L'\u00e9volution du stockage et de l'\u00e9valuation des donn\u00e9es commerciales va des premiers entrep\u00f4ts de donn\u00e9es des ann\u00e9es 1980 aux concepts de lacs de donn\u00e9es, de hubs et de lakehouses. Au d\u00e9but, les entreprises pouvaient lire le pass\u00e9 et tirer des conclusions \u00e0 partir des chiffres, gr\u00e2ce \u00e0 des donn\u00e9es propres, des rapports et des \u00e9valuations rapides. Depuis les ann\u00e9es 2010, la puissance des ordinateurs et des applications a atteint un niveau o\u00f9 il est \u00e9galement possible de faire des pr\u00e9visions (Predictive Analytics) et de recommander des actions (Prescriptive Analytics).<\/p>\n\n\n\n
Les donn\u00e9es et les analyses de donn\u00e9es sont consid\u00e9r\u00e9es comme le carburant de la transformation num\u00e9rique et de l'\u00e9volution vers une entreprise intelligente. Mais les obstacles sont nombreux :<\/p>\n\n\n\n
Ces obstacles peuvent \u00eatre surmont\u00e9s techniquement, nous y reviendrons plus tard. Mais une condition pr\u00e9alable est d'abord une culture des donn\u00e9es au sein de l'entreprise, qui souhaite encourager l'utilisation efficace et \u00e9thique des donn\u00e9es pour la prise de d\u00e9cision et l'innovation. Sans une culture des donn\u00e9es positive, les organisations ne pourront pas devenir des entreprises pilot\u00e9es par les donn\u00e9es.<\/p>\n\n\n\n
Souvent, une culture positive des donn\u00e9es commence par un changement de mentalit\u00e9 au niveau des principes organisationnels. Par exemple, peu d'entreprises offrent actuellement \u00e0 tous leurs collaborateurs la possibilit\u00e9 de r\u00e9aliser des analyses de donn\u00e9es de mani\u00e8re autonome (en libre-service). Or, c'est justement dans l'initiative personnelle et la cr\u00e9ativit\u00e9 des services sp\u00e9cialis\u00e9s que r\u00e9side la cl\u00e9 de la nouvelle cr\u00e9ation de valeur \u00e0 partir des donn\u00e9es. En r\u00e8gle g\u00e9n\u00e9rale, une organisation devrait prendre conscience de l'attitude, des pratiques et des valeurs qui favorisent une utilisation efficace et responsable des donn\u00e9es - parmi lesquelles la transparence, la confiance, la comp\u00e9tence en mati\u00e8re de donn\u00e9es, l'\u00e9thique et la collaboration.<\/p>\n\n\n\n
Par le pass\u00e9, de nombreuses entreprises ont investi dans un data lake central et une \u00e9quipe de donn\u00e9es, s'attendant \u00e0 faire progresser leur activit\u00e9 sur la base des donn\u00e9es. Apr\u00e8s quelques succ\u00e8s initiaux, elles constatent toutefois que l'\u00e9quipe centrale de donn\u00e9es devient souvent un goulot d'\u00e9tranglement : L'\u00e9quipe ne peut pas r\u00e9pondre assez rapidement \u00e0 toutes les questions analytiques pos\u00e9es par la direction, les responsables de produits et les services sp\u00e9cialis\u00e9s. Or, les d\u00e9cisions bas\u00e9es sur les donn\u00e9es prises en temps r\u00e9el sont justement d\u00e9cisives pour la comp\u00e9titivit\u00e9. Les questions typiques sont les suivantes :<\/p>\n\n\n\n
L'\u00e9quipe charg\u00e9e des donn\u00e9es souhaite r\u00e9pondre rapidement \u00e0 toutes ces questions. Mais dans la pratique, elle rencontre des difficult\u00e9s car elle passe trop de temps \u00e0 adapter les pipelines de donn\u00e9es et, le cas \u00e9ch\u00e9ant, \u00e0 effectuer des modifications op\u00e9rationnelles de la base de donn\u00e9es. Dans le peu de temps qui lui reste, l'\u00e9quipe charg\u00e9e des donn\u00e9es doit identifier et comprendre les donn\u00e9es de domaine n\u00e9cessaires.<\/p>\n\n\n\n
Bien que les services sp\u00e9cialis\u00e9s connaissent leurs domaines et les besoins d'information pertinents, ils doivent se tourner vers l'\u00e9quipe centrale de donn\u00e9es, surcharg\u00e9e, pour obtenir des connaissances bas\u00e9es sur les donn\u00e9es.<\/p>\n\n\n\n
Une solution consiste \u00e0 transf\u00e9rer la responsabilit\u00e9 des donn\u00e9es de l'\u00e9quipe centrale de donn\u00e9es vers les \u00e9quipes de domaine. C'est l'id\u00e9e centrale du concept de data mesh : la d\u00e9centralisation orient\u00e9e domaine pour les donn\u00e9es analytiques. Une architecture Data Mesh permet aux d\u00e9partements et aux \u00e9quipes de domaine d'effectuer eux-m\u00eames des analyses de donn\u00e9es inter-domaines et de relier les donn\u00e9es entre elles, \u00e0 l'instar des API dans une architecture de microservices.<\/p>\n\n\n\n