Richard Hooft, directeur du pôle Business Intelligence Services chez Ysance
QlikTech avait déjà donné le ton en ouvrant sa plateforme aux applications et aux composants d’éditeurs externes (extensions et connecteurs personnalisés). Aujourd’hui, le lancement de QlikView Direct Discovery, pour faciliter l’analyse des Big Data, marque une nouvelle volonté d’ouverture, orientée vers une intégration multi-plateforme.
L’éditeur qui axait sa stratégie autour des données significatives (relevant data) se lance dans les données de masse. QlikView Direct Discovery permet de combiner des données déjà chargées en mémoire à des sources Big Data pour la réalisation d’analyses croisées. Démontrant au passage l’ingénieuse prouesse technique de l’éditeur, qui malgré son parti-pris d’opter pour un stockage de données autonome (in-memory data storage), a rendu techniquement possible l’analyse de quantité massive de données au sein de QlikView.
Les principes de développement restent les mêmes. Aucun changement non plus côté utilisateurs, les principes fondamentaux de navigation - intuitive, simple, visuelle - sont inchangés. La donnée très volumineuse reste stockée dans la plate-forme Big Data mais est requêtée en direct par QlikView, ce qui permet aux utilisateurs métiers d’explorer de nouvelles sources de données sans avoir à écrire des requêtes dans un langage informatique souvent complexe.
Ce « modèle hybride » ralentit toutefois les temps de réponse de certaines analyses. En basculant sur cette nouvelle approche d’accès aux données, on passe à une échelle de temps potentiellement beaucoup plus longue en comparaison à la quasi-instantanéité des analyses sur QlikView. Une manière détournée pour l’éditeur de mettre en perspective la performance de son moteur sur les données chargées dans sa base de données associative et donc la pertinence d’indicateurs de pilotage construits principalement sur des données traditionnelles.
Quoiqu’il en soit, face à la déferlante Big Data, QlikTech n’avait d’autre choix que de revoir son positionnement et démontrer que - bien que fervent défenseur des relevant data - il était capable avec un ETL intégré d’apporter aux utilisateurs métiers des périmètres d’analyses propres aux données de masse ; qui plus est avec de solides partenariats éditeurs annoncés : Google, Teradata et Cloudera Impala pour Hadoop.
Ouverture réussie donc pour l’éditeur dont l’objectif affiché ici est de toucher les grandes et très grandes entreprises, là où jusqu’à présent on atteignait les limites de QlikView vers le milliard d’enregistrements analysés.
Sans être révolutionnaire, QlikView Direct Discovery a le mérite de rattraper efficacement le retard de l’éditeur sur ses concurrents et propose un compromis intelligent entre l’apport de la solution QlikView et l’ouverture vers les Big Data. Disponible en décembre prochain avec la mise à jour de QlikView 11 (actuellement en version bêta), cette nouvelle fonctionnalité, même si elle doit encore s’enrichir, semble très prometteuse. Et ce premier pas vers toujours plus d’intégration avec le système d’information décisionnel laisse présager une ambitieuse feuille de route pour la future version QlikView Next.
L’éditeur qui axait sa stratégie autour des données significatives (relevant data) se lance dans les données de masse. QlikView Direct Discovery permet de combiner des données déjà chargées en mémoire à des sources Big Data pour la réalisation d’analyses croisées. Démontrant au passage l’ingénieuse prouesse technique de l’éditeur, qui malgré son parti-pris d’opter pour un stockage de données autonome (in-memory data storage), a rendu techniquement possible l’analyse de quantité massive de données au sein de QlikView.
Les principes de développement restent les mêmes. Aucun changement non plus côté utilisateurs, les principes fondamentaux de navigation - intuitive, simple, visuelle - sont inchangés. La donnée très volumineuse reste stockée dans la plate-forme Big Data mais est requêtée en direct par QlikView, ce qui permet aux utilisateurs métiers d’explorer de nouvelles sources de données sans avoir à écrire des requêtes dans un langage informatique souvent complexe.
Ce « modèle hybride » ralentit toutefois les temps de réponse de certaines analyses. En basculant sur cette nouvelle approche d’accès aux données, on passe à une échelle de temps potentiellement beaucoup plus longue en comparaison à la quasi-instantanéité des analyses sur QlikView. Une manière détournée pour l’éditeur de mettre en perspective la performance de son moteur sur les données chargées dans sa base de données associative et donc la pertinence d’indicateurs de pilotage construits principalement sur des données traditionnelles.
Quoiqu’il en soit, face à la déferlante Big Data, QlikTech n’avait d’autre choix que de revoir son positionnement et démontrer que - bien que fervent défenseur des relevant data - il était capable avec un ETL intégré d’apporter aux utilisateurs métiers des périmètres d’analyses propres aux données de masse ; qui plus est avec de solides partenariats éditeurs annoncés : Google, Teradata et Cloudera Impala pour Hadoop.
Ouverture réussie donc pour l’éditeur dont l’objectif affiché ici est de toucher les grandes et très grandes entreprises, là où jusqu’à présent on atteignait les limites de QlikView vers le milliard d’enregistrements analysés.
Sans être révolutionnaire, QlikView Direct Discovery a le mérite de rattraper efficacement le retard de l’éditeur sur ses concurrents et propose un compromis intelligent entre l’apport de la solution QlikView et l’ouverture vers les Big Data. Disponible en décembre prochain avec la mise à jour de QlikView 11 (actuellement en version bêta), cette nouvelle fonctionnalité, même si elle doit encore s’enrichir, semble très prometteuse. Et ce premier pas vers toujours plus d’intégration avec le système d’information décisionnel laisse présager une ambitieuse feuille de route pour la future version QlikView Next.