Beaucoup d’organisations se disent data driven ou data centric et utilisent ces termes de manière confuse. Mais les deux ont des significations bien différentes.
D’une part, être data driven pour une implique une prise de décision basée sur l’analyse des données. C’est un état d’esprit où les décisions stratégiques sont guidées par les informations récoltées.
D’autre part, être datacentric, c’est bien plus que cela. Les entreprises qui le sont considèrent les données comme des actifs à part entière. La gouvernance des données vient établir un cadre organisationnel et des règles afin de supporter l’ensemble des projets liés aux données.
Architectures data centric
Être data centric, c’est aussi mettre en place une architecture centrée sur les données, pensée comme un ensemble robuste capable de servir toute l’entreprise dans la durée. Elle est sécurisée, fiable et surtout évolutive en termes de volumes et d’usages.
Ces dernières années, les techniques issues du big data ont apporté de nouveaux styles d’architectures – data lake, data hub, data mesh – permettant de répondre à quasiment n’importe quelle problématique.
Initialement développées par les géants du web pour faire face à des volumes sans cesse croissants, ces techniques sont à présent de plus en plus utilisées en informatique de gestion en entreprise alors que les volumes y restent relativement faibles. Et pour cause, elles apportent de nouvelles fonctionnalités. La plus intéressante étant sans doute l’évolutivité de l’espace de stockage que l’on peut agrandir indéfiniment grâce au cloud. Ainsi, finis les silos de données : on peut désormais les avoir dans un espace unique et les rapprocher sans limites et sans compromis de performance.
Bénéfices de l’approche data centric
De ce fait, une entreprise data centric a un avantage indéniable sur ces concurrents car elle peut très rapidement traiter toutes les données qui sont à sa disposition.
Par exemple, en cas de guerre, de pandémie ou de catastrophe naturelle… Un industriel doit pouvoir réorganiser rapidement, voir en temps réel, sa chaîne logistique. Et cela, il peut le faire grâce à l’approche data centric qui maintient à sa disposition toutes les données possibles et imaginables avec une qualité maîtrisée.
À l’opposé, une entreprise qui ne l’est pas met des jours, voire des semaines à répondre à des questions dont la rapidité de réponse peut être vitale.
Devenir data centric est donc un enjeu considérable au 21e siècle ; mais comment y parvenir ?
Devenir data centric
Les quatre ingrédients d’une organisation data centric sont :
- Alignement de la stratégie numérique avec les objectifs de l’entreprise
- Architecture des données évolutive et prenant en compte l’innovation de la science des données
- Gouvernance des données
- Reporting et visualisation des données
Alignement de la stratégie numérique avec les objectifs de l’entreprise
Une transition vers un modèle data centric demande un alignement des objectifs de l’entreprise avec la stratégie numérique.
Avant de réaliser cet alignement, il faut identifier les besoins stratégiques de l’entreprise pour que la technologie puisse y répondre. La stratégie numérique doit satisfaire les exigences définies par les différents métiers de l’entreprise.
En rendant les données accessibles et utilisables par tous ses collaborateurs, une entreprise data centric peut réduire son time to market, en changeant rapidement sa stratégie numérique pour s’adapter aux évolutions du marché.
Architecture des données et data science
Une fois les stratégies alignées, une entreprise doit les mettre en œuvre et commencer à tirer profit de ses données.
Comme mentionné précédemment, elle doit bâtir une architecture des données mettant la donnée au cœur de ses opérations.
Au cours des dernières années, le cloud a révolutionné les architectures en offrant des avantages majeurs. Contrairement aux systèmes d’information on-premises, il élimine les problèmes d’espace de stockage limité. Il permet d’éviter des investissements rigides et offre une grande flexibilité.
Le cloud permet de confier la gestion et l’évolution des infrastructures à un fournisseur spécialisé. Les trois leaders mondiaux, Amazon, Microsoft et Google, sont vus comme des garants de stabilité à long terme.
Ainsi, la mise en place d’une architecture data centric évolutive est simplifiée. En effet, les data architects disposant de toutes les briques nécessaires pour se concentrer sur sa conception.
Il en découle généralement une capacité d’ingestion, de stockage, de traitement et d’utilisation des données.
Pour finir, l’intelligence artificielle et le machine learning sont de plus en plus utilisés pour interpréter les données. Cette utilisation augmente la performance de l’approche data centric.
Toutefois, sans une coordination efficace avec les métiers, ces moyens techniques seraient largement inefficients. C’est à la gouvernance des données de répondre à ces exigences.
Gouvernance des données
La gouvernance des données définit les besoins humains, techniques et organisationnels pour obtenir des données fiables. Ces dernières permettent de découvrir de nouvelles opportunités, de réduire les coûts et de minimiser les risques sécuritaires et réglementaires.
Reporting et visualisation des données
La finalité, riche en opportunités, réside dans les rapports et la visualisation des données. Ces outils essentiels permettent de piloter l’entreprise vers des décisions optimales en temps réel.
Lorsque les entreprises commencent à s’intéresser aux données, elles les voient souvent comme un amas de chiffres indiscernables. Elles ont besoin de comprendre les différentes façons de présenter les données dans un format visuel ; or la plupart des décisionnaires ne sont en général pas des spécialistes des données ou des statisticiens. C’est pourquoi il est nécessaire d’utiliser des outils de visualisation des données.
Les logiciels de visualisation transforment les données en formats faciles à comprendre, comme des diagrammes ou des graphiques. Les business intelligence managers utilisent ces outils pour créer des tableaux de bord et des rapports. Ces éléments visuels, adaptés aux besoins de chacun, aident tout le monde dans l’organisation à comprendre les données.
Conclusion
L’évolution naturelle vers les stratégies data centric est la conséquence de la concurrence croissante entre les entreprises. Les très fortes évolutions techniques de ces dernières années l’ont largement accéléré. De plus, le cloud est quasiment une condition sine qua non de sa réussite. Néanmoins, elle doit obligatoirement inclure l’alignement avec la stratégie de l’entreprise, soutenu par une gouvernance des données durable.