samedi, 26 novembre 2022

7 tendances de stratégie de données d’entreprise

Crédit : Rawpixel

Chaque entreprise a besoin d’une stratégie de données qui définit clairement les technologies, les processus, les personnes et les règles nécessaires pour gérer en toute sécurité ses ressources et pratiques d’information.

Comme pour à peu près tout dans l’informatique, une stratégie de données doit évoluer au fil du temps pour suivre l’évolution des technologies, des clients, des marchés, des besoins et des pratiques de l’entreprise, des réglementations et d’un nombre pratiquement infini d’autres priorités.

Voici un bref aperçu de sept tendances majeures qui remodèleront probablement la stratégie de données actuelle de votre organisation dans les jours et les mois à venir.

1. Les données en temps réel deviennent réelles, tout comme la complexité de leur traitement

Les DSI doivent hiérarchiser leur stratégie d’investissement pour faire face au volume croissant de données complexes en temps réel qui affluent dans l’entreprise, conseille Lan Guan, responsable mondial des données et de l’IA chez Accenture.

Guan pense que la capacité à exploiter les données n’est pas négociable dans l’environnement commercial actuel. « Les informations uniques dérivées des données d’une organisation constituent un avantage concurrentiel inhérent à son activité et difficilement copié par ses concurrents », observe-t-elle. « Ne pas répondre à ces besoins signifie être laissé pour compte et rater les nombreuses opportunités rendues possibles par les progrès de l’analyse des données. »

La prochaine étape de la stratégie de données de chaque organisation, selon Guan, devrait consister à investir dans l’intelligence artificielle et l’apprentissage automatique et à en tirer parti pour tirer davantage de valeur de leurs données. « Des initiatives telles que la maintenance prédictive automatisée sur les machines ou l’optimisation de la main-d’œuvre grâce aux données opérationnelles ne sont que quelques-unes des nombreuses opportunités offertes par l’association d’une stratégie de données réussie avec le déploiement percutant de l’intelligence artificielle. »

2. Les demandes d’accès aux données internes occupent une place centrale

Les DSI et les responsables des données sont confrontés à une demande croissante d’accès aux données internes. « Les données ne sont plus seulement utilisées par les analystes et les scientifiques des données », déclare Dinesh Nirmal, directeur général de l’IA et de l’automatisation chez IBM Data. « Tous les membres de leur organisation, des ventes au en passant par les ressources humaines et les opérations, ont besoin d’accéder aux données pour prendre de meilleures décisions. »

L’inconvénient est qu’il est de plus en plus difficile de fournir un accès facile à des données opportunes et pertinentes. « Malgré des investissements massifs, le paysage des données au sein des entreprises est encore trop complexe, réparti sur plusieurs clouds, applications, emplacements, environnements et fournisseurs », déclare Nirmal.

Par conséquent, un nombre croissant de responsables informatiques recherchent des stratégies de données qui leur permettront de gérer les quantités massives de données disparates situées dans des silos sans introduire de nouveaux risques et problèmes de conformité. « Alors que le besoin d’accès aux données en interne augmente, [les DSI] doivent également suivre le rythme de l’évolution rapide des mesures réglementaires et de conformité, comme la loi sur l’intelligence artificielle de l’UE et le nouveau projet de la Maison Blanche pour une déclaration des droits de l’IA », déclare Nirmal. .

3. Le partage de données externes devient stratégique

Le partage de données entre partenaires commerciaux devient beaucoup plus facile et beaucoup plus coopératif, observe Mike Bechtel, futurologue en chef au cabinet de conseil aux entreprises Deloitte Consulting. « Avec l’adoption significative d’entrepôts de données natifs du cloud et de plates-formes d’informations sur les données adjacentes, nous commençons à voir des cas d’utilisation intéressants où les entreprises sont capables de tresser leurs données avec les données de contreparties pour créer de nouveaux actifs numériques vendables », a-t-il déclaré. dit.

Bechtel envisage un changement radical à venir dans le partage de données externes. « Pendant des années, les gens de la salle de réunion et de la salle des serveurs ont parlé de manière abstraite de la valeur d’avoir toutes ces données, mais les geeks parmi nous savions que la capacité à monétiser ces données exigeait qu’elles soient plus liquides », dit-il. « Les organisations peuvent avoir des pétaoctets de données intéressantes, mais si elles sont calcifiées dans un entrepôt sur site vieillissant, vous ne pourrez pas en faire grand-chose. »

4. L’adoption de Data Fabric et de Data Mesh augmente

Les technologies de Data Fabric et de Data Mesh peuvent aider les organisations à tirer le meilleur parti de tous les éléments d’une pile et d’une hiérarchie techniques de manière pratique et utilisable. « De nombreuses entreprises utilisent encore des solutions héritées, des technologies anciennes et nouvelles, des politiques, des processus, des procédures ou des approches hérités, mais se débattent pour devoir tout mélanger dans une nouvelle architecture qui permet plus d’agilité et de rapidité », déclare Paola Saibene, consultante principale chez Cabinet de conseil en informatique Resultant.

