Pourquoi vous avez besoin d’une Data Fabric, pas seulement d’une architecture informatique

Alors que les entreprises passent à l’informatique hybride, elles redéfinissent leurs architectures informatiques. L’architecture informatique décrit l’ensemble des actifs informatiques d’une entreprise, qu’ils soient sur site ou dans le cloud. Cette architecture est stratifiée en trois niveaux de base : le matériel tel que les mainframes, les serveurs, etc. ; middleware, qui englobe les systèmes d’exploitation, les moteurs de traitement des transactions et d’autres utilitaires logiciels système ; et les applications et services destinés aux utilisateurs que cette infrastructure sous-jacente prend en charge.

L’architecture informatique a été récemment au centre des préoccupations de l’informatique, car à mesure que les organisations migrent vers le cloud, les actifs informatiques se déplacent également, et il est nécessaire de suivre et de surveiller ces changements.

Cependant, avec la croissance de la numérisation et de l’analyse, il est également nécessaire de suivre, de surveiller et de maximiser l’utilisation des Les données qui peut provenir d’une myriade de sources. Une architecture informatique ne peut pas assurer la gestion des données, mais un tissu de données peut le faire. Malheureusement, la plupart des organisations manquent de data fabrics bien définis, et beaucoup essaient encore de comprendre pourquoi elles ont besoin d’un data fabric.

Qu’est-ce qu’une Data Fabric ?

Gartner définit un tissu de données comme « un concept de conception qui sert de couche intégrée (tissu) de données et de processus de connexion. Une fabrique de données utilise des analyses continues sur les actifs de métadonnées existants, détectables et inférés pour prendre en charge la conception, le déploiement et l’utilisation de données intégrées et réutilisables dans tous les environnements, y compris les plateformes hybrides et multi-cloud.

Décomposons-le.

Chaque organisation souhaite utiliser l’analyse de données pour un avantage commercial. Pour bien utiliser l’analyse, vous avez besoin d’une agilité des données qui vous permet de connecter et de combiner facilement des données à partir de n’importe quelle source utilisée par votre entreprise, qu’il s’agisse d’une base de données héritée de l’entreprise ou de données extraites des médias sociaux ou de l’Internet des objets (IoT). . Vous ne pouvez pas réaliser l’intégration et la connectivité des données sans utiliser des outils d’intégration de données, et vous devez également trouver un moyen de connecter et de relier des données disparates les unes aux autres de manière significative si vos analyses doivent fonctionner.

C’est ici qu’intervient la Data Fabric. La fabrique de données contient toutes les connexions et relations entre les données d’une organisation, quel que soit le type de données dont il s’agit ou d’où elles proviennent. L’objectif du tissu est de fonctionner comme une tapisserie globale de données qui entremêle toutes les données afin que les données dans leur intégralité soient consultables. Cela a le potentiel non seulement d’optimiser la valeur des données, mais aussi de créer un environnement de données qui peut répondre à pratiquement toutes les requêtes analytiques. La fabrique de données fait ce qu’une architecture informatique ne peut pas faire : elle vous dit ce que font les données et comment les données sont liées les unes aux autres. Sans un tissu de données, les capacités des entreprises à exploiter les données et les analyses sont limitées.

Construire une Data Fabric

Lorsque vous créez une structure de données, il est préférable de commencer petit et dans un endroit où votre personnel est déjà familiarisé.

Ce « lieu » pour la plupart des entreprises sera avec les outils qu’elles utilisent déjà pour extraire, transformer et charger (ETL) des données d’une source à une autre, ainsi que tout autre logiciel d’intégration de données tel que les API standard et personnalisées. Tous ces éléments sont des exemples d’intégration de données que vous avez déjà réalisé.

Maintenant, vous voulez ajouter plus de données à votre noyau. Vous pouvez le faire en continuant à utiliser l’ETL et d’autres méthodes d’intégration de données que vous avez déjà en place lors de la création de votre Data Fabric. Au cours du processus, veillez à ajouter également les métadonnées sur vos données, qui comprendront le point d’origine des données, la façon dont elles ont été créées, les processus commerciaux et opérationnels qui les utilisent, leur forme (par exemple, un champ unique dans un enregistrement fixe, ou un fichier image entier), etc. En conservant l’historique des données, ainsi que toutes ses transformations, vous êtes mieux à même de vérifier la fiabilité des données et de vous assurer qu’elles sont sécurisées.

Au fur et à mesure que votre structure de données grandit, vous ajouterez probablement des outils de données qui manquent à votre plan de travail. Il peut s’agir d’outils qui aident au suivi des données, au partage des métadonnées, à l’application de la gouvernance aux données, etc. Une recommandation dans ce domaine est de rechercher un logiciel de gestion de données complet qui contient non seulement tous les outils dont vous aurez besoin pour créer un tissu de données, mais aussi une automatisation importante telle que l’apprentissage automatique intégré.

L’apprentissage automatique observe comment les données de votre Data Fabric fonctionnent ensemble et quelles combinaisons de données sont utilisées le plus souvent dans différents contextes commerciaux et opérationnels. Lorsque vous interrogez les données, le ML vous aide à rassembler les données les plus susceptibles de répondre à vos requêtes.

Il est difficile pour de nombreuses organisations de développer des éléments de Data Fabric tels que l’apprentissage automatique « à partir de zéro ». C’est là que le logiciel de gestion des données est utile, car il inclut généralement un apprentissage automatique déjà automatisé et intégré que vous pouvez utiliser dans votre structure de données.

Résumé

Les Data Fabrics offrent la possibilité de suivre, surveiller et utiliser les données tandis que les architectures informatiques suivent, surveillent et maintiennent les actifs informatiques. Les deux sont nécessaires pour une stratégie de numérisation à long terme.

Le développement de la fabrique de données peut commencer à petite échelle, comme un domaine d’activité spécifique ou un cas d’utilisation. Dans la plupart des cas, le service informatique peut utiliser des outils d’intégration de données avec lesquels il est déjà familiarisé, ainsi qu’un système de gestion de données capable d’automatiser de nombreuses fonctions de création de matrice de données avec lesquelles il est moins familier.

L’objectif final doit être une architecture informatique qui vous indique où se trouve chaque actif informatique et ce qu’il fait ; et un tissu de données qui vous dit tout ce que vous voulez savoir sur les données de cette infrastructure.

Que lire ensuite :

Agenda du DSI pour le moment : priorités d’un an après la pandémie

Il est temps de moderniser votre cadre d’intégration de données

Alignez votre architecture de données avec le plan stratégique

Mary E. Shacklett est une commentatrice technologique de renommée internationale et présidente de Transworld Data, une société de services de marketing et de technologie. Avant de fonder sa propre entreprise, elle était vice-présidente de la recherche de produits et du développement de logiciels pour Summit Information … Voir la biographie complète

Plus d’informations