Un data cloud est une infrastructure basée sur le cloud qui offre une ouverture et prend en charge la disponibilité, l'intégration, la portabilité et la sécurité des données d'entreprise. Les principales caractéristiques d'un data cloud incluent des données découvrables, une architecture de données agile et des capacités d'IA/ML intégrées pour l'innovation. Cet article présentera la définition, des exemples et les principes de fonctionnement du data cloud. Qu'est-ce qu'un data cloud ?
Un data cloud est une infrastructure basée sur le cloud qui offre une ouverture et prend en charge la disponibilité, l'intégration, la portabilité et la sécurité des données d'entreprise. Il propose une approche complète et éprouvée du cloud computing, fournissant à la demande des capacités de calcul, de stockage, de livraison et d'analyse avancée. Cela permet aux organisations d'exploiter efficacement leurs données pour stimuler la transformation et créer de la valeur. Le défi de la transformation des données est aggravé par des systèmes isolés qui nécessitent des efforts et des ressources considérables pour leur maintenance et leur gestion.
De nombreuses entreprises peinent à atteindre la vitesse d'ingestion de données nécessaire pour parvenir à l'intelligence des données. De plus, l'intégration des données pour obtenir de nouvelles informations ou les rendre accessibles et partageables aux parties prenantes concernées peut s'avérer complexe pour certaines organisations. À lire aussi: A look at cloud data management (btw.media) À lire aussi: AMD is investigating a suspected data breach crisis (btw.media) Exemples de data cloud Voici quelques exemples illustrant comment les organisations utilisent Data Cloud pour améliorer l'expérience client: 1.
La Formule 1 améliore la satisfaction des fans en personnalisant les expériences en fonction de la localisation, des préférences de contenu et des pilotes favoris. Ils ont développé des parcours de fans quasi en temps réel proposant des expériences uniques et des offres exclusives, favorisant des interactions significatives pour convertir les nouveaux fans en fidèles et soutenir la croissance mondiale. Les résultats incluent un taux de satisfaction des fans de 88 %, une résolution au premier contact de 86 % et un taux de livraison des e-mails de 99,6 %. 2.
Air India a rationalisé le traitement des dossiers, optimisé le routage et fourni des expériences client personnalisées à l'aide de Data Cloud et Einstein. Grâce à des recommandations de réponses pilotées par l'IA et à l'IA prédictive, les agents offrent une assistance rapide et des suggestions personnalisées. 3. Turtle Bay, une destination de vacances de luxe à O‘ahu, a mis en œuvre Data Cloud pour segmenter les clients en personas ciblés. Einstein Copilot personnalise ensuite les recommandations en conséquence; par exemple, en suggérant des activités familiales aux clients classés dans les personas familiaux.
Comment fonctionne le data cloud ? Un data cloud n'est pas un produit que l'on peut acheter sur étagère. Il se compose plutôt de divers composants et capacités conçus pour offrir des solutions de données adaptables, évolutives et une intégration. Les data clouds peuvent être adaptés à des besoins spécifiques pour aider à atteindre les objectifs commerciaux. En général, la plupart des data clouds intègrent les fonctionnalités suivantes: 1. Données découvrables Il est crucial que les données d'une organisation soient facilement accessibles et interprétables par divers groupes d'utilisateurs.
Un data cloud consolide les données structurées, non structurées ou semi-structurées pour simplifier la découverte des données et réduire la complexité. Cela implique la collecte, l'ingestion et le traitement des données provenant de multiples systèmes sources sur site ou basés sur le cloud et leur centralisation en un seul endroit. 2. Architecture de données agile Les data clouds s'appuient sur des architectures telles que les entrepôts de données ou les lacs de données pour stocker les données collectées à partir des systèmes sources.
Le choix de l'architecture de données dépend des besoins spécifiques, avec la possibilité de tirer parti d'autres services et intégrations de données basés sur le cloud comme les moteurs de base de données cloud, les évidences de source publique de données et les API. 3. IA et apprentissage automatique intégrés Des fonctionnalités intelligentes telles que l'analyse en libre-service, l'IA et l'apprentissage automatique contribuent à économiser du temps et des efforts tout en favorisant l'innovation.
Les data clouds fournissent des outils d'automatisation et des kits avancés qui facilitent l'intégration de l'IA/ML et de la science des données dans les processus métier et les contextes décisionnels.