Mesh permet à une organisation de tirer les informations et les idées dont elle a besoin de l’environnement dans son état actuel sans avoir à le changer radicalement ou à le perturber massivement. « De cette façon, les DSI peuvent tirer parti des [outils] dont ils disposent déjà, mais en ajoutant une couche supplémentaire qui leur permet d’utiliser tous ces actifs de manière moderne et rapide », explique Saibene.

La structure de données est une architecture qui permet l’intégration de bout en bout de divers pipelines de données et environnements cloud grâce à l’utilisation de systèmes intelligents et automatisés. Le tissu, en particulier au niveau des métadonnées actives, est important, note Saibene. « Les agents d’interopérabilité donneront l’impression que tout est incroyablement bien connecté et a été intentionnellement conçu de cette façon », dit-elle. « Ainsi, vous êtes en mesure d’obtenir toutes les informations dont vous avez besoin tout en évitant d’avoir à remanier votre environnement. »

5. L’observabilité des données devient essentielle pour l’entreprise

L’observabilité des données étend le concept de qualité des données en surveillant de près les données lorsqu’elles entrent et sortent des applications. Selon Andy Petrella, fondateur du fournisseur d’observabilité des données Kensu et auteur de Fundamentals of Data Observability (O’Reilly, 2022).

Un attribut clé de l’observabilité des données est qu’il agit sur les métadonnées, offrant un moyen sûr de surveiller les données directement dans les applications. Lorsque les données sensibles quittent le pipeline de données ; elles sont collectées par un agent d’observabilité des données, explique Petrella. « Grâce à ces informations, les équipes de données peuvent résoudre les problèmes de données plus rapidement et empêcher leur propagation, réduire les coûts de maintenance, restaurer la confiance dans les données et augmenter la création de valeur à partir des données », ajoute-t-il.

L’observabilité des données crée une toute nouvelle catégorie de solutions, affirme Petrella. « Les DSI doivent d’abord comprendre les différentes approches d’observation des données et en quoi elles diffèrent de la gestion de la qualité », note-t-il. Ils doivent ensuite identifier les parties prenantes de leur équipe de données puisqu’ils seront responsables de l’adoption de la technologie d’observabilité.

Une incapacité à améliorer la qualité des données entravera probablement la productivité de l’équipe de données tout en diminuant la confiance des données dans l’ensemble de la chaîne de données. « À long terme, cela pourrait repousser les activités de données à l’arrière-plan, ce qui aurait un impact sur la compétitivité de l’organisation et, en fin de compte, sur ses revenus », déclare Petrella.

Les responsables informatiques sont confrontés à une complexité croissante et à des volumes insondables de données répartis sur l’ensemble de la pile technologique, observe Gregg Ostrowski, directeur technique exécutif de Cisco AppDynamics. « Ils doivent intégrer un ensemble en pleine expansion de services natifs du cloud avec les technologies sur site existantes », note-t-il. « Du point de vue de la stratégie de données, la plus grande tendance est la nécessité pour les équipes informatiques d’obtenir une visualisation et un aperçu clairs de leurs applications, quel que soit le domaine, que ce soit sur site, dans le cloud ou dans des environnements hybrides. »

6. « Les données en tant que produit » commencent à générer de la valeur commerciale

Les données en tant que produit sont un concept qui vise à résoudre des problèmes commerciaux réels grâce à l’utilisation de données combinées provenant de nombreuses sources différentes. « Cette approche de capture et d’analyse fournit un nouveau niveau d’intelligence aux entreprises qui peut avoir un impact réel sur les résultats », déclare Irvin Bishop, Jr., CIO chez Black & Veatch, une société mondiale d’ingénierie, d’approvisionnement, de conseil, et entreprise de construction.

Comprendre comment récolter et appliquer des données peut changer la donne à bien des égards, déclare Bishop. Il rapporte que Black & Veatch travaille avec des clients pour développer des feuilles de route de produits de données et établir des KPI pertinents. « Un exemple est la façon dont nous utilisons les données au sein de l’industrie de l’eau pour mieux gérer la santé physique des infrastructures critiques », note-t-il. « Les données permettent à nos clients de l’eau de prédire quand un équipement devra probablement être remplacé et quel type d’impact environnemental il peut supporter sur la base des données de performances passées », déclare Bishop. L’approche donne aux clients participants plus de contrôle sur la fiabilité du service. et leurs budgets.

7. Des équipes de produits de données interfonctionnelles se créent

Alors que les entreprises commencent à traiter les données comme un produit, il devient nécessaire de mettre en place des équipes produit connectées entre les secteurs de l’informatique, des affaires et de la science des données, déclare Traci Gusher, responsable des données et de l’analyse au sein de la société de conseil aux entreprises EY Americas.

La collecte et la gestion des données ne doivent pas être classées comme un simple projet parmi d’autres, note Gusher. « Les données doivent être considérées comme un domaine d’activité entièrement fonctionnel, pas différent des RH ou de la finance », affirme-t-elle. « Le passage à une approche de produit de données signifie que vos données seront traitées comme le serait un produit physique : développées, commercialisées, contrôlées par la qualité, améliorées et avec une valeur clairement suivie. »

.

Toute l’actualité en temps réel, est sur L’Entrepreneur

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici