Snowflake et Looker sont tous deux des acteurs de premier plan de la business intelligence (BI), de l’analyse de données, et de la gestion des données, et bénéficient d’une forte communauté d’utilisateurs.
Ces solutions de données sont très demandées, car les entreprises cherchent à exploiter les immenses volumes de données dont elles disposent. Plutôt qu’une petite équipe de data scientists qui découpe et analyse les données, les équipes de direction, de marketing, de vente et d’informatique utilisent aujourd’hui le big data dans leurs activités quotidiennes.
Snowflake et Looker étant tous deux des plateformes de gestion et d’analyse des données réputées, les utilisateurs doivent parfois choisir entre les deux. Chaque solution de données présente des arguments en sa faveur et à son encontre.
Laquelle de ces plateformes de données respectées est la meilleure ? Toutes deux offrent le volume, la vitesse et la qualité exigés par les applications de business intelligence. Mais elles présentent autant de similitudes que de différences. Leur approche du secteur des données est différente. Le choix se résume donc souvent à une question de préférence et d’adéquation de la plateforme de données avec la stratégie big data de l’entreprise.
À lire aussi : Les meilleurs outils d’analyse de données
Snowflake vs. Looker : principales fonctionnalités
Snowflake est un système de gestion de bases de données relationnelles et un entrepôt de données analytiques pour les données structurées et semi-structurées. Proposé selon le modèle Software-as-a-Service (SaaS), il utilise un moteur de base de données SQL pour gérer le stockage des informations dans la base. Il traite les requêtes sur des entrepôts virtuels au sein de l’entrepôt global, chacun étant hébergé sur ses propres nœuds de cluster, indépendamment des autres et sans partager les ressources de calcul.
Au-dessus de cette couche se trouvent des services cloud dédiés à l’authentification, à la gestion de l’infrastructure, aux requêtes et aux contrôles d’accès. Snowflake Elastic Data Warehouse permet aux utilisateurs d’analyser et de stocker des données en s’appuyant sur les ressources Amazon S3 ou Azure.
Globalement, Snowflake doit davantage être considéré comme un lac de données ou un entrepôt de données qui facilite l’analyse que comme une application analytique complète. À ce titre, il excelle notamment dans la gestion, le traitement, l’agrégation et le partage de grandes quantités de données à l’échelle de l’entreprise. Il offre également de bonnes fonctionnalités d’archivage.
À la fin de 2022, Snowflake a publié plusieurs mises à jour de sa plateforme. Elles comprenaient des améliorations des performances de son moteur élastique unique, afin de le rendre plus rapide tout en optimisant les coûts pour les utilisateurs. Par ailleurs, la technologie Snowgrid de Snowflake permet aux clients d’opérer à l’échelle mondiale grâce à des améliorations en matière de collaboration intercloud, de gouvernance des données intercloud et de continuité d’activité intercloud.
Looker, racheté par Google il y a deux ans, est accessible sur le web et offre de nombreuses fonctionnalités d’analyse que les entreprises peuvent utiliser pour explorer, découvrir, visualiser et partager des analyses et des informations. Les entreprises peuvent l’utiliser pour approfondir l’analyse de leurs données.
Looker s’appuie sur un langage de modélisation spécifique pour définir les relations entre les données, sans passer par SQL. Looker tire parti de son appartenance à Google grâce à une intégration étroite avec un grand nombre de jeux de données Google, notamment Google Analytics. Il obtient de bons résultats en matière de granularité et de planification des rapports, y compris pour les analyses et les rapports en temps réel. Les utilisateurs apprécient sa capacité à créer des tableaux de bord destinés à l’analyse en libre-service dans toute l’entreprise.
Snowflake prend largement en charge les fonctions basées sur JSON ainsi que l’automatisation de la maintenance des bases de données. Il fournit un stockage en colonnes et un traitement massivement parallèle (MPP) pour effectuer simultanément des calculs analytiques et exécuter rapidement des requêtes, même sur d’immenses jeux de données. En outre, il sépare le calcul, le stockage et les services cloud, tout en permettant une mise à l’échelle simultanée. Il dispose d’un grand nombre de fonctionnalités analytiques, notamment l’exploration des données mobiles, les tableaux de bord analytiques, la publication et l’intégration de contenus analytiques, la connectivité aux sources de données et la BI cloud.
