Retrouvez-nous le 14 mai au Google Cloud Summit à l'Accor Arena - Paris !

logo saagie red
illustration blog plateforme data science

Qu’est-ce qu’une plateforme data science ?

Une plateforme Data Science est une solution logicielle destinée au traitement analytique des données. Les Data Scientists  sont ainsi accès à un outil collaboratif fiable qui leur permet de travailler dans un même environnement. L’objectif d’une telle plateforme est de convertir, avec la plus grande efficacité possible, les données en prédictions utiles pour les entreprises.

L’approche collaborative est au cœur de la logique défendue par une plateforme Data Science. Dans une entreprise, plusieurs équipes spécialisées sont en mesure de s’en servir tant pour le développement que pour la création de nouveaux produits data. Il s’agit d’un outil particulièrement complet, qui se propose d’accompagner le développement d’un projet Data Science de A à Z et d’ouvrir les portes de la production. Son principal avantage est de pouvoir rassembler, dans un souci de productivité et d’efficacité, des Data Scientists, des Data Analysts ainsi que des opérateurs. Au sein de cet environnement dédié, les différentes technologies Big Data et les divers langages peuvent coexister sans accroche.

Ce type de plateforme offre de nombreuses applications pour les entreprises. Il est possible d’avoir recours à une plateforme Data Science pour mener des analyses marketing, assurer la gestion de données, réaliser de la maintenance prédictive ou bien de la détection les fraudes. Si elles possèdent de réels atouts, les plateformes de Data Science n’en affichent pas moins certaines limites. Les technologies couramment employées dans le monde de l’entreprise (langage Java, code C) sont ainsi incompatibles avec celles utilisées sur ces plateformes (langage R ou Python). Plus important : à un certain niveau, la volumétrie des données traitées peut poser problème.

Qu’est-ce qu’une plateforme Big Data ?

Une plateforme Big Data est un framework permettant de réaliser le stockage et le traitement de gros volumes de données. Elle s’avère essentielle pour les entreprises souhaitant mener avec succès leurs projets Big Data ou Intelligence Artificielle. En assurant le traitement d’une énorme quantité de données, une plateforme Big Data, par sa puissance et sa capacité de stockage, autorise la prise en charge d’une quantité potentiellement infinie de tâches. Aujourd’hui, l’augmentation croissante du volume des données et la diversification de leurs sources, imposent des outils de plus en plus perfectionnés pour assurer leur traitement. C’est là le principal atout d’une telle plateforme, la multitude d’outils qu’elle propose et qui offre un traitement rapide et fluide.

La plateforme permet de stocker des données brutes (texte, images, vidéos) sans avoir besoin de les traiter au préalable (grâce au data lake). Il est possible d’y avoir recours plus tard, lorsque celles-ci auront une utilité directe pour l’entreprise. L’analyse des données réclame l’utilisation de technologies poussées. Pour assurer une vitesse optimale, les traitements Big Data impliquent ainsi le recours à l’intelligence artificielle et plus particulièrement à l’apprentissage automatique, ou « Machine Learning ». L’un de ses dérivés, le Deep Learning, constitue un outil très puissant, et permet un apprentissage continu et la détection de corrélation parfois peu évidentes. Le Deep Learning est par exemple très utilisé par différentes sociétés proposant des outils de reconnaissance visuelle.

A l’heure actuelle, de nombreuses entreprises ont recours à des plateformes Big Data. Elles jouent un rôle incontournable dans le stockage et le traitement de gros volumes de données. Le coût de l’opération s’avère intéressant pour les entreprises qui passent d’un mode “Scale up” sur leur architecture de stockage de donnée à une architecture “Scale out” . Le stockage et l’archivage des données de différentes sources et formats à un prix raisonnable est un atout non négligeable. Les entreprises peuvent par exemple conserver pendant longtemps des données issues de transactions commerciales ou de comptes sur les réseaux sociaux, dans l’attente du moment où celles-ci trouveront une utilité pour elles avec un coût de stockage généralement moindre que sur un SGBD “classique” (Scale up). La plateforme offre un vaste éventail d’outils analytiques pour gérer les données collectées. Sans nécessiter d’investissements supplémentaires, il s’agit là d’un moyen pertinent afin de dénicher de nouvelles opportunités d’innovation pour les sociétés. Une telle plateforme peut également recouvrir une fonction de moteur de recommandation. L’analyse des données aboutira à la création d’un système de suggestions, service très apprécié des internautes, que bien des entreprises utilisent aujourd’hui.

De la Data Science en production ?

