Comment Oracle Analytics Cloud & Autonomous Data Warehouse révolutionne le monde du Cloud et de la base de données ?

Temps de lecture : 5 mn

Au Grand Palais ce mardi 16 avril, 400 prospects se sont réunis à l’Analytics Day pour découvrir comment la nouvelle plateforme data d’Oracle pouvait les aider à accélérer leurs projets d’entreprises. Les solutions Oracle Analytics Cloud & Autonomous Data Warehouse étaient au cœur de cette 5e édition centrée sur la manière dont l'Intelligence Artificielle révolutionne le monde du Cloud et de la base de données. Sit back, relax, and let Oracle do the driving.

Bruno Aziza, VP AI, Data, Analytics & Cloud Oracle a introduit la journée en soulignant l’importance de l’Intelligence Artificielle dans les solutions Analytics d’Oracle qui évoluent sur 3 axes essentiels : business centralized, self-service et Analytics augmented.

I. La démo chocolatée d’Autonomous Data Warehouse & Augmented Analytics

A l’occasion de cette démo destinée à faire découvrir Autonomous Data Warehouse avec l’Analytics Augmentée, Audrey Delou et Alain Scazzola nous ont propulsé chez 0’Choco, une entreprise qui souhaitait extraire de ses données les informations les plus judicieuses pour ses nouvelles campagnes marketing. Le temps est compté, comment être le plus efficace ?

Pas de souci ! Il suffit d’utiliser Autonomous Data Warehouse dans le Cloud, la Base de Données Autonome qui s’administre toute seule et qui « fait tout pour toi » souligne A. Scazzola. Audrey s’interroge : « Je n’ai donc pas besoin de DBA à temps plein ? » En effet, plus besoin de DBA pour installer en à peine quelques minutes un environnement complet où il ne reste plus qu’à charger ses données.

Autonomous Database a 4 grands objectifs :

• Garantir une disponibilité et des performances optimales de la base de données pour vos applications. La base de données autonome minimise tous les types d’arrêts de services, planifiés ou non-planifiés, et assure les plans de maintenance.
• Automatiser les tâches de gestion manuelles sujettes aux erreurs pour délester administrateurs de bases de données de ces tâches.
• Sécuriser au maximum la base de données : les données sont chiffrées, les accès sécurisés et l’application des patchs automatisée.
• Permettre aux DBA d'appliquer leur expertise à des fonctions de niveau supérieur, de se rapprocher des équipes métiers et des développeurs d’applications pour mettre à profit leur connaissance des données dans les différents processus de l’entreprise, ils deviennent de vrais data manager !

Audrey appréhende le coût de cette installation. Alain la rassure : « En deux semaines, ton projet, pour 4 To et 4 processeurs OCPU ne coûtera que 626 euros ! ».

II. Quand les clients témoignent…

1. Pourquoi TechnipFMC a modernisé son décisionnel Finance ERP avec Oracle Analytics Cloud ?

En 2009, TechnipFMC a commencé sa migration vers le Cloud avec une application AppShare. Pour Jean-Luc Brunat, Chief Data Officer, le Cloud n’a jamais été un frein mais une opportunité car l’entreprise a besoin d’agilité : les environnements changent régulièrement et les opérations se déploient dans différents pays. Dernièrement, l’organisation a migré son patrimoine applicatif sur le Cloud Oracle pour une architecture hybride. Un Data Warehouse a donc été installé en 2012, géré par Oracle à distance. Le Cloud Oracle de 2ème génération (OCI Gen2) intéresse TechnipFMC pour ses capacités d’interconnexion et de réversibilité. Un client doit pouvoir en effet revenir sur un environnement On-Premise à tout moment en fonction de sa stratégie.

Un des soucis était de migrer un dashboard de manière la plus transparente sur la plateforme Cloud. Oracle Analytics, existant dans les 2 modes, On-Premise et Cloud, permet cela le plus facilement du monde !

