Teradata améliore ses analyses pour les utilisateurs professionnels


Rédigé par Teradata le 10 Juillet 2008

De nouvelles fonctionnalités développées par SAS et Visual Numerics intégrées à Teradata Warehouse Miner permettent d’harmoniser le processus de data mining



Teradata Corporation (NYSE: TDC), le spécialiste mondial en matière d’entrepôt de données d’entreprises, présente Teradata Warehouse Miner 5.2 qui contient, dans la base de données Teradata, 50 nouvelles fonctions de data mining statistique développées par ses partenaires dans le but d’accélérer le processus de data mining. Le data mining est une technologie puissante qui révèle des schémas au niveau des données client, financières et opérationnelles qui peuvent offrir une vision commerciale plus claire.

« Les fonctions statistiques de data mining de nos partenaires, SAS et Visual Numerics, peuvent désormais être exécutées au sein de la base de données, exploitant ainsi la puissance de traitement parallèle ultra-rapide de Teradata. Les résultats qui découlent des analyses permettent à nos clients d’accroître l’intelligence de leurs entreprises, » affirme Scott Gnau, Directeur du Développement chez Teradata. « A présent, nos clients peuvent utiliser le data mining à d’autres fins que la planification stratégique à long terme ; les résultats des analyses prévisionnelles peuvent insufflées en temps réel par les applications opérationnelles afin de supporter les opérations commerciales de première ligne.

Les améliorations de Teradata Warehouse Miner sont soutenues par l’annonce récente du SAS® Scoring Accelerator pour Teradata. Un premier point de référence du SAS Scoring Accelerator pour Teradata a démontré une capacité à traiter le nombre d’enregistrements 45 fois plus rapidement que la méthode de l’évaluation par score traditionnelle. Le SAS Scoring Accelerator pour Teradata permet également de ne plus transposer manuellement le code d’évaluation par score SAS en SQL ou langage structuré de requêtes.
L’intégration de cette vitesse et de cette technologie augmente le développement et le déploiement de nombreux autres modèles analytiques SAS dans Teradata de manière significative, permettant la prise de décisions commerciales critiques en temps réel.

« Les nouvelles fonctionnalités de Teradata et le SAS Scoring Accelerator, sont des solutions intégrées et complémentaires », déclare Keith Collins, Directeur des Technologies chez SAS. « Grâce à cette collaboration, nous offrons la vitesse que nos concurrents ne parviennent pas à égaler. Nous accélérons et automatisons les outils d’analyse de pointe pour nos clients communs. SAS Scoring Accelerator incorporera plus de modèles de SAS Entreprise Miner ™ dans la base de données Teradata, fournissant des perspectives analytiques qui permettent à nos clients de prendre des décisions précises et basées sur les données. »

« Nous croyons au data mining en raison de la plus-value qu’il apporte – il a permis à Warner Home Video d’améliorer ses prévisions, » déclare Thomas Tileston, Vice Président, Business Decision Support, Warner Home Video. « En tant que pionniers de l’évaluation par score au sein de la base de données SAS, nous sommes convaincus que l’approche de Teradata visant à exploiter des fonctionnalités de son partenaire permettra d’accélérer davantage la capacité des entreprises à comprendre leurs clients et à répondre à leurs besoins. »

Les analyses en temps réel peuvent améliorer les relations d’une société avec ses clients de manière spectaculaire. Par exemple, si un client appelle le centre de service clientèle après un achat récent, l’agent du centre d’appel doit disposer d’un historique à jour des achats du client en ligne, par téléphone, par mail direct et dans le magasin. Les analyses avancées peuvent parcourir tous ces points de contact et fournir au représentant, en temps réel, la « seconde meilleure offre » ou recommandation de produit personnalisée selon les besoins du client. Des informations d’analyse incomplètes ou obsolètes sur les achats récents des clients mettent le détaillant dans une position embarrassante ou pire, peuvent pousser le client chez un concurrent.

La possibilité de fournir des analyses pour soutenir les besoins commerciaux des clients en temps réel est née de l’incorporation de modèles et de méthodes de data mining, tels que les fonctions définies par l’utilisateur (UDF) au sein de Teradata. Les améliorations de Teradata Warehouse Miner en matière d’UDF fonctionnent comme un index à partir duquel les utilisateurs peuvent sélectionner des fonctions préprogrammées qui sont liées aux données détaillées. Dans un environnement Windows, les utilisateurs professionnels peuvent sélectionner, glisser-déposer la fonction d’analyse désirée à partir d’une liste d’UDF et l’exécuter au niveau des données détaillées appropriées dans l’entrepôt de données sans perdre de temps à encoder manuellement la fonction ou à déplacer des données entre les systèmes. La plus-value des UDF réside dans le fait qu’on peut les partager et les réutiliser parmi les utilisateurs. Grâce à cela, les analyses demeurent cohérentes au sein de l’entreprise.

« L’intégration des techniques statistiques UDF de Visual Numerics aidera nos clients communs à résoudre rapidement des problèmes complexes avec la précision d’une analyse très puissante, » affirme Phil Fraher, Directeur Général de Visual Numerics. « Grâce à notre collaboration, les clients peuvent tirer profit de cette technologie de pointe pour amener les informations au plus profond de l’entreprise à des vitesses de plus en plus élevées. »

« Je suis impressionné par le fait que Teradata ait permis à des partenaires comme SAS et Visual Numerics d’intégrer des fonctions d’analyse personnalisées dans la base de données Teradata. Grâce à cela, les concepteurs de modèles analytiques pourront exécuter leurs tâches plus facilement dans l’environnement Teradata sans devoir tout convertir en SQL. Cela permettra d’économiser du temps et de l’argent tout en élevant Teradata au rang de plateforme idéale pour exécuter des modèles analytiques, » conclut Wayne Eckerson, Directeur de TDWI Research au Data Warehousing Institute.



Dans la même rubrique :