Aujourd'hui, plus que jamais, les organisations cherchent à obtenir un avantage concurrentiel, à offrir plus de valeur aux clients, à réduire les risques et à répondre plus rapidement aux besoins de l'entreprise. Pour atteindre ces objectifs, elles ont besoin d'une vue unique des données précises, cohérentes et fiables – et tout cela en temps réel. Cependant, les volumes croissants et la complexité des données rendent cet objectif difficile à atteindre. À mesure que les données augmentent, les silos de données deviennent plus fréquents, compliquant l'intégration et l'exploitation des informations provenant de sources internes et externes.
Récemment, les architectures Data Fabric ont émergé comme une approche prometteuse pour offrir une visibilité précise à travers l'ensemble de l'entreprise, sans les limites associées aux entrepôts de données, aux lacs de données et à d'autres méthodes d'intégration et de gestion des données. La Data Fabric peut transformer et harmoniser les données provenant de multiples sources à la demande, créant ainsi une source unique, fiable et précise pour tous les consommateurs de données.
La Smart Data Fabric va encore plus loin en intégrant une large gamme de capacités analytiques, y compris l'exploration de données, le décisionnel, le traitement du langage naturel, l'apprentissage automatique et même l'IA générative. Cela permet aux organisations d'acquérir de nouvelles perspectives et de fournir des services et applications prescriptifs intelligents.
Nous recevons souvent des questions sur la manière dont la Data Fabric peut être mise en œuvre pour relever des défis spécifiques à l'industrie.
Voici les réponses à onze questions courantes.
Comment la data fabric peut être appliquée pour relever les défis spécifiques de chaque secteur ?
La gouvernance des données et la Data Fabric sont liées mais elles sont très différentes. La gouvernance des données est un ensemble d'initiatives globales visant à définir et à faire respecter la qualité, l'utilisation et la sécurité des données au sein d'une organisation. Elle inclut des politiques, des normes, des processus, des règles, des rôles et responsabilités, des privilèges, et bien plus encore.
En revanche, une Data Fabric est un modèle architectural qui cherche à créer une cohérence entre toutes les données et métadonnées d'une organisation pour faciliter leur recherche, accès et utilisation. Elle est un composant essentiel d'un programme de gouvernance des données réussi.
En général, une data fabric fournit une approche moderne pour créer une source unique de vérité à partir de toutes les sources de données déconnectées, disparates et dissemblables à l'intérieur et à l'extérieur de l'organisation. Elle alimente ainsi tous les consommateurs de données, qu'il s'agisse des utilisateurs métier, des applications, des data scientists, des clients, des régulateurs, etc.
Elle offre également une couche de métadonnées cohérente et globale, ainsi qu'une couche sémantique qui maintient les relations entre les différentes données et métadonnées. Une data fabric élimine les erreurs et les redondances introduites par la maintenance de plusieurs entrepôts de données destinés à différents consommateurs. Elle permet aux données d'être optionnellement persistées ou virtualisées (non persistées), de gérer les flux de données en temps réel ainsi que les données par lots à grande échelle, de gérer nativement une grande variété de types de données, y compris les données non structurées, et d’intégrer des analyses pour un traitement analytique avancé en temps réel sans déplacer les données vers un environnement différent pour les analyses (Smart Data Fabric).
Quel était son message principal ?
Sa déclaration à propos de la Data Fabric est la suivante : "Je travaille avec les données depuis 25 ans. Nous avons testé plusieurs solutions. Nous avons enfin trouvé quelque chose qui fonctionne."
Il existe plusieurs façons de déployer une Data Fabric. Une méthode consiste à implémenter et intégrer diverses solutions de gestion de données existantes, telles que la gestion de bases de données relationnelles et non relationnelles, l'intégration, le catalogue de données, les workflows, l'intelligence d'affaires, l'apprentissage automatique, ainsi que la gestion des métadonnées et des données sémantiques. Nous avons observé que les organisations utilisant cette approche aboutissent souvent à une architecture complexe et peu efficace, lente à déployer, difficile à maintenir, avec des performances insuffisantes et une utilisation inefficace des ressources d'infrastructure. En revanche, il est recommandé de privilégier une plateforme de données qui regroupe de nombreuses fonctionnalités nécessaires en un seul produit ou une seule plateforme. Un de nos clients, un acteur majeur de la fintech, a réussi à remplacer huit technologies différentes par notre produit unique, multipliant par neuf les performances tout en utilisant seulement 30 % des ressources d'infrastructure antérieures, et cela, avec une architecture nettement simplifiée.
