Si la plupart des organisations prennent conscience de l’intérêt de mieux exploiter les données dont elles disposent, les défis pour parvenir à en extraire la valeur sont encore nombreux. Souvent, les entreprises n’ont pas conscience des nombreuses données à leur disposition. « Le plus souvent, l’entreprise maîtrise celles qu’elle a pris soin de structurer, dans un datawarehouse ou un autre environnement, explique Emily Sergent, Sales Engineer au sein de Denodo, leader en gestion de la donnée. Cette approche sert des logiques bien précises, pour répondre à des besoins qualifiés préalablement, à la demande d’utilisateurs bien spécifiques. En dehors de ces environnements, l’entreprise dispose de nombreuses données, traitées de manière plus aléatoire, sans qu’elles soient maintenues ou gouvernées. »

Nouvelles approches

D’une part, une approche de traitement de données au départ d’un datawarehouse est relativement fastidieuse à mettre en place, coûteuse et peu agile. D’autre part, beaucoup de données non structurées, ayant potentiellement une valeur intrinsèque importante, restent hors de portée des utilisateurs qui pourraient en tirer profit.

Comment mieux connecter les utilisateurs aux diverses sources de données ? Comment faciliter leur identification, permettre leur utilisation en garantissant leur qualité, en les maintenant, en assurant une gouvernance centralisée ? De nouvelles approches émergent afin de permettre aux organisations de s’engager sur la voie de la « data driven economy ». Parmi elles, on peut évoquer la Data Fabric ou encore le Data Mesh.

Faciliter l’exploitation de la donnée

« Les deux concepts poursuivent des objectifs relativement similaires. Il s’agit essentiellement de mettre en place des modèles facilitant l’exploitation de la donnée, de connecter les sources entre elles et de les mettre à disposition des utilisateurs, commente Emily Sergent. C’est dans la manière d’aborder ces enjeux que les deux approches se distinguent. Quand le Data Mesh est plus orienté sur l’organisation, le rapport des personnes avec la donnée, le concept de Data Fabric va plus se concentrer sur les outils à mettre en place, pour gouverner, contrôler, mettre à disposition des données de manière automatisée. »

Standardiser les pratiques, décentraliser la gestion

Le concept de Data Fabric vise à mettre en place une architecture et un ensemble de services liés à la gestion des données, permettant de standardiser les pratiques et les modalités d’utilisation à l’échelle d’une organisation.

Le Data Mesh est aussi une architecture de données introduisant essentiellement deux concepts nouveaux, celui de décentralisation et de data product. La donnée est alors considérée comme un produit, conçu, maintenu, enrichi et marketé par des équipes décentralisées, en l’occurrence les métiers, ceux qui connaissent chacune des données. La responsabilité associée à la gestion de la donnée n’incombe plus uniquement à l’équipe IT ou à un département en charge de données. Un Data Mesh prévoit aussi un ensemble d’outils et d’approches méthodologiques, comme des catalogues de données, facilitant leur mise à disposition, ou encore une gouvernance centralisée.

Des approches complémentaires

« Les deux approches, dès lors, sont complémentaires et doivent s’appuyer sur des approches ou des outils communs », explique Emily Sergent. Denodo Platform, en l’occurrence, facilite la mise en place de ces nouvelles architectures de gestion de la donnée, à travers la mise en place d’une couche d’abstraction sémantique entre les diverses sources de données et les utilisateurs. « Dans un cas comme dans l’autre, il faut en effet déterminer par où commencer. L’un des principaux enjeux est de rendre interopérables les diverses sources de données, commente Emily Sergent. C’est possible si l’on virtualise la donnée afin de les connecter entre elles à travers des modèles, les enrichir et permettre aux utilisateurs d’y accéder en libre-service. »

Libérer la donnée en gardant la maîtrise

L’autre grand avantage de ces approches, mises en œuvre à travers une architecture et une plateforme centrale, réside dans le renforcement de la sécurité et de la gouvernance qu’elles permettent. « À travers les modèles, on peut directement identifier d’où provient chaque donnée, évaluer sa qualité et déterminer ce que l’on peut faire avec, ajoute Emily Sergent. L’architecture de données mise en place doit apporter une plus grande transparence à chacun. L’enjeu, à travers ces deux approches que sont le Data Mesh ou la Data Fabric, est de libérer les données, de les rendre accessibles, et de manière maîtrisée, afin de permettre à chacun d’en tirer directement profit. »