Ce post fait partie de la série sur les tendances numériques 2021 de G2. Lisez-en plus sur la perspective de G2 sur les tendances de la transformation numérique dans une introduction de Michael Fauscette, directeur de la recherche chez G2, et Tom Pringle, vice-président de la recherche de marché, ainsi qu'une couverture supplémentaire sur les tendances identifiées par les analystes de G2.

Tendances de la gestion des données en 2021

En 2021, les leaders axés sur les données réévalueront leurs stratégies de gestion des données en raison de l'évolution de l'environnement technologique. Les organisations donneront la priorité aux investissements dans des plateformes de données évolutives pour sécuriser, gouverner et analyser efficacement les données à travers les fonctions commerciales via une plateforme unifiée unique. Ces plateformes offriront un meilleur contrôle et permettront un accès fluide à leurs données, quel que soit l'endroit où elles se trouvent, les aidant finalement à obtenir des informations précieuses et à prendre de meilleures décisions commerciales.

Les organisations peuvent obtenir un avantage concurrentiel en développant une expertise en gestion des données pour alimenter leur stratégie commerciale. De nouveaux outils et technologies basés sur l'intelligence artificielle (IA) et l'apprentissage automatique (ML) sont continuellement introduits pour gérer les complexités en constante évolution telles que la diversité et la disparité des données à travers les environnements.

Une autre évolution progressive dans la gestion des données est la ligne floue entre les responsabilités informatiques et commerciales ; les organisations ne sont plus limitées par des frontières fonctionnelles, permettant une collaboration de données à l'échelle de l'entreprise et donnant aux parties prenantes de l'organisation les bonnes données au bon moment.

Explorons plus en profondeur les tendances susceptibles d'émerger dans le domaine de la gestion des données en 2021.

Repenser la gestion des données pour une stratégie hybride et multicloud

L'essor de l'architecture hybride et multicloud, et les avancées continues en IA et ML, incitent le marché de la gestion des données à évoluer constamment avec des défis, des opportunités et des stratégies intensifiés. Le partenariat récent entre deux géants de la technologie, IBM et SAP, explique le mouvement des organisations vers un parcours cloud hybride.

L'adoption du cloud a considérablement augmenté ces dernières années, 2020 accélérant encore plus la tendance, au milieu de la pandémie de COVID-19. La croissance du marché des services d'infrastructure cloud a explosé au troisième trimestre, la pandémie agissant comme un catalyseur, alimentant la demande en ligne. Les entreprises ont commencé à déplacer de plus en plus de leurs charges de travail et de leurs données vers le cloud, tout en préférant plusieurs environnements cloud à un seul fournisseur de cloud.

À mesure que les entreprises accélèrent leur migration vers le cloud, elles mettent de plus en plus en œuvre une stratégie multicloud. 93 % des entreprises ont une stratégie multicloud et 87 % ont une stratégie cloud hybride, selon le State of Cloud Report 2020 de Flexera.

Une stratégie multicloud permet aux organisations de maintenir un environnement cloud hybride qui offre à la fois sécurité et capacités spécialisées comme des capacités ML intégrées. Les charges de travail et les données les plus axées sur la sécurité peuvent être conservées dans le cloud privé tandis que les données et applications régulières peuvent fonctionner sur des réseaux cloud publics rentables. Ce type d'infrastructure s'avère être un modèle réussi pour les organisations car elles offrent un ensemble riche d'options cloud qui aide à la fois à optimiser les retours sur les investissements cloud et à réduire la dépendance aux fournisseurs.

Un des principaux défis qui émerge avec le taux croissant d'adoption du multicloud ou du cloud hybride est la gestion des données à travers plusieurs systèmes et emplacements au sein des organisations. Les entreprises se verront quelque part entre être 100 % sur site et dans le cloud sur le spectre de déploiement.

Dans un scénario cloud hybride en temps réel, la plupart des organisations utiliseront un mélange de déploiement multicloud et sur site. Pour surmonter les défis liés à ce paysage en évolution, les organisations adopteront des plateformes de gestion de données hybrides de bout en bout pour offrir une plus grande visibilité et un meilleur contrôle sur leurs données à travers les environnements cloud, hybrides et sur site tout en garantissant la sécurité des données et la gouvernance.

Les géants de l'espace de gestion des données, tels que IBM définissent une plateforme moderne de gestion de données hybrides comme celle qui doit assurer une accessibilité complète indépendamment de la source ou du format, prendre en charge diverses options de déploiement, éliminer les restrictions et démocratiser l'accès aux données, et embrasser la puissance des analyses intelligentes avec ML intégré.

Déchiffrer la technologie émergente dans la gestion des données : le tissu de données

Les données ne résident plus dans un seul environnement ; elles sont dispersées à travers des environnements sur site et cloud, ce qui indique que les entreprises se dirigent vers un monde hybride. Avec la croissance exponentielle des formats de données, des sources et des déploiements à travers les organisations, les entreprises recherchent constamment des moyens d'optimiser au mieux les actifs de données qui vivent au sein des systèmes hérités existants sur site.

Le tissu de données peut être considéré comme un tissage qui s'étend sur un grand espace qui connecte plusieurs emplacements, types et sources de données, avec des méthodes pour accéder à ces données. La technologie du tissu de données est conçue pour résoudre les complexités liées à la gestion de la disparité des données dans les environnements sur site et cloud à travers une plateforme unifiée unique.