Globalement, Looker l’emporte grâce à l’étendue de ses fonctionnalités analytiques. Mais pour ceux qui ont besoin d’outils plus performants d’entreposage et de gestion des données, Snowflake excelle.
Snowflake vs. Looker : assistance et facilité d’utilisation
L’entrepôt de données Snowflake est réputé facile à utiliser, avec une interface SQL intuitive qui simplifie relativement la configuration et la mise en service. Il automatise le nettoyage, la compression et le diagnostic des données, ainsi que d’autres opérations. Avec Snowflake, il n’est pas nécessaire de copier les données lors des opérations de mise à l’échelle.
Pour le partage de données provenant de sources tierces et leur accès à des fins d’analyse, Snowflake simplifie l’ensemble du processus. Il prend en charge les données structurées et semi-structurées. Les utilisateurs indiquent également que sa capacité à gérer un grand nombre de colonnes est solide. Certains estiment toutefois que la documentation est insuffisante et que l’absence de fonctionnalités analytiques prêtes à l’emploi le pénalise. Gartner Peer Reviews lui attribue une bonne note en matière de facilité de déploiement et d’administration. Snowflake fournit une assistance en direct 24 h/24 et 7 j/7.
Looker est réputé présenter une courbe d’apprentissage abrupte, car il faut utiliser le langage de programmation propriétaire LookML. Mais ceux qui connaissent ce langage affirment qu’une fois maîtrisé, il est facile à utiliser. Selon eux, cela en vaut la peine, car il permet de définir les relations entre les données et de se passer de SQL. Ils ajoutent qu’il facilite la diffusion des informations auprès du personnel de nombreuses unités de l’entreprise.
Une fois la courbe d’apprentissage franchie, les utilisateurs jugent la plateforme très simple à utiliser pour l’analyse. Les visualisations sont toutefois relativement basiques, selon certains d’entre eux. Cela dit, l’interface glisser-déposer de Looker ainsi que ses modèles prédéfinis et ses modèles de données aident les analystes à reproduire rapidement des analyses similaires, plutôt que de repartir de zéro.
Dans cette catégorie, Snowflake l’emporte.
À lire aussi : Qu’est-ce que la visualisation des données ?
Snowflake vs. Looker : sécurité
Snowflake se distingue par un chiffrement permanent, ainsi que par l’isolation du réseau, les requêtes sécurisées fondées sur les accès et d’autres fonctionnalités de sécurité robustes. Ces fonctionnalités sont proposées par niveaux, chaque niveau supérieur coûtant davantage. Vous ne payez donc pas pour des fonctionnalités de sécurité dont vous n’avez ni besoin ni envie.
Comme pour de nombreux outils reposant sur des hyperscalers, la sécurité constitue à la fois un atout majeur et un sujet de préoccupation. Google affirme que Looker est protégé par les solides mécanismes de sécurité de son cloud public. L’entreprise assume la responsabilité de la qualité du code, mais la configuration des accès sécurisés entre Looker et les bases de données de l’entreprise incombe à l’utilisateur. Les utilisateurs sont également responsables du contrôle des accès et des autorisations des utilisateurs des instances Looker.
Snowflake l’emporte en matière de sécurité.
Snowflake vs Looker : intégration
Snowflake est disponible sur AWS Marketplace, mais il est moins intégré à l’écosystème AWS et ne bénéficie pas de la profondeur et de l’étendue des partenariats fournisseurs dont Google peut se prévaloir. Certains utilisateurs estiment que son intégration avec certaines applications analytiques peut être difficile. Dans d’autres cas d’utilisation analytiques, en revanche, Snowflake est remarquablement bien intégré. Tableau, Apache Spark, IBM Cognos et Qlik sont tous entièrement intégrés. Ceux qui utilisent ces outils pourront effectuer leurs analyses facilement. Gartner Peer Reviews attribue à Snowflake une très bonne note pour l’intégration et le déploiement.
