Construire des intégrations Actian DataConnect qui fonctionnent

J'ai récemment écrit un article intitulé "Pourquoi Actian DataConnect fait jeu égal avec les grands garçons". J'ai pensé qu'il serait utile de montrer un cas d'usage pour expliquer pourquoi c'est important.

En tant que développeur et intégrateur de données, de nombreux concepts sont importants lors de la conception d'un produit. Certains d'entre eux sont la répétabilité, évolutivitéla stabilité, la fiabilité, simplicité d'utilisationet bien d'autres encore. J'ai deux excellents exemples où DataConnect répond à ces critères.

Le premier cas d'usage était un projet pour un client qui utilisait une solution ERP pour les entrepreneurs gouvernementaux, appelée Deltek Costpoint. Fin 2008, j'ai construit 5 intégrations qui alimentaient Costpoint en données, ou qui extrayaient des données de Costpoint et les envoyaient à une société^tierce utilisant Maximus. Ces intégrations ont été soumises à des tests d'acceptation par les clients, avec peu de changements au cours des trois premiers mois, et des changements très mineurs depuis lors. L'avantage de ces intégrations est qu'elles fonctionnent de manière cohérente et fiable depuis plus de 6 ans sans aucune maintenance. Cela en dit long sur la stabilité et la fiabilité du produit.

Cas réel : 

Le processus ci-dessous prend un fichier entrant d'IBM Maximo (logiciel d'entreprise utilisé pour suivre l'exploitation, la maintenance et la mise au rebut des actifs) et crée un bon de travail dans Costpoint de Deltek.

Ralph Huybrechts, directeur financier du Keta Group, LLC, a déclaré : "Nous avons passé un contrat avec Deltek, le fournisseur de logiciels, qui a chargé David Byrd d'écrire plusieurs intégrations Pervasive entre les logiciels de comptabilité et de chronométrage du maître d'œuvre et des sous-traitants et Maximo. David a écrit, testé et finalisé ces intégrations au cours d'une période de mise en place progressive de 45 jours avant le début de notre important contrat de support opérations de la base avec l'armée. Ce contrat nécessite 350 employés et traite 5 000 ordres de service par mois. Les intégrations fonctionnent parfaitement depuis le début du contrat en 2010.

J'ai récemment abordé le deuxième exemple dans un autre article intitulé "Web-Services Best Practice : Utiliser la file d'attente parallèle pour rationaliser les chargements de données des services web" et de son importance. Pour ce cas d'usage, j'ai conçu une intégration qui exécuterait les messages des Webservices Accumulator, ainsi que d'autres, stockés dans une table de base de données. Ces messages étaient créés par plusieurs intégrations et alimentaient la table. Voici la partie la plus intéressante : une seule intégration récupère ces différents types de messages et définit les paramètres de connexion à la volée à partir des données stockées dans la table avec le message, comme le point de terminaison URL, les informations d'identification de l'utilisateur et du mot de passe, et traite de manière transparente l'appel au service web et stocke la réponse dans la table pour un traitement ultérieur. En d'autres termes, cette intégration se connecte à plusieurs points d'extrémité de services web sans coder en dur les paramètres requis dans l'intégration, ce qui démontre son évolutivité.

Cas réel : 

Le processus ci-dessous lit une table de base de données pour y trouver les messages à traiter, prend ce message et les informations d'identification requises, et soumet le message à un service web, attend la réponse et la stocke à nouveau dans une table. En outre, le processus est exécuté à partir de la ligne de commande où un numéro de file d'attente est transmis. Ce processus, qui utilise des fichiers bat similaires, a été exécuté 75 files d'attente en même temps.