Le tissu de données est un terme émergent dans l'industrie de la technologie des données. Des organisations comme Cinchy, une entreprise de collaboration de données basée à Toronto, essaient d'éduquer les fournisseurs sur le potentiel de cette technologie. L'entreprise a également récemment sécurisé un financement de série A pour soutenir la demande croissante de la technologie du tissu de données. L'objectif de ces entreprises est de créer un environnement de données qui offre un accès centralisé via une vue unifiée des données d'une organisation qui hérite des restrictions d'accès et de gouvernance, indépendamment du format ou de l'emplacement des données.

La technologie de collaboration de données appliquée dans un tissu de données permet aux utilisateurs d'accélérer et de rationaliser les processus ETL intensifs en se connectant facilement à différentes sources de données et en éliminant le temps passé à déplacer et copier des données entre les applications à travers une architecture interconnectée. Les professionnels des données estiment qu'avec des données de plus en plus distribuées, dynamiques et diversifiées, les entreprises ont besoin d'un accès et d'un partage des données sans friction, et cela va stimuler la montée de la technologie du tissu de données.

Les organisations continuent d'adopter l'IA et le ML pour alimenter les stratégies de gestion des données

Gestion des données augmentée (ADM)

Les scientifiques des données et les ingénieurs de données passent la majorité de leur temps à accéder, préparer et gérer manuellement les données. L'ADM est l'application des technologies IA/ML dans l'automatisation des tâches manuelles dans les processus de gestion des données.

L'ADM aidera les entreprises à simplifier, optimiser et automatiser les opérations liées à la qualité des données, à la gestion des métadonnées, à la gestion des données de référence, aux systèmes de gestion de bases de données, etc., les rendant auto-configurables et auto-ajustables. Un moteur augmenté par IA/ML offre des recommandations intelligentes aux professionnels des données, leur permettant de choisir parmi plusieurs modèles pré-appris de solutions à une tâche de données spécifique. L'automatisation des tâches manuelles de données au sein des organisations entraînera une productivité plus élevée et une démocratie accrue parmi la communauté des utilisateurs de données.

Application de l'ADM dans les catalogues de données

Le besoin de catalogues de métadonnées augmentés par ML continuera de croître en 2021. Compte tenu de l'ampleur et de la distribution croissantes des ensembles de données, des défis importants se posent dans l'inventaire et la synthèse des données pour une utilisation à l'échelle de l'entreprise. Aujourd'hui, la recherche et le suivi du parcours des données deviennent de plus en plus importants pour des analyses efficaces.

Les catalogues de données d'apprentissage automatique se sont vendus comme des petits pains en 2020 et cette tendance continuera de croître. Le ML automatise les aspects banals de la compréhension des données et de l'application des politiques, des règles commerciales, des balises et des classifications dans les catalogues de données.

Prolifération des graphes de connaissances

Les bases de données graphiques sont une technologie relativement ancienne. Des géants de la technologie comme Google, Facebook et Twitter utilisent des graphes de connaissances pour comprendre leurs clients, leurs décisions commerciales et leurs gammes de produits depuis des années. Les graphes de connaissances sont composés d'une base de données graphique sous-jacente pour stocker les données et d'une couche de raisonnement pour rechercher et extraire des informations des données.

Cette année, G2 a observé une augmentation de 119 % dans la catégorie des bases de données graphiques et a enregistré la plus forte croissance pendant la pandémie. On peut en déduire que les bases de données graphiques se sont avérées être un outil vraiment précieux pour modéliser la propagation du coronavirus. Des organisations pharmaceutiques comme AstraZeneca ont utilisé des algorithmes graphiques pour trouver des patients ayant des types et des schémas de parcours spécifiques, puis trouver d'autres patients proches et similaires.

La capacité des graphes de connaissances à démêler et analyser des relations de données hétérogènes complexes pour découvrir des relations significatives a augmenté la productivité des scientifiques des données. Elle facilite également la capacité des utilisateurs à apprendre et à croître continuellement de manière organique avec l'aide des ontologies.

Le graphe s'avère être l'un des moyens les plus rapides de connecter les données, surtout lorsqu'il s'agit de données complexes ou de grands volumes de données disparates. La mise en œuvre d'un graphe de connaissances en combinaison avec des algorithmes IA et ML aidera à instiller du contexte et de la logique dans les données. Les principaux cas d'utilisation du traitement des graphes seront observés dans la détection de la fraude, l'analyse des réseaux sociaux et dans le domaine de la santé.

Points clés à retenir

Les organisations adoptent de plus en plus des stratégies multicloud et déplacent leurs charges de travail et leurs données dans le cloud. Les données seront hébergées quelque part entre sur site et dans le cloud. La gestion de ces données dispersées à travers plusieurs sources, formats et déploiements est un défi que les organisations réaliseront en 2021. Cela amènera les entreprises à réimaginer leur stratégie de gestion des données pour adopter une approche de gestion des données hybrides dans le but de connecter et de gérer les données indépendamment de l'endroit où elles se trouvent.

Les organisations seront vues en train de construire des plateformes de données évolutives alimentées par la technologie IA/ML pour répondre au paysage technologique en constante évolution.