En posant ses valises à Berlin cette année, Tableau a attiré des utilisateurs qui n'avaient encore jamais participé à sa conférence européenne. (Crédit : LMI/MG)
Sur la conférence européenne 2019 de Tableau, à Berlin du 17 au 19 juin, les utilisateurs du logiciel de datavisualisation ont pu interagir avec les communautés créées et les experts de l'outil. L'espace d'exposition a permis de découvrir les intégrations réalisées avec des solutions accélérant les requêtes et des projets de data science, comme celles d'Indexima, de Snowflake, de Datarobot et de CantabPI.
Cette année, l'organisation à Berlin de la conférence européenne de Tableau - qui se tenait jusque-là à Londres - semble avoir suscité une autre dynamique parmi les utilisateurs de ses logiciels de visualisation de données, a constaté Velina Coubes, directrice marketing EMEA de Tableau. « Parmi les 2 000 personnes ayant fait le déplacement, un bon quart n'y avait encore jamais participé parmi les clients », nous a-t-elle confirmé sur place. De fait, l'intérêt et l'implication des participants, dont beaucoup d'utilisatrices et d'utilisateurs métiers, transparaissaient au fil des sessions proposées. L'éditeur a su favoriser la création de nombreuses communautés locales ou thématiques autour de ses produits. Sur la région Europe, Moyen-Orient/Afrique, 68 User Groups existent dans 41 pays, dont 5 en France, à Paris, Lille, Aix-en-Provence, Strasbourg et dans l'ouest de l'Hexagone. Plus de 150 000 utilisateurs sont enregistrés sur les forums de la communauté pour entrer en contact avec ces groupes, poser des questions sur l'utilisation des solutions ou contribuer à déclencher le développement de nouvelles fonctions dans le logiciel en soumettant leurs idées. A Berlin, parallèlement aux sessions fonctionnelles, technologiques et retours d'expérience, Tableau Doctor a proposé plusieurs journées d'échanges individualisés (sur rendez-vous) avec des experts pour permettre à ses clients d'exposer leurs difficultés techniques et leurs problématiques de déploiement ou d'aborder la maîtrise d'outils avancés.
Sur l'espace d'exposition de la conférence européenne de Tableau, le Français Indexima présentait ses outils d'accélération des requêtes, pouvant s'appliquer à tout volume de données. Avec sa solution Data Hub, il revendique de pouvoir interroger directement à la source jusqu'à des dizaines de milliards de lignes en quelques millisecondes. En mars, l'éditeur a enrichi son offre sur le volet datascience en réduisant le nombre d'étapes nécessaires pour l'analyse prédictive, nous a rappelé Emmanuel Dubois, co-fondateur d'Indexima. « Il y a différentes typologies de datascientists et beaucoup d'allers/retours entre eux et la IT sur les modèles prédictifs. Avec Indexima, les utilisateurs de Tableau ne déplacent pas les données de Hadoop, celles-ci sont conservées sur le data lake et nous automatisons toute la préparation de données ». L'offre lancée au printemps divise par 10 le cycle de préparation avec un outil SQL, assure-t-il en citant des MVP (minimum viable product) avec Biotopia dans le commerce de détail.
Sur la conférence européenne de Tableau à Berlin, Emmanuel Dubois (à gauche), DG chargé du commerce et du marketing, et Nicolas Korchia (au centre), DG responsable des opérations, co-fondateurs d'Indexima avec Florent Voignier. La société a levé 2 M€ en mai 2018. (Crédit : LMI/MG)
Un peu plus loin, Snowflake présentait sa solution de datawarehouse dans le cloud qui sépare le stockage et le compute pour améliorer les performances. Pour les utilisateurs de Tableau, ce partenariat permet d'accéder à une solution capable de supporter les pics importants d'interrogation. « Snowflake se met automatiquement à l'échelle lorsque des milliers de requêtes démarrent en même temps sur Tableau, ce que ne font pas les datawarehouses classiques », soulignait-on sur le stand. « Dans ces cas-là, Snowflake démarre un datawarehouse additionnel et l'entreprise ne paie que pour la puissance de traitement qu'il a fallu utiliser. Nous proposons un plug-in out of the box pour Tableau qui est techniquement très bien connecté, la combinaison des deux outils est parfait ».
Datarobot, pure-player du machine learning automatisé
Autre domaine d'intervention avec l'éditeur Datarobot qui a réalisé sa première intégration avec Tableau il y a 18 mois. « Nous voulons démocratiser l'usage de l'apprentissage machine dans l'entreprise », nous a exposé à Berlin Julien Sigonney, directeur régional de Datarobot. « Lorsqu'un projet prend 3 mois, Datarobot le fait en 3 jours ». La société créée en 2012 à Boston a levé 225 M$ en 4 tours de table. « Nous sommes aujourd'hui 600 dont 300 data scientists. L'intégration avec Tableau permet de déployer des modèles de machine learning avec Datarobot et de visualiser les résultats des prédictions dans un tableau de bord ».
Via les extensions de Tableau, Datarobot a développé une API d'intégration, nous a indiqué sur la conférence européenne de Berlin Julien Sigonney, directeur régional de Datarobot. (Crédit : LMI/MG)
Au nombre des cas d'usage, Julien Sigonney cite en exemple la prédiction de l'attrition (churn) sur les clients, c'est-à-dire la probabilité qu'un client fasse défaut. Les modèles seront construits sur les données historiques et visualisés sur l'ensemble des clients dans un tableau de bord, par exemple par les opérateurs d'un centre d'appels. En France, Carrefour utilise la technologie de Datarobot depuis le début de l'année avec Tableau et Alteryx.
A Berlin, la société britannique Cantab PI, spécialisée dans les projets d'analyse prédictive, présentait de son côté une combinaison de produits et de services. Elle a développé une extension propriétaire sur Tableau et propose à ses clients de les accompagner sur les différentes étapes en commençant par l'ingénierie de données, puis la modélisation des modèles prédictifs, leur déploiement et leur monitoring en allant jusqu'à l'intégration des recommandations des modèles prédictifs dans les workflows. La société basée à Cambridge compte 40 personnes dont plus de 30 data scientists disposant d'une connaissance métier. Dans le domaine de la banque, un partenariat avec des fintechs l'amène à commercialiser conjointement un moteur d'approbation des prêts aux particuliers reposant sur des données bancaires ouvertes (dans le cadre de la directive européenne PSD2).
Interrogé sur la concurrence d'un Datarobot, Sinisa Slijepcevic, fondateur et CEO de Cantab Predictive Intelligence, explique que l'automatisation du machine learning ne concerne qu'une des étapes d'un projet de data science. « Aujourd'hui, cela ne nous prend que 2 jours pour répliquer ce que les outils de datarobot font en 2 heures », modère-t-il. (Crédit : LMI/MG)
Cette conférence de Berlin s'est tenue cette année sous des auspices particuliers puisque le rachat de Tableau par Salesforce avait été annoncé une semaine plus tôt. Le CEO de Tableau, Adam Selipsky, avait fait le déplacement pour rassurer ses clients en séance plénière en assurant qu'il resterait à la tête de la société qui, de son côté, continuerait à opérer de manière indépendante. Du côté des produits et des services, ce rendez-vous annuel a été l'occasion de nombreuses annonces, tant fonctionnelles, avec Explain Data, que technologiques, avec l'arrivée de Catalog et l'annonce du projet McKinley pour les grands déploiements.
Suivez-nous