Rivery a interrogé ses clients et prospects en France et au Royaume-Uni, pour savoir comment ils chargent leurs données dans leur entrepôt de données.
Les réponses sont variées et pour le moment la part aux solutions internes ou programmatiques utilisant Python/Snowpark/Airflow/similaire est importante mais on peut imaginer une évolution au fil du temps.
Les réponses (ordre décroissant) :
- 51,8 % des répondants utilisent une solution interne/programmatique utilisant Python/Snowpark/Airflow/similaire
- 25,7 % utilisent un outil ETL daté (Informatica/Talend/SSIS/autre)
- 18,3 % utilisent un outil ELT en mode SaaS
- 4,2 % ont répondu “autre”
Ariel Pohoryles, Head of Product Marketing at Rivery.io a analysé ces résultats et voici ce qu’il en ressort : “Si l’on considère que les outils modernes ELT en mode SaaS n’existent que depuis quelques années, il est clair qu’ils prennent une part de marché importante. Cela dit, il y a encore beaucoup d’organisations qui choisissent de construire leurs propres solutions. Avec la pression accrue sur les équipes data pour fournir plus avec moins de ressources et la pénurie d’ingénieurs data sur le marché, nous nous attendons à voir plus d’organisations passer de leurs propres solutions internes à des solutions modernes qui supprimeront une grande partie du travail de maintenance et permettront aux ingénieurs de data de s’attaquer à de nouveaux cas d’utilisation tels que la construction de pipelines de données pour alimenter les applications de GenAI.”