Pour les entreprises, l’un des enjeux marquants du Big Data est de parvenir à passer de la Data Science à la production. Cette technologie doit être abordée via une plateforme adaptée pour assurer une gestion facile de l’ensemble des données dans l’entreprise. Chez Saagie, avec notre Data Fabric, nous mettons à la disposition des professionnels un moyen efficace pour mettre en production les projets d’Intelligence Artificielle et en tirer une utilité concrète. Le but ? Assurer en toute sécurité le traitement et l’exploitation d’immenses volumes de données. La plateforme Big Data de Saagie permet d’accélérer fortement votre processus de transformation numérique avec une plateforme unifiée pour réaliser vos travaux de Data Science et les mettre en production sur une seule et même plateforme. Tous les acteurs de l’entreprise, du Data Scientist à l’executif en passant par les métiers et les Data Engineers collaborent sur une seule plateforme et sur l’ensemble de la chaîne de valeur de vos données, afin que celles-ci puissent être utilisées facilement par tous.

Il existe aujourd’hui de nombreuses technologies Big Data qui permettent d’optimiser le traitement des données. Il peut s’agir de bases de données NoSQL, comme Redis, Cassandra ou MongoDB, implémentant les systèmes de stockage les plus performants ; d’infrastructures de serveurs facilitant le traitement de données massives, dont le célèbre framework Hadoop ; de technologies prônant le traitement en temps réel, comme Apache Spark ; d’architectures Big Data variées (Lambda, Kappa, SMACK) ; ou encore de stockage des données en mémoire visant à réduire au maximum les temps de traitement des requêtes. Les solutions Big Data sont en plein essor, des études annoncent une croissance annuelle de 12 % jusqu’à 2020 pour ce marché et chez Saagie nous avons unifié un grand nombre de ces technologies sur une seule plateforme !

Une plateforme Data Science réunit tous les maillons de la chaîne du traitement de données au sein d’un environnement unique. Pour les entreprises, ce type de solution prête à l’emploi est la certitude de pouvoir extraire, visualiser et exploiter les données sur un seul outil. Leur gestion et leur analyse se feront sans difficulté au moyen d’algorithmes prédictifs. Notre plateforme vous permet facilement de mettre la Data Science en production sur l’ensemble de vos sources de données et de réaliser vos projets les plus innovants.

Les 5 composantes d'une plateforme Data Science

La data est un vaste sujet et rendre les données facilement accessibles à tous est un grand défi.

Pour y parvenir, vous avez idéalement besoin d’une plate-forme data end-to-end ou full-stack. Pour vous aider à comprendre ce qui est nécessaire pour créer une telle plate-forme, l’interface principale de Saagie Manager vous donne de très bons aperçus.

Nous avons divisé l’écran en cinq composantes. Il est évident que tous les composants ne sont pas obligatoires. Aussi, nous n’entrerons pas dans les détails des diverses technologies en évolution que vous pouvez utiliser dans chaque composante.

En bas, vous trouverez deux composantes liées au stockage des données.

Les services Datalake sont au cœur d’une grande plate-forme de données qui vous permet de stocker des données, d’explorer ces données et de disposer de divers outils pour les interroger. Dans cette catégorie, vous trouverez dans un futur proche la capacité de traitement associée à la création d’algorithmes d’intelligence artificielle.

Les services Datamart ne sont pas obligatoires mais souvent utiles à des fins de visualisation lorsque des réponses en milli-secondes sont nécessaires. Les attentes des utilisateurs sont extrêmement élevées : personne ne veut attendre qu’un graphe se rafraîchisse. En outre, les datamarts sont utiles pour isoler et sécuriser les données à des fins commerciales spécifiques.

Les jobs qui travaillent avec des données peuvent être présentés en trois catégories.

Les jobs d’extraction permettent de s’assurer que les données sont collectées à partir d’un large éventail de sources de données structurées ou non structurées, en lot ou en continu. L’avantage d’une extraction de données est qu’il n’est pas nécessaire de préagréger les données, il suffit de les stocker.

Les jobs de processing sont une composante essentielle de votre plate-forme de données. Ils vous aident à nettoyer les données et à appliquer toutes sortes d’algorithmes. Des ordinateurs portables préconfigurés faciles à utiliser sont mis à disposition, et vous pouvez même déployer directement depuis votre RStudio des jobs sur la plateforme.

Les smart apps sont le dernier élément. Nous considérons qu’il s’agit d’un élément clé, car les applications sont souvent la partie visible de l’iceberg des données. Ici, vous visualisez les données par des applications personnalisées, des outils de narration de données ou même vos outils de BI existants. Comme pour les autres parties, la technologie Docker est là pour rendre les intégrations transparentes. Vous voulez exporter un score dans votre CRM ou un e-mail de customer success sur un client qui churne, vous pouvez coder cela très facilement avec Docker.