Big Data Market Size And Vendor Revenues By Jeff Kelly with David Vellante and David Floyer This is the 2011 report, originally published on February 15, 2012. See Big Data Vendor Revenue and Market Forecast 2012-2017 for the 2012 update. The Big Data market is on the verge of a rapid growth spurt that will see it top the $50 billion mark worldwide within the next five years. As of early 2012, the Big Data market stands at just over $5 billion based on related software, hardware, and services revenue. As explained in our Big Data Manifesto, Big Data is the new definitive source of competitive advantage across all industries. Below is Wikibon’s five-year forecast for the Big Data market as a whole: Figure 1 - Source: Wikibon 2012 Of the current market, Big Data pure-play vendors account for $480 million in revenue. Wikibon considers Big Data pure-plays as those independent hardware, software, or services vendors whose Big Data-related revenue accounts for 50% or more of total revenue. Figure 2 - Source: Wikibon 2012
Livres blancs sur l'eCRM Ressources Accédez à toutes nos ressources : vous trouverez ci-dessous nos livres blancs, bonnes pratiques, avis d’experts et cas clients couvrant l’ensemble de notre expertise. CONTACTMENTIONS LÉGALESPLAN DU SITE© Copyright Cabestan 2013. Tous droits réservés. Real-time Big Data Histoire du cloud computing de la naissance à nos jours Selon les prévisions, d'ici 2020, le marché du cloud computing devrait dépasser les 241 milliards de dollars… Mais comment en est-on arrivé là ? Par quoi tout a commencé ? Même si le cloud computing est en réalité assez récent (les premiers sites Web grand public et professionnels de services de cloud computing, Google et salesforce.com, ont été lancés en 1999), son histoire est directement liée au développement d'Internet et des technologies d'entreprise. Le cloud représente en effet la solution idéale permettant d'allier les bénéfices de l'Internet et les améliorations des technologies d'entreprise. L'histoire des technologies d'entreprise est longue et fascinante, presque aussi longue que celle du commerce lui-même. Les balbutiements d'Internet La naissance des technologies d'entreprise et le rêve d'un réseau mondial Le premier circuit intégré fonctionnel est développé à la fin des années 1950, permettant ainsi aux ordinateurs d'effectuer des calculs plus complexes. Le saviez-vous ?
The Hadoop Wars: Cloudera And Hortonworks’ Death Match For Mindshare ORIGINALLY PUBLISHED JUNE 2011Analyst's Note: Since this note was originally published in June 2011, there have been significant developments in the Hadoop market. In particular, the table in this research note is now outdated. Since then, Hortonworks has shifted Rob Bearden to CEO and Eric Baldeschwieler to CTO, and added Herb Cunitz as President and Greg Pavlik as Vice President of Engineering. Originating Author: Jeff Kelly, With David Vellante and John Furrier From the time of its inception in 2009 until last summer, Cloudera was far-and-away the leading Hadoop distribution vendor on the market, both in terms of market share and mindshare. Red Hat has a $10B market cap, however and competitors don’t want to let Cloudera run away with the Hadoop prize. A deep bench of Hadoop experts; Major contributions to the Hadoop open source community and A solid head start. The implicit contrast with Cloudera’s freemium model was clear. Cloudera v. Figure 1 - Cloudera v.
Ces DSI qui prennent le virage du Big Data : Catalina Marketing : le Big Data au cœur du métier du couponing Catalina Marketing a mis le Big Data directement au service de son cœur de métier. A savoir : la gestion de campagnes marketing en magasin sous la forme d'opérations de couponing ciblées. La société s'adosse à une infrastructure de traitement de données en masse pour générer et calculer ses bons de réduction lors du passage des clients en caisse, en réalisant une analyse en temps réel du contenu des caddies. Une autre application Big Data déployée cible la réalisation d'études pour connaitre le potentiel d'un nouveau produit. Une infrastructure massivement parallèle de serveurs Netezza En vue de répondre aux besoins de traitement temps réel, la plate-forme Big Data déployée par Catalina Marketing est basée sur une infrastructure massivement parallèle de boîtiers de base de données IBM Netezza. Faire en sorte que l'informatique s'efface au profit des métiers La gestion du réseau et des entrées et sorties sont aussi optimisées.
