![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2020\/10\/Data-platform-2.0-1.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>ACTUALIT\u00c9S \/ CONSEIL EN DONN\u00c9ES<\/p>\n<\/div>
28 octobre 2020
\nLes plateformes Data ont r\u00e9volutionn\u00e9 la mani\u00e8re dont les marques stockent, analysent et utilisent data - mais pour les utiliser plus efficacement, elles doivent commencer \u00e0 int\u00e9grer data governance sous forme de code, \u00e9crivent Justine Nerce, directrice du conseil Data, et Jean-Baptiste Charruey, responsable Data Engineering, chez Artefact.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
Alors que les \u00e9conomies mondiales commencent \u00e0 se remettre du choc initial caus\u00e9 par le coronavirus, nous pouvons nous attendre \u00e0 une p\u00e9riode de consolidation et de r\u00e9\u00e9valuation par les entreprises. Cependant, le besoin d'innovation ne se d\u00e9ment pas, m\u00eame si les budgets sont serr\u00e9s. Le lancement de nouveaux produits et services est toujours d'actualit\u00e9.<\/span> repr\u00e9sente plus de 25% du total des recettes et des b\u00e9n\u00e9fices<\/span><\/a>.<\/span><\/p>\n \u00a0<\/span><\/p>\n L'innovation doit \u00eatre guid\u00e9e par des donn\u00e9es pr\u00e9cises et de haute qualit\u00e9 data<\/strong>. Cependant, pour que cela soit possible, les entreprises ont besoin d'une base de data facilement accessible, document\u00e9e et normalis\u00e9e \u00e0 laquelle on peut faire appel<\/strong>. Les cycles de d\u00e9veloppement de nouveaux produits et services sont de plus en plus courts et comp\u00e9titifs, et les organisations doivent donc faire \u00e9voluer leur approche de la data pour ne pas se laisser distancer.<\/span><\/p>\n \u00a0<\/span><\/p>\n L'essor du data platform a permis aux entreprises d'acc\u00e9l\u00e9rer l'acc\u00e8s au data, en particulier celles qui cherchent \u00e0 cr\u00e9er la prochaine g\u00e9n\u00e9ration de solutions d'intelligence artificielle. Cependant, il est clair que les marques ont d\u00e9sormais besoin d'une approche plus robuste, plus efficace et plus qualitative pour rendre leur cas data platforms agnostique - maintenable, op\u00e9rationnel et \u00e9volutif pour toute infrastructure cloud, sur site ou hybride.<\/strong>.<\/span><\/p>\n \u00a0<\/span><\/p>\n \u00a0<\/span>Les entreprises r\u00e9volutionnent constamment leur approche du data pour gagner un avantage sur le march\u00e9. Au fil des d\u00e9cennies, les entrep\u00f4ts de data - grands d\u00e9p\u00f4ts de data filtr\u00e9 - ont c\u00e9d\u00e9 la place \u00e0 des lacs de data - vastes entrep\u00f4ts centralis\u00e9s de data brut non raffin\u00e9. Cependant, ces immenses r\u00e9serves de data se sont r\u00e9v\u00e9l\u00e9es peu maniables et difficiles \u00e0 g\u00e9rer. Les d\u00e9lais d'ex\u00e9cution ont \u00e9t\u00e9 allong\u00e9s car il n'existait pas de processus clair et agile pour rationaliser le d\u00e9veloppement.\u00a0<\/span><\/p>\n En cons\u00e9quence, nous assistons \u00e0 une \u00e9volution des environnements monolithiques d'autrefois vers une architecture data plus distribu\u00e9e, bas\u00e9e sur de multiples data platforms. Il s'agit d'ensembles de logiciels et de services qui entourent un lac data afin de le rendre plus exploitable. Les organisations construisent souvent plusieurs data platforms pour chaque domaine d'activit\u00e9 et pour chaque nouveau projet. Les \u00e9quipes de d\u00e9veloppement disposent ainsi de un acc\u00e8s rapide aux data et aux informations dont ils ont besoin pour cr\u00e9er une nouvelle valeur commerciale qui r\u00e9ponde \u00e0 leurs besoins actuels<\/strong>.<\/span><\/p>\n Cependant, avec la d\u00e9centralisation entra\u00eene la fragmentation et la duplication<\/strong>. De nombreuses entreprises consacrent \u00e9norm\u00e9ment de temps et de ressources \u00e0 la construction d'un data platform pour un environnement particulier. Elles doivent ensuite recommencer pour le projet ou le cas d'utilisation suivant, avec des \u00e9carts importants en fonction des connaissances techniques de l'\u00e9quipe. Les co\u00fbts sont multipli\u00e9s plusieurs fois car les \u00e9quipes repartent essentiellement de z\u00e9ro \u00e0 chaque fois qu'un nouveau projet commence.<\/span><\/p>\n Une grande partie des travaux les plus utiles r\u00e9alis\u00e9s aujourd'hui par les entreprises - y compris autour de artificial intelligence - sont interd\u00e9partementaux et interdomaines. Un data de haute qualit\u00e9 doit \u00eatre partag\u00e9 entre les \u00e9quipes et les diff\u00e9rents data platforms pour r\u00e9aliser son plein potentiel, mais comment maintenir la qualit\u00e9 lorsque le data est soumis \u00e0 une gamme de politiques contradictoires ? Il faut trouver un compromis entre l'appropriation locale de data par les \u00e9quipes pour qu'elles puissent la personnaliser et la cr\u00e9er, et la standardisation de l'approche pour construire une base technologique solide.<\/strong>.\u00a0\u00a0\u00a0<\/span><\/p>\n En l'absence de liens entre les diff\u00e9rents domaines, data platforms ne parviendra pas \u00e0 fournir la qualit\u00e9 data et la rentabilit\u00e9 dont les marques ont besoin pour un d\u00e9veloppement rapide. Heureusement, elles ont la possibilit\u00e9 de faire \u00e9voluer leur approche. Ils devraient faire \u00e9voluer leur architecture data d'une collection disparate de data platforms vers ce que l'on appelle un \"syst\u00e8me\". <\/strong><\/span>Zhamak Dehghani d\u00e9finit une \u2018maille data\u2019.\u2019<\/a><\/strong>.\u00a0<\/span><\/p>\n Un maillage de data est une architecture dans laquelle des data platforms distribu\u00e9es, appartenant \u00e0 des \u00e9quipes interfonctionnelles ind\u00e9pendantes, sont reli\u00e9es par un \u2018maillage\u2019 de politiques, de gouvernance et d'outils communs. Cette approche apporte flexibilit\u00e9 et r\u00e9silience \u00e0 data platforms en \u00e9tablissant une base partag\u00e9e, tout en donnant aux \u00e9quipes la libert\u00e9 de personnaliser leur propre domaine<\/strong>.<\/span><\/p>\n \u00a0<\/span><\/p>\n Cette approche permet de transformer un data platform d'un projet ponctuel \u00e0 un actif \u00e0 long terme<\/strong>, L'industrialisation de la maille data permet d'\u00e9liminer les doubles emplois et les pertes de ressources inutiles. Cependant, l'inconv\u00e9nient du maillage data est que les \u00e9quipes individuelles doivent faire beaucoup de travail pour s'assurer que l'industrialisation est termin\u00e9e. Cela peut prendre beaucoup de temps pour un r\u00e9sultat qui est loin d'\u00eatre parfait. Il est donc essentiel de disposer d'un mod\u00e8le qui r\u00e9ponde \u00e0 toutes les exigences d'une solution pr\u00eate pour la production. Mais quelle forme doit prendre ce mod\u00e8le ?\u00a0<\/span><\/p>\n La composante principale est un ensemble de codes communs \u00e0 tous les data platforms. Cette \u2018sentinelle data\u2019 est un ensemble de solutions qui facilitent le traitement et l'analyse de la data et la transition vers l'industrialisation. Son r\u00f4le est de superviser et de rationaliser tous les flux de data - tels que la collecte de metadata et le nettoyage - en d\u00e9veloppant des modules autour de la qualit\u00e9 et de la documentation de data.<\/strong>.<\/span><\/p>\n Une sentinelle data lib\u00e8re les \u00e9quipes et les sp\u00e9cialistes data des t\u00e2ches banales et r\u00e9p\u00e9titives de la gestion data. Au lieu de cela, ils peuvent se concentrer sur des t\u00e2ches plus strat\u00e9giques et innovantes qui cr\u00e9ent une nouvelle valeur pour l'entreprise<\/strong>.\u00a0<\/span><\/p>\n Au c\u0153ur de la sentinelle data, le code data governance devrait \u00eatre fermement int\u00e9gr\u00e9 dans la conception de la plateforme et poursuivi avec chaque nouveau cas d'utilisation. Gr\u00e2ce \u00e0 data governance en tant que code, data est d\u00e8s le d\u00e9part \u201cposs\u00e9d\u00e9\u201d, de haute qualit\u00e9, document\u00e9, s\u00e9curis\u00e9 et conforme, ainsi que facilement accessible par le biais de mod\u00e8les data dans l'ensemble de l'organisation.<\/strong>.<\/span><\/p>\n Les plates-formes Data devraient \u00eatre des produits \u00e9volutifs<\/strong>, destin\u00e9 \u00e0 l'activation de data et \u00e0 la cr\u00e9ation rapide de valeur pour l'entreprise<\/strong>. Lorsqu'ils sont mutualis\u00e9s entre diff\u00e9rents cas d'utilisation et exigences, ils rendent l'innovation et l'invention plus rapides et plus rentables<\/strong>. En effet, la mutualisation des services peut r\u00e9duire la vitesse de mise en \u0153uvre de 40%, en aidant les d\u00e9partements \u00e0 g\u00e9n\u00e9rer de la valeur en offrant la qualit\u00e9 et la vari\u00e9t\u00e9 data n\u00e9cessaires \u00e0 leurs cas d'utilisation.<\/strong>.<\/span><\/p>\n Les entreprises ont un flux constant de nouveaux cas d'utilisation et de produits \u00e0 d\u00e9velopper, en particulier dans le climat actuel. Une approche mutualis\u00e9e, data governance as code, fournit un processus de bout en bout qui leur permet d'industrialiser v\u00e9ritablement ces cas d'utilisation. Une solution robuste et hautement mod\u00e9lis\u00e9e permet de partager facilement des data pr\u00e9cises et de haute qualit\u00e9 entre les projets et les \u00e9quipes. Vous ne perdez pas de temps lorsque vous avez besoin d'informations sur un nouveau produit.<\/strong>.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n La technologie seule ne suffit pas. Pour que le data platform fonctionne, vous devez adopter une approche it\u00e9rative et transversale. C'est la seule fa\u00e7on de rendre l'innovation ordinaire dans votre entreprise.<\/strong><\/p>\n Publi\u00e9 pour la premi\u00e8re fois par ITPortal.com<\/a><\/p>\n<\/div><\/div><\/div><\/div><\/div>L'ascension et le d\u00e9clin du data platform<\/b><\/h4>\n
Entrez dans le maillage data\u00a0<\/b><\/h4>\n
Rendre l'innovation ordinaire<\/b><\/h4>\n
![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2020\/06\/Global-Newsletter-Data-Digest_LinkedIn_600x315_april-1.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>