Looker peut également fonctionner sous Windows, Mac et Linux. Il propose des API et d’autres moyens d’exporter ses modèles de données vers des plateformes de visualisation externes. Il est bien sûr étroitement intégré à de nombreuses sources de données Google. Gartner Peer Insights lui attribue une bonne note en matière d’intégration.
Intégration : Looker l’emporte.
Snowflake vs. Looker : tarifs
Looker n’est pas bon marché. Certaines sources estiment son coût à 35 000 dollars US par an pour les déploiements d’entreprise, auxquels s’ajoutent des frais mensuels pour des fonctionnalités telles que les vues de tableaux de bord, la création de tableaux de bord et les outils destinés aux développeurs. Mais ceux qui ont besoin de ces fonctionnalités de niveau entreprise liées à la distribution des utilisateurs et aux rapports semblent prêts à payer. Certaines estimations approximatives évaluent Looker à environ 60 dollars US par mois et par utilisateur. Mais ce montant varie considérablement d’un déploiement à l’autre.
Snowflake coûte environ 40 dollars US par mois. Là encore, le niveau d’utilisation varie énormément en fonction de la charge de travail. Certains utilisateurs indiquent que les grands jeux de données coûtent plus cher avec Snowflake, car le calcul et le stockage font l’objet d’une tarification distincte. La tarification à la demande est l’une des fonctionnalités de Snowflake. La plateforme propose également une mise à l’échelle automatique de la simultanéité, sans frais supplémentaires pour toutes les éditions. La tarification peut toutefois être complexe, avec quatre éditions différentes à partir de l’offre de base, et les prix augmentent à mesure que l’on monte en gamme. Vous pouvez payer la capacité à l’avance ou choisir le modèle de paiement à l’usage pour le stockage.
Les différences entre les modèles tarifaires rendent difficile une comparaison claire à périmètre égal. Il est conseillé aux utilisateurs d’évaluer les ressources dont ils pensent avoir besoin pour prendre en charge le volume de données prévu, la quantité de traitement et leurs exigences en matière d’analyse. Cette catégorie donne lieu à un résultat serré, car le choix varie selon le cas d’utilisation, mais Snowflake semble l’emporter d’une courte tête sur le plan tarifaire.
À lire aussi : Techniques d’exploration de données
Snowflake vs. Looker : conclusion
Snowflake et Looker sont d’excellents outils. Chacun présente des avantages et des inconvénients. Le choix entre les deux dépend des habitudes d’utilisation, des volumes de données, des charges de travail et des stratégies de données. Gartner Peer Reviews classe Snowflake légèrement devant Looker dans des domaines tels que les capacités globales du produit. Mais les deux produits sont suffisamment différents pour que cette note ne soit pas le facteur décisif.
Snowflake est le meilleur choix lorsque la gestion, l’intégration et le partage des données constituent les priorités. Ceux qui souhaitent centraliser les données provenant de plusieurs référentiels et gérer d’importants volumes de données le trouveront indispensable. Il est possible d’y ajouter des fonctionnalités analytiques de premier ordre via d’autres plateformes.
Looker, en revanche, est le meilleur choix lorsque le besoin principal concerne l’analyse de données. Ainsi, ceux qui disposent déjà d’un outil d’analyse sont invités à opter pour Snowflake. En revanche, ceux qui ne disposent pas d’un moteur d’analyse moderne devraient privilégier Looker. Looker excelle dans certains besoins des entreprises en matière de rapports et de diffusion des analyses. Et pour ceux qui s’appuient fortement sur les plateformes Google, il offre des avantages aux analystes expérimentés.
Certains estiment que Snowflake est préférable lorsqu’on commence à petite échelle avant de monter progressivement en puissance. Mais il ne s’agit que de généralités, et chaque entreprise doit étudier l’impact des coûts dans son propre cas. Pour certaines, le regroupement du calcul et du stockage proposé par Looker sera beaucoup moins coûteux. Mais l’inverse peut être vrai pour d’autres charges de travail. Dans ces cas-là, la possibilité de Snowflake de dissocier la tarification du calcul et du stockage peut être préférable.
À lire aussi : Les meilleurs logiciels de business intelligence