5 façons de survivre et prospérer sur un marché concurrentiel grâce à la virtualisation des données
L'expression "la survie du plus fort" issue de la théorie de l'évolution de Darwin décrit le mécanisme de la sélection naturelle. Dans les affaires, le même principe s'applique. Face à des marchés, des modèles et des technos en évolution constante, les organisations agiles sont avantagées.
Le rôle des analystes de données n'a jamais été aussi important, qu'il s'agisse de profiler de nouvelles opportunités, d'optimiser les processus, de stimuler l’upsell ou de la myriade d'autres problèmes commerciaux qu'ils résolvent en favorisant l'efficacité et en créant un avantage concurrentiel.
La connaissance des données est au cœur de la capacité des business analysts, et est obtenue en combinant de façon dynamique des données provenant de sources multiples. Cependant, la variété et la complexité des nouveaux emplacements, formats et protocoles de données signifient que les méthodes traditionnelles d'intégration des données ne permettent plus de suivre le rythme des besoins des entreprises. En réaction, les organisations se tournent vers la virtualisation des données. Dans son Guide du marché de la virtualisation des données, Gartner estime que d'ici 2022, 60% des organisations mettront en œuvre la virtualisation des données comme l'un des principaux modes de livraison dans leur architecture d'intégration des données.
En associant différents types et sources de données hébergées dans le cloud et sur site, de nombreuses organisations optent pour des solutions de virtualisation des données pour bénéficier de l'agilité et de la flexibilité caractéristiques du cloud tout en permettant à leurs équipes d'exploiter les données issues de ces environnements hybrides.
Pourquoi tant d'entreprises se tournent-elles vers l’utilisation du cloud et la virtualisation des données ? Examinons les cinq principaux défis évoqués par les analystes et la manière dont la virtualisation des données est utilisée pour les résoudre :
1. Accès aux données
"En tant qu'utilisateur métier, il est difficile de comprendre la connectivité, les formats et les protocoles de toutes nos sources de données pour gérer les changements de sources (la sécurité est également un problème)."
La virtualisation des données évite aux analystes d'avoir à comprendre et à gérer les complexités liées à l'accès aux données. Au lieu de cela, ils se connectent simplement à la couche de virtualisation des données (semblable à un entrepôt de données mais qui n'est en fait composée que des métadonnées). Cette couche de virtualisation des données fournit un accès facile à utiliser mais sécurisé à toutes les sources de données, quel que soit leur emplacement, leur(s) format(s) ou le(s) protocole(s) utilisé(s). La livraison des données est gérée par la couche virtuelle, et non par l'analyste. La virtualisation des données permet d’avoir une architecture d'entrepôt de données logique.
2. Dépendance à un seul fournisseur
"Nous sommes préoccupés par le fait que les modèles sémantiques sont intégrés dans nos outils de BI. Cela nous rend dépendant d’un seul fournisseur, ce qui est un obstacle à l’adoption de nouveaux outils de BI et d’analytique."
Avec la virtualisation des données, les consommateurs peuvent utiliser différents outils d'analyse et de visualisation qui s'exécutent au-dessus de la couche virtuelle partagée. Il n'est pas nécessaire de procéder à de coûteuses réécritures des modèles de données dans chaque nouvel outil car le modèle sémantique est défini dans la couche virtuelle. Cela fait également une énorme différence pour l'agilité métier, car tout changement ne doit être effectué qu'une seule fois.
3. Performance
"Notre outil de BI n'assure pas la délégation des requêtes aux sources, donc de grandes quantités de données sont déplacées à travers le réseau vers le serveur BI, où elles sont traitées, ce qui donne de mauvaises performances."
Un élément clé de la performance des solutions de virtualisation des données est leur capacité à optimiser la requête en la déléguant aux sources. Cela peut faire une grande différence quant à la quantité de données qui doit être déplacée sur le réseau. C'est l'un des éléments clés des solutions de virtualisation des données de pointe.
4. Efficacité
Les analystes et spécialistes de données passent 70 à 80% de leur temps à rassembler et préparer des données plutôt qu'à effectuer des analyses. Réduire le temps passé à rassembler et préparer les données est le domaine où les analystes qui utilisent la virtualisation des données obtiennent le ROI le plus significatif. Le feedback des clients indique que ce temps peut être réduit, passant de 70-80% à 10-20%. Ainsi, les 60-70% de temps restant peuvent être consacrés au précieux travail d'analyse, ce qui permet de multiplier par 3 ou 4 la productivité d'un business analyst.
5. Partage et collaboration
Le fait que le modèle sémantique se trouve dans le processus technologique qui analyse les données signifie aussi qu’il n’est pas possible de partager avec les utilisateurs d'autres outils de business intelligence sans devoir tout réécrire. Cela crée un surcroît de travail ainsi que des incohérences dans les modèles entre les différents outils d’informatique professionnelle.
"Avoir notre modèle sémantique dans notre outil de BI signifie aussi que nous n'avons pas la possibilité de partager le modèle de données avec les utilisateurs d'autres outils de BI sans tout réécrire. Cela crée un surcroît de travail ainsi que des incohérences dans les modèles avec les différents outils de BI."
Le recours à la virtualisation des données permet de créer des modèles sémantiques communs dans la couche virtuelle plutôt que sur la plateforme d'analyse. Ceci est essentiel car cela signifie que les analystes obtiennent une vue unique des données, facilement partagée entre les utilisateurs des différents outils d'analyse.
Survivre et prospérer
Pour en revenir aux principes darwiniens de la sélection naturelle, la question qui se pose pour les business analysts est la suivante : si votre entreprise s'efforce d'obtenir ou de maintenir un avantage concurrentiel grâce à l'analytique métier, pourquoi ne pas y inclure des capacités de virtualisation des données ?