Comment définir une data platform agile ?
actu-fr

COMMENT DEFINIR UNE DATA PLATFORM AGILE ?

By 22 novembre 2023 No Comments

La data s’est imposée comme le nouveau pétrole, et ce pour de bonnes raisons. En effet, il est à présent l’un des vecteurs de croissance les plus puissants pour les entreprises. Cependant, tout comme le pétrole, les données doivent être gérées et transformées afin d’apporter un maximum de valeur. Et ce n’est pas tâche facile quand le paysage économique et technologique évolue à un rythme de plus en plus soutenu. Avant les révolutions de ces dernières années, les entreprises avaient le choix entre une data platform rigide, où tout changement représentait un cauchemar, et une data platform plus souple mais souvent fragmentée et silotée, rendant les données moins accessibles. Heureusement, les avancées technologiques telles que le DevOps, le cloud, l’intelligence artificielle et l’automation ont rendu possible la création d’une infrastructure flexible maximisant durablement la productivité des équipes métier. 

Dès lors, à quoi ressemble une data platform agile aujourd’hui ? 

 

Les critères auxquels répond une data platform agile 

 

Une data platform agile doit l’être pour l’ensemble de l’organisation, et donc répondre à 3 principaux critères : 

Le bon insight au bon moment

Une data platform doit être capable de répondre aux besoins spécifiques de chaque équipe (BI, IA, machine learning, etc). Cependant, son agilité réside dans la mise à disposition de données à jour aux équipes de manière à ce qu’elles puissent travailler dessus et collaborer sans rencontrer de problème technique ou organisationnel causé par exemple par des silos. Cette accessibilité permet l’autonomisation des data analysts et scientists, qui peuvent ainsi être productifs sans trop solliciter les équipes IT, comme l’explique RT Insights. Au-delà d’un travail de qualité, la data platform agile doit également permettre un travail rapide. En effet, elle se caractérise par une exécution rapide des différentes étapes du processus de traitement des données, de manière à générer les bons insights au bon moment. La notion de vitesse est ici relative, et peut aller du temps réel pour identifier un cas de fraude à la carte bancaire à une notion beaucoup plus floue si la donnée doit alimenter la R&D sur une roadmap produit à 10 ans. 

La flexibilité

La capacité de la data platform agile ne doit pas être ponctuelle, elle doit s’inscrire dans le temps. Les parties prenantes doivent anticiper les évolutions de l’entreprise et de son environnement, et s’assurer que la data platform puisse suivre autant au niveau technologique, avec l’intégration des innovations comme l’intelligence artificielle, qu’au niveau opérationnel, avec par exemple des modifications des flux de données en fonction des besoins métier. À ce titre, le besoin d’insights en temps réel s’est largement accéléré sur les cinq dernières années dans certaines industries/métiers/fonctions, et la data platform a dû intégrer ces nouvelles technologies au plus vite. 

Le contrôle et l’optimisation des coûts

Les portefeuilles ont malheureusement un fond. On retrouve ainsi de l’agilité dans la façon de gérer financièrement sa data platform à travers de nouveaux outils de FinOps permettant de contrôler et de réduire ses dépenses de façon à avoir un contrôle total de son budget. Un modèle d’infrastructure on-premise rend le contrôle du budget complexe, mais l’intégration du cloud permet aux entreprises d’accéder à un modèle économique plus flexible et optimisable. De plus, pour les organisations ayant fait le choix du nuage, de plus en plus d’outils offrent une amélioration de la visibilité sur les coûts cloud et une plus grande chance d’optimisation de ceux-ci. 

 

Au final, comment savoir si ma plateforme data est vraiment agile ? 

Tout simplement si son exploitation et les insights exploités par les directions métiers accompagnent les ambitions et la stratégie de l’entreprise. Tant au niveau de la conquête de nouveaux marchés que de l’exploration des constantes innovations. Car c’est bien là la clé de l’agilité dans l’exploitation des données, la capacité d’adresser les besoins de tous les jours, mais également de plus grands desseins stratégiques.