La start-up française Dataiku lance la version 2.0 de Data Science Studio (DSS), sa plateforme logicielle d’analyse de données et de création d’applications prédictives. À cette occasion, le cofondateur et Pdg de Dataiku, Florian Douetteau, fait le point sur l’évolution du produit, l’accélération des projets Big Data et les difficultés rencontrées par les organisations pour les mettre en œuvre.
Silicon.fr : Comment a évolué Data Science Studio depuis son lancement en février 2014 ?
Valorisation des données, sécurité, collaboration métiers/IT… Quelles sont les attentes des organisations avec lesquelles Dataiku travaille ?
F.D. : Les organisations ont un besoin impérieux : construire quelque chose de nouveau et pertinent à partir de leurs données. Nos clients les plus petits se posent la question en nombre de semaines : combien de semaines sont nécessaires pour sortir mon premier succès avec le Big Data ? Nos clients les plus grands s’interrogent sur le nombre de projets : combien de projets pourrais-je mener à bien cette année ? Leur enjeu est de sécuriser le temps de développement de ces applications, ce qui implique de faire rapidement monter en compétences leurs équipes sur le Big Data et l’analytique. Assez souvent, le Data Science Studio est utilisé dans le cadre de projets où des pôles différents de l’entreprise (Marketing, IT, Business Intelligence, Web) travaillent ensemble sur des données qu’ils manipulaient chacun séparément par le passé. Montrer le même fichier Excel à un développeur informatique et à un analyste marketing : ils ne verront pas la même chose dedans. J’aime l’idée que notre outil sert de point de rencontre aux points de vue et pas seulement aux données.
Les entreprises investissent dans le Big Data, mais en ordre dispersé. Résultat, les projets entrés en phase de production à grande échelle sont encore minoritaires. Quel est votre constat ?
F.D. : Les entreprises ont des approches de plus en plus structurées pour monter des projets Big Data. Elles s’organisent et s’adaptent (approche par projet, suivi des indicateurs clés de performance, équipes dédiées, recrutements techniques). Le recrutement de profils qualifiés peut toutefois rester un facteur limitant dans l’esprit de certaines entreprises. Nous pensons qu’il ne faut pas attendre et chercher à tout prix la superstar des data scientists pour se doter d’applications Big Data ambitieuses. Construire des applications via la donnée correspond à un état d’esprit qui s’acquiert, et le saut technique à faire en 2015 est bien moins important qu’il y a 2 ou 3 ans. Toute la série d’applications autour du fameux Hadoop est beaucoup plus stable aujourd’hui, la plupart des entreprises ont les compétences en interne et peuvent se former.
Lire aussi :
Big Data : ça avance… mais en ordre dispersé
Big Data : Dataiku va doubler ses effectifs et gagner New York
Silicon et KPMG lancent Trends of IT 2024, une étude co-construite avec les managers IT…
Avec son Pack cybersécurité lancé au Forum InCyber 2024, Docaposte tend une perche aux PME.…
Quels sont les impacts immédiats de l'IA générative sur la cybersécurité ? Comment le contexte…
Un éditeur attire l'attention sur des attaques exploitant l'absence d'autorisation dans une API du framework…
Après un premier financement en septembre 2023, Amazon a débloquer le reste de l'enveloppe qu'il…
D'Alpine Linux à XPipe, voic les dernières entrées au SILL (Socle interministériel de logiciels libres).