2. Groupama : construire une plateforme Big Data à l’échelle de l’entreprise

Groupama est une entreprise d’assurance qui a toujours été centrée sur la data, l’objectif est double :

• Répondre à un manque en termes de Business Intelligence multicanal et multimétier
• Construire une plateforme Big Data à l’échelle de Groupama

Antoine Hacquard, Responsable Division Architecture et Urbanisme, a identifié 4 principaux cas d’utilisation :

• Construction d’un Data Warehouse en aval du data lake pour permettre à chaque entreprise (caisse régionale) de créer ses propres besoins de reporting.
• Présenter une vision 360° dans le CRM pour avoir une connaissance plus large des clients, notamment avec les données non structurées.
• Monter un dispositif pour détecter les fraudes à grande échelle en croisant les données entre les différentes entités. Le data lake décloisonné permet de construire ce système de fraude en identifiant des comportements qui n’ont pas lieu d’être.
• Création d’un data lab pour que les data scientits travaillent sur des modèles prospectifs.

Pour Groupama, le bilan est positif : le programme lancé en 2015 propose aujourd’hui une plateforme opérationnelle, alimentée au quotidien et industrialisée. Non seulement il sert les cas d’usage actuels et permet de présenter une stratégie data à l’échelle de Groupama mais aussi, il tend à construire les cas d’utilisation futurs avec la création du data lab.

3. Comment Arkea a entrepris sa transformation analytique dans le Cloud avec Oracle ?

En 2012, Arkea a entrepris une refonte du projet du pilotage de l’activité du réseau des agences locales pour :

• Avoir une approche tableaux de bord
• Davantage de performance, quel que soit le point de vue : agences, unités territoriales, direction départementale, fédérations.
• Saisir des corrections ou ajustements sur les données pour le métier

Avec Analytics Cloud, Arkea a souhaité démocratiser l’accès à la donnée avec pour objectifs principaux :

• Une plus grande autonomie des utilisateurs non IT sur la captation, la transformation et la présentation de la donnée
• Une industrialisation plus simple par l’IT sur des cas d’usage confirmés

Aujourd’hui, Arkea a réalisé :

• Un suivi de l’activité commerciale de la filiale Arkea Investment Services
• La mise en place de « plaquettes » OAC via le storytelling
• Différents outils de suivi de production des métiers (Risque, Produits Bancaires…)
• Un rapprochement de données

4. Comment Unicancer utilise l’Analytics au service de la recherche médicale ?

Unicancer s’intéresse aux données de vie réelles, soient les données qui s’intéressent aux trajectoires de vies des patients. Alexandre Vanni, Responsable Etudes et Développements chez Unicancer, a expliqué comment l’Analytics est au service de la recherche médicale. L’objectif d’Unicancer est d’améliorer la qualité de vie du patient dans sa maladie. L’entreprise exploite donc des bases de données de vie réelle pendant une durée de 5 à 7 ans sur les patients. Ces données sont récoltées 24h/24 et non pas seulement lorsque le patient consulte.

Avec Oracle Cloud Analytics, Unicancer a pu croiser les données récoltées dans la base de données de l’hôpital, du patient, et des traitements sur une seule plateforme : la data platforme Epydemiological Strategy and Medical Economics (ESME) qui traitent les données grâce aux outils RBM.

III. Comment Autonomous Data Warehouse s’est implanté au sein de la société Sauermann ?

Business & Decision a implanté Autonomous Data Warehouse au sein de la société Sauermann de manière à aider son client à tirer de la valeur de ses données. Ce projet avait pour objectifs de :

• Construire une première brique d’un décisionnel global pour le groupe
• Réconcilier les données de manière industrialisée avec une attention particulière sur la qualité des données
• Démontrer la valeur de la donnée

Démarrer un projet avec Autonomous Database a été très rapide, notamment parce que les technologies Oracle étaient connues. Il en découle de nombreux bénéfices :

• un time-to-market : pas d’infrastructure (aucun achat de serveur) et d’installation
• validation sans risque : rapide, sans engagement, en se concentrant sur la valeur métier
• simplicité : la technologie est maîtrisée par le fournisseur dans le Cloud, il n’y a ni tuning, ni index, ni partionnement, etc.
• industrialisé : la solution offre toute la dotation technique dont une entreprise doit se parer : traçabilité, historisation, maintenabilité, maîtrise, évolutivité…

Avec la base de données autonome, les prochains projets seraient :

• Une extension du périmètre fonctionnel
• Une étude d’opportunité avec l’usage d’Oracle Data Visualisation

Finalement, la data peut permettre aux entreprises d’améliorer leurs capacités grâce à des projets Cloud qui ne font pas de compromis sur la fiabilité, la sécurité et la performance. Autonomous Database permet de libérer du temps sur des tâches à faible valeur ajoutée de manière à favoriser l’innovation pour davantage de bénéfices business et IT.