Les entreprises ont besoin d'une visibilité en temps réel sur toute la chaîne d'approvisionnement, depuis la production jusqu'à la distribution, afin de surveiller facilement le statut de leurs produits et de réagir rapidement aux problèmes imprévus et aux interruptions dès qu'ils surviennent.
Une tour de contrôle intelligente doit non seulement assurer une visibilité en temps réel de bout en bout, mais également fournir des prévisions sur la probabilité de ces perturbations, évaluer leur impact sur l'entreprise, et proposer une série d'options prescriptives basées sur les données pour anticiper et, si nécessaire, gérer ces perturbations en temps réel lorsqu'elles surviennent.
Les événements géopolitiques, les pénuries de main-d'œuvre, les ruptures d'approvisionnement, les variations climatiques et les changements rapides dans la demande des consommateurs peuvent tous influencer l'équilibre entre l'offre et la demande.
Les organisations peuvent améliorer leur processus décisionnel basé sur les données en utilisant une Data Fabric avec des analyses intégrées, ce qui permet d'atteindre un niveau supérieur de support décisionnel et de résultats automatisés.
Si oui, qu'est-ce que cela implique concrètement ?
Pour ce faire, elles nécessitent une architecture moderne capable d'harmoniser et de normaliser les données en temps réel à partir de sources disparates, de simuler les processus métier et d'intégrer des capacités d'intelligence artificielle (IA) et d'apprentissage automatique (ML) pour permettre une prise de décision dynamique et optimisée au niveau opérationnel. Concrètement, des modèles de maturité numérique standardisés dans l'industrie peuvent guider ce processus.
Il commence par la compréhension des besoins organisationnels et des indicateurs de performance clés (KPI), puis progresse par l'adoption d'une architecture de base de Data Fabric et le développement de processus pour avancer de manière incrémentielle vers des niveaux supérieurs de maturité numérique, culminant en une chaîne d'approvisionnement prédictive, autonome et adaptative.
L'un de nos clients est le plus grand grossiste de médicaments et de cosmétiques au Japon. Chaque année, ils distribuent 50 000 produits différents provenant de 1 000 fabricants à 400 détaillants, opérant plus de 50 000 magasins. Cela représente un total impressionnant de 3,5 milliards de produits distribués !
Grâce à cette approche, ils atteignent une précision de livraison de 99,999 % dans les délais et en quantité complète (OTIF), comparée à une moyenne industrielle d'environ 65 %.
Cela signifie que sur chaque lot de 100 000 produits livrés, 99 999 arrivent chez le client à la fois dans les délais et en quantité complète.
C'est un résultat remarquable.
Tout comme dans la chaîne d'approvisionnement, une Smart Data Fabric dotée de capacités d'analyse avancées peut fournir des analyses prédictives et prescriptives. Par exemple, elle peut contribuer à la maintenance prédictive pour assurer le fonctionnement continu des lignes de production critiques, équilibrer l'approvisionnement en fonction des fluctuations prévues de la demande, et optimiser la gestion des effectifs.
Pour répondre aux exigences réglementaires, ils emploient la Data Fabric comme une façade FHIR pour les données relationnelles stockées dans leur entrepôt de données d'entreprise. Le centre médical profite également de l'utilisation de la Smart Data Fabric comme couche d'analyse, permettant aux analystes et aux outils d'analyse d'explorer et de générer des rapports sur les données provenant de différentes sources. Cette méthode intègre des informations presque en temps réel avec les données stockées dans leur système de stockage à long terme traditionnel, offrant ainsi des analyses plus actuelles et révélant de nouvelles informations et tendances qui seraient autrement restées occultées dans les silos de données.
Nous conseillons aux équipes techniques de collaborer étroitement avec les directions métiers afin d'identifier les cas d'utilisation qui peuvent apporter le plus de valeur à l'organisation et de les mettre en œuvre par étapes, chacune apportant une valeur ajoutée mesurable.
Nous recommandons également de travailler avec un partenaire de confiance possédant une expérience éprouvée auprès d'organisations similaires et dans des cas d'utilisation comparables, pour aider à définir la stratégie, appliquer les meilleures pratiques et assurer la mise en œuvre.