Pourquoi l'automatisation est la nouvelle réalité des initiatives Big Data

Le logiciel d'analyse en libre-service est une tendance dans le développement de logiciels depuis un certain temps. Sur le plan conceptuel, il n'y a cependant pas beaucoup de nouveauté - le libre-service en tant que concept a déjà été appliqué aux fast-food, aux services financiers et à d'autres industries, et le domaine du logiciel ne fait que le personnaliser en fonction de ses besoins uniques.

L'analyse en libre-service est spécifiquement destinée aux utilisateurs professionnels qui ont besoin de manipuler facilement les données et de créer des analyses sans avoir à dépendre d'un personnel de données techniquement qualifié tel que des spécialistes des données. On croit que l'analyse en libre-service va réduire la dépendance à l'égard des scientifiques des données. Un groupe d'experts estime également que le passage absolu de l'analyse aux mains des utilisateurs professionnels peut compromettre la gouvernance et que les utilisateurs professionnels ont besoin d'une formation de qualité. Les deux points de vue sont fondés. Bien que les prévisions sur le marché de l'analyse en libre-service soient positives, il est important de former les utilisateurs à utiliser correctement le logiciel. Les utilisateurs professionnels ont de nombreuses possibilités d'apprendre de tels outils logiciels. (Pour en savoir plus sur la Business Intelligence et l'analytique, voir Big Data Analytics peut-il combler le fossé de la Business Intelligence?)

Libre-service dans le contexte du Big Data et de la Business Intelligence (BI)

Pensez à ce cas d'utilisation: dans une organisation, le client ou le personnel orienté vers le marché dépendent énormément des données pour prendre des décisions. Désormais, l'obtention d'analyses personnalisées n'est pas facile car le volume de données est énorme et provient de plusieurs sources; il faut des compétences spécifiques pour manipuler les données et générer des analyses dans un format compréhensible. Les scientifiques des données et autres techniciens doivent donc être impliqués. Cela crée beaucoup de problèmes. Par exemple, la bande passante du personnel technique et des scientifiques des données est divisée et une trop grande dépendance à l'égard du personnel technique peut retarder l'obtention de l'analyse, ce qui peut entraver la prise de décision.