Eliminez les « espaces blancs » dans votre Chaîne de Valeur Data

 

Pour être pertinente, une stratégie data doit contribuer à l’accélération de toute démarche de transformation digitale, et permettre à l’entreprise de tirer profit de ses données pour en constituer un avantage significatif sur ses segments d’activité.

Chez GOVARCH, nous pensons qu’à l’instar des défis d’optimisation de la chaîne de valeur d’une entreprise, il est tout aussi important d’optimiser sa chaine de traitement des données. Cette notion que nous introduisons ici sous le nom de « chaîne de valeur data», fait référence au cycle de traitement de la donnée : son acquisition, sa préparation, sa consolidation, sa mise à disposition et sa consommation.

Les « White spaces » : un défi d’envergure

Dans les faits, la plupart de ces chaînes de valeur data souffrent aujourd’hui du phénomène d’espaces blancs. Cela se matérialise par le manque de fluidité, voire (dans certains cas) par la présence de ruptures franches entre les différentes étapes de la chaîne.

Par ailleurs, après plusieurs années passées sur des enjeux de collecte et d’accumulation des données, les Chief Data Officers, Responsables et Architectes Data, doivent réorienter leurs efforts vers un nouvel impératif : la réduction du temps nécessaire à la mise à disposition des données depuis leurs sources.

Cet impératif impose de (re)considérer de nouveaux concepts, des approches alternatives, et de nouvelles solutions d’architectures.

La Data Virtualization : Cas d’usage

Dans ce paysage, la data virtualization (DV) offre une réelle opportunité de recomposition de la chaîne de valeur data en offrant un accès rapide à la donnée tout en s’affranchissant des contraintes de réplication des données. Que ce soit à partir de leurs sources vers un data warehouse, data layer, data store ou toute autre couche de mise à disposition de données. Grâce à ses capacités de connectivités multiples, de prise en charge de données particulièrement hétérogènes (structurées / non-structurées) ainsi qu’à la complétude de ses capacités techniques (mécanisme de caching, optimiseur de requêtes, accélérateur d’agrégation,…), la DV dispose de tous les atouts pour offrir une solide alternative d’accès rapide aux données en combinant plusieurs étapes de la chaîne de valeur data : connexion & acquisition, traitement & préparation et exposition & publication.Ce concept (qui se décline en technologie et en solutions concrètes) a largement gagné en maturité et permet aujourd’hui de répondre à des cas d’usages très populaires : Customer 360°, Logical DW/DL, Logical Data Layer… Ces derniers, ont pendant longtemps fait l’objet de projets complexes, implémentant des chaînes de valeur data « conventionnelles » (impliquant réplication systématique de données), pour des résultats souvent décevants.

Score One for Data Strategy : notre solution d’évaluation des chaînes de valeur data

Notre vision de l’évolution des tendances data du marché combinée à nos retours d’expérience sur ces nouvelles architectures nous ont convaincu qu’il y a là une opportunité d’optimisation des chaînes de valeur data de nos clients et d’accélération de leur initiatives data.

Nous pensons aussi que la DV et l’architecture de données qui lui est associée doivent être considérées comme une approche complémentaires des autres concepts et architectures plus conventionnels (réplication de données, ETL, …).

Nous avons accompagné plusieurs de nos clients dans l’élaboration de nouvelles stratégies d’architecture de données. « Data Virtualization » et/ou « Intégration de données ETL », pour chacune de ces architectures, nous définissons sa vocation, sa finalité ainsi que ses propres cas d’usages.

A l’aide de notre solution (Score One) de « Portfolios Management et de Performance Stratégique » (cf. figure ci-dessous), nous avons élaboré un cadre d’évaluation global des architectures de données. Il permet à nos clients de mieux analyser leurs besoins d’accès aux données et de décider des meilleurs scénarios d’architecture en alignement avec leur stratégie data : Rapidité, Flexibilité, Coûts, Complexité de mise en œuvre…