Does big data really need custom hardware? — Data | GigaOM Path Intelligence | Retail measurement technology Big Data To Drive $232 Billion In IT Spending Through 2016 Big data will drive $232 billion in spending through 2016. It will directly or indirectly drive $96 billion of worldwide IT spending in 2012, and is forecast to drive $120 billion of IT spending in 2013. Gartner Research published the results today. They draw several conclusions from their research: Big data is not a distinct market. More so, data is everywhere, impacting business in any imaginable way. That’s part of the story but the dynamics of memory, storage, and CPU capability provide context for what is happening in the market: Memory doubled.High speed and high-capacity networking technology pricing has decreased considerably.Storage technology is moving from spinning disk to solid state disk and flash.Enhanced CPU performance. Storage management tops the list of sub-markets influenced by big data spending: Big data technologies abound but customers need to consider how technologies will adapt over time.
Big Data : comparatif des technos, actualités, conseils... Pour faire face à l'explosion du volume des données, un nouveau domaine technologique a vu le jour : le Big Data. Inventées par les géants du web, ces solutions sont dessinées pour offrir un accès en temps réel à des bases de données géantes. Comment définir le Big Data, et quelle est sa promesse ? Face à l'explosion du volume d'informations, le Big Data vise à proposer une alternative aux solutions traditionnelles de bases de données et d'analyse (serveur SQL, plateforme de Business Intelligence...). Quelles sont les principales technologies de Big Data ? Elles sont nombreuses. Des bases de données NoSQL (comme MongoDB, Cassandra ou Redis) qui implémentent des systèmes de stockage considérés comme plus performants que le traditionnel SQL pour l'analyse de données en masse (orienté clé/valeur, document, colonne ou graphe). Des infrastructures de serveurs pour distribuer les traitements sur des dizaines, centaines, voire milliers de nœuds.
Инфраструктура просто и легко с «частным облаком» / Блог компании NetApp Месяц назад компании Cisco, NetApp и Microsoft объявили о разработке совместных облачных платформ в рамках инициативы Hyper-V Cloud FastTrack. Эта инициатива призвана объединить производителей аппаратного обеспечения и облачную платформу Microsoft с целью максимально быстрого и лёгкого построения подобных решений. Давайте теперь более подробно рассмотрим компоненты данного решения в исполнении NetApp и Cisco. Решение построено на гибкой унифицированной архитектуре (Unified Architecture). В нашем конкретном случае схема выглядит так:1) Сервера Cisco UCS – компания Cisco недавно на серверном рынке, однако активно представляет свои решения в данной категории. Отличительными особенностями данных серверов является оптимизация под приложения передачи голосовых и видеоданных как на виртуальной, так и на физических платформах. Все эти компоненты вместе образуют облако.
Top 5 Reasons Not to Use Hadoop for Analytics | Quantivo As a former diehard fan of Hadoop, I LOVED the fact that you can work on up to Petabytes of data. I loved the ability to scale to thousands of nodes to process a large computation job. I loved the ability to store and load data in a very flexible format. In many ways, I loved Hadoop, until I tried to deploy it for analytics. That’s when I became disillusioned with Hadoop (it just "ain't all that") . At Quantivo, we’ve explored many ways to deploy Hadoop to answer analytical queries (trust me – I made every attempt to include it in my day job). Let me share with you my top reasons why Hadoop should not be used for Analytics. 1 - Hadoop is a framework, not a solution – For many reasons, people have an expectation that Hadoop answers Big Data analytics questions right out of the box. 2 - Hive and Pig are good, but do not overcome architectural limitations – Both Hive and Pig are very well thought-out tools that enable the lay engineer to quickly being productive with Hadoop. Tweet
What is Hadoop not good for As Big Data Takes Off, the Hadoop Wars Begin — Cloud Computing News