Intelligence des données

Le voyage vers le Data Mesh - Partie 1 - Définir la portée de votre projet pilote

Actian Corporation

9 avril 2024

Bien que la littérature sur le data mesh soit abondante, elle décrit souvent un état final, mais rarement la manière d'y parvenir dans la pratique. La question se pose alors :

Quelle approche adopter pour transformer la gestion des données et mettre en place un data mesh?

Dans cette série d'articles, vous trouverez un extrait de notre Guide pratique du Data Mesh, dans lequel nous proposons une approche pour lancer un parcours de data mesh data mesh dans votre organisation, structurée autour des quatre principes du data mesh (propriété et architecture de données décentralisées orientées vers le domaine, données en tant que produit, infrastructure de données en libre-service en tant que plateforme, et gouvernance informatique fédérée) et tirant parti des ressources humaines et technologiques existantes.

Tout au long de cette série d'articles, et afin d'illustrer cette approche pour construire les bases d'un data mesh réussi, nous nous appuierons sur un exemple : celui de l'entreprise fictive Premium Offices - une société d'immobilier d'entreprise dont l'activité consiste à acquérir des biens immobiliers pour les louer à des entreprises.

L'étape initiale de la transformation de la gestion des données et de la mise en œuvre du data mesh au sein de votre organisation consiste à construire un projet pilote, un embryon de maillage. Celui-ci sera développé sur la base des 4 principes du data mesh, en utilisant les ressources existantes, c'est-à-dire sans impacter l'organisation.

Pour réussir votre projet de décentralisation de la gestion des données , vous devez vous concentrer sur deux conditions essentielles : des domaines bien définis et le choix d'un cas d'usage initial.

Identification du domaine

La première condition préalable au lancement du projet pilote est l'identification des domaines - la fédération de domaines autonomes étant au cœur du data mesh.

Cette étape ne pose généralement aucune difficulté. En effet, le concept de domaine est déjà largement compris et la division en domaines est souvent stable - qu'elle soit structurée en fonction des chaînes de valeur, des principaux processus d'entreprise ou des Fonctionnalités opérationnelles de l'organisation. Les domaines ont parfois leurs propres équipes techniques et systèmes opérationnels qui génèrent la majorité des données. La transition consiste souvent à réattribuer la propriété des données en fonction d'une structure existante.

EXEMPLE DE BUREAUX À PRIMES

Premium Offices est déjà structuré autour de domaines qui reflètent ses grandes Fonctionnalités. Voici trois exemples de domaines :

  • Actif
    • Domaine responsable de l'acquisition et de la gestion des biens immobiliers. Il s'appuie principalement sur des logiciels de gestion d'actifs.
  • Courtage
    • Domaine qui gère la commercialisation de biens immobiliers à louer et la gestion des locataires. Il utilise un logiciel de gestion des locataires et est responsable du site web commercial et de la publication des offres sur les places de marché spécialisées.
  • Marchés des capitaux
    • Un domaine responsable des prêts pour financer les achats et optimiser le portefeuille de prêts. Il utilise un autre logiciel spécialisé.

Premium Offices dispose déjà d'une plateforme de données moderne, basée sur DBT, Google BigQuery et Tableau. Elle est gérée par une équipe centralisée soutenue par un Data Office centralisé.

Organisation En Domaines Chez Premium Offices

Organisation par domaines - A partir des capacités principales des bureaux Premium

Choisir un cas d'usage initial

Le choix d'un cas d'usage pour le projet pilote est relativement arbitraire - il peut s'agir de la refonte d'un tableau de bord existant, de la création d'un nouveau tableau de bord, de l'ajout de Fonctionnalités IA à une application, ou encore de la commercialisation de certaines données. Toutefois, ce premier cas d'usage doit présenter des caractéristiques spécifiques afin de favoriser des conditions d'apprentissage optimales :

  • Elle doit se concentrer sur l'utilisation, et non sur un ou plusieurs data products - la valeur intrinsèque d'un produit de données est nulle, et sa valeur est réalisée grâce à ses utilisations.
  • Il ne doit pas être trop transversal et doit utiliser des données provenant d'un ou deux domaines au maximum - idéalement, d'un seul.
  • Il ne doit pas être trop simpliste et doit consommer plus d'un produit de données ; deux ou trois suffisent.
  • Elle ne doit pas être trop expérimentale - l'objectif est d'obtenir rapidement des résultats concrets.

EXEMPLE DE BUREAUX À PRIMES

Pour le projet pilote, Premium Offices a choisi de construire un tableau de bord du risque de crédit pour ses locataires afin de mieux anticiper et prévenir les défaillances potentielles. Ce tableau de bord doit combiner les données des locataires issues de son logiciel et les données de crédit acquises auprès d'un fournisseur spécialisé. Ces données sont déjà utilisées de manière opérationnelle dans le processus d'évaluation d'un nouveau locataire.

En conclusion, la transformation du data mesh et le lancement d'un projet pilote commencent par des conditions préalables essentielles : l'identification des domaines et le choix d'un cas d'usage initial. En définissant un périmètre dès le départ, les organisations peuvent poser des bases solides pour une gestion des données décentralisée gestion des données, sans impact sur l'organisation.

Dans le prochain article, nous nous pencherons sur la mise en place d'une équipe de développement et d'une plateforme de données robuste pour support le projet pilote de data mesh .

Le guide pratique du Data Mesh: Mise en place et supervision d'un Data Mesh à l'échelle de l'entreprise

Rédigé par Guillaume Bodet, notre guide a été conçu pour vous fournir des stratégies pratiques pour mettre en œuvre le data mesh dans votre organisation, en vous aidant :

  • Commencez votre parcours de data mesh par un projet pilote ciblé.
  • Découvrez des méthodes efficaces pour augmenter la taille de votre data mesh.
  • Reconnaître le rôle essentiel que joue une marketplace interne pour faciliter la consommation effective des data products.
  • Découvrez comment la plateforme Actian Data Intelligence se présente comme un système de supervision robuste, orchestrant un data mesh à l'échelle de l'entreprise.
logo avatar actian

À propos d'Actian Corporation

Actian permet aux entreprises de gérer et de gouverner en toute confiance les données à l'échelle, en rationalisant les environnements de données complexes et en accélérant la fourniture de données prêtes pour l'IA. L'approche d'Actian en matière d'intelligence des données combine la découverte de données, la gestion des métadonnées et la gouvernance fédérée pour permettre une utilisation plus intelligente des données et améliorer la conformité. Grâce à desFonctionnalités intuitives libre-service , les utilisateurs professionnels et techniques peuvent trouver, comprendre et faire confiance aux actifs de données dans les environnements cloud, hybrides et sur site . Actian fournit des solutions de gestion des données flexibles à 42 millions d'utilisateurs au sein de sociétés Fortune 100 et d'autres entreprises dans le monde entier, tout en maintenant un taux de satisfaction de la clientèle de 95 %.