Mais cela ne s'arrête pas là, le même concept peut être poussé plus loin en utilisant les points d'extrémité d'Oracle CX. On pourrait envisager une intégration similaire pour charger Oracle Sales Cloud à partir des données fournies par les exportations de CRM à la demande, mais cela pourrait poser des problèmes avec les pièces jointes de CRM à la demande , en particulier les pièces jointes volumineuses. L'exportation en vrac à partir de CRM OnDemand fournit tous les petits fichiers joints, mais pas les gros. Il peut fournir leur ID de pièce jointe, que vous introduisez dans la base de données via les requêtes d'exportation de pièces jointes de CRM en masse, et stocker chaque pièce jointe dans la réponse de la base de données. Ainsi, dans ce cas, non seulement les données sont introduites dans un service web pour être chargées, mais elles sont également extraites d'un service web, le tout par le biais d'une seule intégration. La meilleure partie de cette conception d'intégration est que l'intégration ne se soucie pas de l'origine ou de la destination du message XML, elle prend simplement le message, se connecte et l'envoie, puis stocke la réponse. C'est le summum de la répétabilité.

Cas réel : 

La procédure ci-dessous est très similaire à la procédure décrite ci-dessus. En fait, il fait à peu près la même chose. La première exception ici est que les différents types de messages ne vont pas dans Healthedge (une solution pour le marché des payeurs de soins de santé), ils sont en fait utilisés dans un projet de migration de données prenant l'exportation de données d'Oracle CRM à la demande, qui est ensuite construite dans un message qui sera chargé dans Oracle Sales Cloud. Et la deuxième exception est que cela a été construit dans Actian DataConnect V10.

Le fichier Bat ci-dessous est très similaire au processus ci-dessus. Il montre les différences entre l'exécution d'un processus v10 à partir de la ligne de commande et celle de DataConnect v9.

Chris Fuller-Wigg, directeur des services d'automatisation des ventes, a déclaré : "Les gains d'efficacité que nous avons constatés lors du chargement des données en parallèle sont assez irréels, presque 10 fois plus rapides qu'en série. Nous perdions une journée entière à attendre que les comptes se chargent, pour ensuite appuyer sur le bouton pour charger les contacts le lendemain. En supprimant le temps d'attente et en laissant le système traiter plusieurs chargements à la fois, nous pouvons charger les données 1,5 semaine plus tôt en moyenne.

Lawrence Chan, Senior Sales Automated Services Consultant, a ajouté : "La valeur de cette solution ne se limite pas à l'incroyable amélioration de la vitesse de migration des données. En un seul clic, nous pouvons mettre à jour les données de votre système la veille de la mise en service. Avec une planification adéquate, les nuits blanches pour mettre à jour vos données ne seront plus qu'un mauvais souvenir".

Le fait qu'Actian DataConnect puisse être considéré comme répondant à la signification de ces termes satisfait l'expérience client ultime expérience client. Le client ici est double, le premier est le développeur qui peut définir et construire une intégration flexible et fiable, et le second est le client final qui obtient que les données fonctionnent comme il le souhaite. C'est une victoire pour Actian, une victoire pour le développeur et une victoire pour le client final.

Vous pouvez en savoir plus sur Actian DataConnect ici et si vous avez des questions, n'hésitez pas à les poser à la communauté DataConnect ici.

À propos d'Actian Corporation

Actian facilite l'accès aux données. Notre plateforme de données simplifie la façon dont les gens connectent, gèrent et analysent les données dans les environnements cloud, hybrides et sur site . Avec des décennies d'expérience dans la gestion des données et l'analyse, Actian fournit des solutions de de haute performance qui permettent aux entreprises de prendre des décisions basées sur les données. Actian est reconnu par les principaux analystes et a reçu des prix de l'industrie pour sa performance et son innovation. Nos équipes partagent des cas d'utilisation éprouvés lors de conférences (par exemple, Strata Data) et contribuent à des projets à code source ouvert. Sur le blog d'Actian, nous abordons des sujets tels que l'ingestion de données en temps réel, l'analyse de données, la gouvernance données, la gestion des données, la qualité des données, l'intelligence des données et l'analyse pilotée par l'IA.