Optimisation de l`Entrepôt de Données

DATASHEET
PLAN D’ACTION POUR UNE MISE EN OEUVRE RÉUSSIE DES BIG DATA:
Optimisation de l’Entrepôt de Données
Réduire les coûts et optimiser la performance opérationnelle
• Les entrepôts de données existants ne parviennent pas à faire face aux volumes croissants
OBJECTIFS
des données. Cela se traduit par une baisse des performances et l’incapacité des entreprises
à respecter leurs SLA. À cela s’ajoute une augmentation rapide des coûts liés à l’ajout d’une
nouvelle infrastructure.
• Notre solution d’optimisation vise à alléger la charge des infrastructures existantes en
confiant les données les moins utilisées et la transformation des données à Hadoop de
manière à gagner en performance.
• Réduire à la fois les coûts liés aux entrepôts de données et les frais de gestion en éliminant
POURQUOI?
le besoin d’une infrastructure d’entreposage de données et en recourant à un data store à
faible latence.
• Distribuer les données en temps et en heure dans le respect des SLA, et donner aux
utilisateurs métier les moyens de respecter les objectifs fixés.
• Répondre aux exigences de conformité en fournissant un accès direct aux données
historiques (telles que les enregistrements archivés de transactions financières).
• Économies de personnel et productivité: Pentaho Data Integration pour les Big Data et Pen-
ATOUTS DE
PENTAHO
taho MapReduce permettent aux développeurs de transférer les données entre l’entrepôt de
données et Hadoop et de les traiter beaucoup plus facilement, sans aucune programmation.
• Valeur ajoutée: Grâce à Pentaho MapReduce, les entreprises divisent par 15 leurs temps
de développement par rapport aux processus manuels de codage et d’écriture de scripts.
• E xécution plus rapide des tâches: Pentaho MapReduce est exécuté en parallèle dans
un cluster, ce qui se traduit par une performance accrue par rapport aux autres outils
d’écriture de scripts.
Call Center
View
CRM System
Admin
Info
Documents &
Images
Admin
Info
NoSQL
Analytic
Database
CRM System
Call Center
View
Documents
&
Images
Analytic
Database
NoSQL
PDI
Claims
PDI
Online Interactions
Claims
PDIPredictive
Analytics
PDI
Online Intera
ctions
Predictive
Analytics
Exemple: Entreprise Spécialisée
Dans le Stockage Réseau
DÉFI:
AVANTAGES:
• L’entrepôt de données SGBDR Oracle existant ne
• Le coût des données a été divisé par 15 grâce à une
permet plus de gérer le volume croissant des données.
• Respect des SLA de traitement des données.
baisse des frais de stockage, une utilisation plus
efficace du personnel et à la simplification du
traitement mapReduce dans Hadoop.
SOLUTION:
• Mise en œuvre de Hadoop afin d’alléger la charge
de l’entrepôt de données Oracle existant.
• Mise en œuvre de Pentaho Data Integration pour
la planification, l’ETL ainsi que l’accroissement et
la distribution des données.
• Outils ETL faciles d’utilisation pour les sources de
données existantes et Hadoop
• Les données ont été distribuées à temps aux
utilisateurs métier, aux ingénieurs et au personnel
de l’assistance client, conformément aux SLA.
Données de diagnostic issues des
équipements de
stockage
Utilisateur
métier
Planification
Agréger
l’analyse de
performance
des équipements
PDI
PDI
Ingénieur
Cluster
Hadoop
SGBDR et
Data Marts
ETL,
augmentation
et distribution
des données
Un million de
messages de
performance
automatisés
par semaine
Identifier les
risques de
défaillance des
équipements
Assistance
client
Créer des
rapports pour
résoudre les
problèmes
Be social
with Pentaho:
Copyright ©2015 Pentaho Corporation. All rights reserved. Worldwide +1 (866) 660 7555.
015-532v2
pentaho.fr/contact | +1 (866) 660-7555