Optimisation de l`Entrepôt de Données
Transcription
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