Le traitement en batch permet d'exécuter des jobs de données lorsque les ressources le permettent avec peu ou pas d'intervention de l'utilisateur, afin d'améliorer l'efficacité et d'automatiser les processus.
En savoir plus
Ce webinar à la demande presenté par Talend démontre comment l'INA orchestre son SI.
Regarder
La différence entre l’ETL et l’ELT réside dans le fait que les données sont transformées en informations décisionnelles et dans la quantité de données conservée dans les entrepôts. Découvrez ce que signifie ces différences pour les données décisionnelles, la meilleure approche pour votre entreprise et pourquoi le Cloud est un élément décisif.
En savoir plus
Téléchargez le Guide pour savoir ce que vous devez rechercher lorsque vous commencez la création de votre entrepôt de données ou data lake dans le cloud.
TÉLÉCHARGER
Dans ce tutoriel, apprenez à générer des données aléatoires et à les écrire dans HDFS. Puis lisez les données depuis HDFS, triez-les et affichez-les dans la console.
Regarder
La transformation des données consiste à convertir des données d’un format à un autre, en général du format d’un système source vers le format requis par un système cible.
En savoir plus
Plus de 50 % des données d’entreprise se trouvent dans le Cloud. C’est pourquoi de plus en plus d’organisations choisissent des outils ELT pour leurs besoins de traitement. Découvrez comment les outils ELT vont changer le futur de l’intégration des données.
En savoir plus
Vous avez décidé que le data lake était fait pour vous. Il est temps désormais de découvrir les bonnes pratiques de configuration d’un data lake, pour une réussite durable.
En savoir plus
Hadoop est un framework Java open source utilisé pour le stockage et traitement des big data. Les données sont stockées sur des serveurs standard peu coûteux configurés en clusters. Le système de fichiers distribué Hadoop supporte des fonctionnalités de traitement concurrent et de tolérance aux incidents.
En savoir plus
Les termes « data lake » et « data warehouse » sont utilisés très couramment pour parler du stockage des big data, mais ils ne sont pas interchangeables (et noter qu'il n'est pas d'usage de rendre ces termes par un équivalent français). Un data lake est un vaste gisement (pool) de données brutes dont le but n'a pas été précisé. Un data warehouse est un référentiel de données structurées et filtrées qui ont déjà été transformées dans un but spécifique.
En savoir plus
MapReduce est un modèle de programmation disponible dans les environnements Hadoop qui est utilisé pour accéder aux big data stockées dans le Hadoop File System (HDFS). La fonction map analyse les entrées, les paires et les processus et elle produit un autre ensemble de paires intermédiaires en sortie.
En savoir plus
Les tests ETL sont appliqués tout au long du processus ETL pour valider, vérifier et garantir la qualité des données tout en évitant la duplication des enregistrements et la perte de données. Ce document vous propose de découvrir les huit étapes des tests ETL, les neuf types de tests ETL, les défis les plus courants, comment identifier les outils les mieux adaptés à vos besoins, etc.
En savoir plus
Un data lake est un emplacement de stockage centralisé qui contient des big data sous un format brut provenant d'un grand nombre de sources. Les avantages du format data lake incitent de nombreuses entreprises à abandonner leurs data warehouses. Découvrez les avantages spécifiques des data lakes, pourquoi ils sont de plus en plus populaires et comment faire vos premiers pas pour en créer un.
En savoir plus
Le machine learning est une technique qui utilise des probabilités statistiques pour donner aux ordinateurs la capacité d'apprendre par eux-mêmes grâce à leur exposition à différents types de données en entrée. On parle également, mais plus rarement d'« apprentissage automatique [par les machines] ».
En savoir plus
L’intégration des données passe par les quatre principales actions survenant dans les pipelines de données. Tout commence avec des données brutes, pour aboutir à des informations exploitables.
En savoir plus
Découvrez comment les big data modifient la méthodologie de qualité des données. Les big data ont démocratisé le machine learning et tout comme la qualité des données a transformé le machine learning, ce dernier transforme également la méthodologie de mise en œuvre de la qualité des données.
En savoir plus
Apprenez à créer un Job Big Data Batch à l'aide du framework Spark, ainsi qu'à lire des données depuis HDFS, à les trier et à les afficher dans la console.
Regarder
Apprenez à créer automatiquement des métadonnées de cluster Hadoop en vous connectant à Cloudera Manager.
Regarder
Ce livre blanc de Databricks et Talend explique comment s’appuyer sur des outils cloud intelligents et automatisés pour tirer parti des big data et déployer le machine learning. Ainsi, vous pouvez traiter plus rapidement un plus grand volume de données pour en extraire des informations plus pertinentes en conservant le même budget et les mêmes compétences.
TÉLÉCHARGER
Ce webinar à la demande est presenté par Talend pour vous faire découvrir la Sandbox Machine Learning.
Regarder
Le terme « préparation des données » désigne les opérations de nettoyage et transformation qui doivent être appliquées aux données brutes avant leur traitement et analyse. Il s'agit d'un processus très chronophage, mais indispensable à un environnement de Business Intelligence exploitable. Et avec les outils de préparation des données disponibles en libre-service, ce processus est désormais plus facile à exécuter et très efficace.
En savoir plus
Apache Kafka et d'autres frameworks spécialisés dans le streaming des données permettent désormais de déplacer et traiter vos données de streaming de manière souple et évolutive.
En savoir plus
Un rapport Gartner indique que 90 % des données accumulées par les entreprises ne seront jamais exploitables, et un rapport Experian indique que près de 32 % des données disponibles dans les entreprises américaines sont inexactes. Il n'en demeure pas moins que les données sont la ressource la plus précieuse de toute entreprise. Il est donc inconcevable de les ignorer complètement ou de les laisser dormir dans un data lake dont personne ne se préoccupe jamais. Les data scientists doivent impérativement exploiter leurs gisements de données IoT pour mieux comprendre les différents points de terminaison qui reçoivent ces données et formuler des conclusions permettant de définir un environnement opérationnel plus efficace.
En savoir plus
Ce webinar à la demande est presenté par Talend pour vous faire découvrir la Sandbox Machine Learning.
Regarder
Les big data ! Le terme fourre-tout utilisé pour décrire la collecte, l'analyse et l'exploitation de volumes considérables de données numériques en vue d'améliorer les opérations des entreprises. Les big data sont en train de transformer rapidement notre façon de vivre, de faire des achats et de mener notre vie quotidienne. Comprendre les big data et savoir les utiliser, c'est déjà préparer votre succès.
En savoir plus