnels, typiquement une interface de type SPARK/Hadoop.
Des exemples, (liste non exhaustive) de cette nouvelle génération de produits se retrouvent chez les grands éditeurs, « SAP cloud for Analytics » chez SAP, « Oracle Business Intelligence Cloud Service » chez Oracle, « Qliksense » chez Qliktech.
Comme à chaque fois qu’une nouvelle génération apparaît, le moment est propice pour la naissance de startups innovantes qui abordent le sujet avec une page blanche en utilisant les dernières innovations architecturales.
Serenytics est un exemple de startup Française innovante qui introduit un produit conforme aux caractéristiques mentionnées plus haut et à l’état de l’art en terme d’architecture : AngularJS de Google pour les développements, Bootstrap de Twitter pour la partie multi-devices, docker et AWS pour l’architecture Cloud, Redshift pour le big data.
Et pour conclure, un mot sur ce que pourrait être le futur. Les avancées actuelles autour du Deep Learning et des chatbots devraient favoriser l’avènement de nouvelles interfaces utilisateurs dans l’Analytics, plus intuitives, conversationnelles et surtout permettant à l’utilisateur nonexpert une exploration totalement libre des données, le Graal de tout temps des systèmes décisionnels.
