Virtualisation des données : 8 fonctionnalités clés pour aider les entreprises à devenir data-driven
Devenir une société data-driven, c'est-à-dire axée sur les données, peut être un processus long et fastidieux pour lequel il ne suffit plus d'acheter et d'installer des outils. Même s'il faudra sans doute investir dans de nouvelles technologies, il se peut que l'organigramme doive être modifié, de même que les processus commerciaux, les rôles, les responsabilités et les styles de gestion. Une approche data-driven doit être adoptée de façon globale, mais les avantages potentiels en valent la pein
Pour devenir data-driven, les sociétés doivent veiller à ce qu’une majorité d'utilisateurs puissent bénéficier de toutes les données collectées au fil des années et à ce que celles-ci soient utilisées en vue d’améliorer et d’optimiser les processus commerciaux et décisionnels. Cela signifie que les utilisateurs doivent avoir un accès facilité et plus rapide aux données.
Cela nécessite une architecture très flexible capable de prendre en charge les huit fonctionnalités suivantes :
1. Prise en charge du « reporting ponctuel » : il se peut que, de manière imprévue, la direction ait besoin d’informations précises pour prendre des décisions rapides en raison d'une opportunité soudaine ou d'une urgence. Pour prendre une telle décision, il est préférable de se baser sur des données pertinentes plutôt que sur une simple intuition. Pour cela, les données de plusieurs systèmes doivent pouvoir être combinées rapidement et facilement à des fins d'analyse.
2. Une vision cohérente des données : les données doivent être présentées de la même façon quels que soient l’endroit où elles se trouvent, le moment ou l’utilisateur. Par exemple, les données relatives aux ventes fournies sur une simple feuille de calcul, sur un tableau de bord avancé ou sur une application Java doivent toutes être cohérentes.
3. Une vision à 360° des objets métiers : que l’utilisateur des données soit une application mobile utilisée par des centaines de clients en ligne ou une feuille de calcul utilisée uniquement par des cadres supérieurs, il est nécessaire d'offrir à tous une vision à 360 degrés des objets métiers tels que les clients, les patients, les camions ou les usines.
4. Règles en matière de protection des données : plutôt que d’être dispersées dans des centaines de systèmes, d’applications, de bases de données ou encore de rapports, les règles relatives à la protection des données doivent être appliquées de manière aussi centralisée que possible. Les sociétés ne peuvent pas se permettre de commettre des erreurs en matière de gestion et d’accessibilité aux données.
5. Données sans temps de latence : le nombre d’utilisateurs nécessitant un accès rapide aux données ne cesse d’augmenter. Il est donc inenvisageable d’avoir une architecture dans laquelle les données sont copiées à plusieurs reprises d'une base de données à une autre. Une nouvelle architecture de données doit être capable de présenter les informations nécessaires en temps quasi réel.
6. Prise en charge des nouvelles technologies de traitement des données : ces dix dernières années, de nombreuses technologies puissantes et rapides dédiées au stockage et à l'analysedes données ont vu le jour. Lorsque celles-ci présentent des avantages, la nouvelle architecture de données doit être dotée du plug-and-play afin de pouvoir connecter et utiliser ces technologies facilement. Les nouvelles technologies peuvent être synonymes de nouvelles opportunités commerciales.
7. Accès aux données de référence : l'utilisation de données de référence ne doit pas être réservée à quelques privilégiés mais à tous les utilisateurs de données. Les données de référence doivent être pleinement intégrées dans l'architecture de données.
8. Accès aux métadonnées descriptives : les métadonnées sont essentielles pour comprendre les données. Si le stockage et la gestion des métadonnées sont utiles, la difficulté est de les rendre aussi facilement accessibles aux utilisateurs de données que les données elles-mêmes. Plus il sera facile d'accéder aux métadonnées, plus les systèmes seront transparents pour les utilisateurs, permettant ainsi une plus grande confiance dans les rapports.
Adopter une approche data-driven
Chacune de ces fonctionnalités s'adapte à merveille à la virtualisation des données qui quant à elle sert de passerelle entre l'architecture et toutes les données cachées dans les systèmes transactionnels (cloud et sur site), les entrepôts de données, les lacs de données ou les fichiers bruts. Elle permet de facilement accéder à toutes les données, et ainsi de les utiliser de manière plus cohérente. Elle permet également de fournir des métadonnées et des données de référence, d’afficher des données en temps quasi réel et d’exploiter de nouvelles technologies. La virtualisation de données aide les sociétés à tirer parti des données plus efficacement afin d’améliorer et d'optimiser leurs processus métiers et décisionnels.