La demande de données n'a jamais été aussi forte, en particulier à l'ère de l'intelligence artificielle (IA) et de l'IA générative (GenAI). Les entreprises sont confrontées à une demande croissante de solutions de développement de produits de données et de gestion de données plus agiles et spécifiques à un domaine. À cette fin, le concept de maillage de données s'est imposé comme un cadre transformateur et redéfinit la manière dont les entreprises abordent la propriété, la gestion et la gouvernance des produits de données.
En permettant aux domaines d'activité de gérer directement leurs propres pipelines et produits de données, le cadre de maillage des données promet des capacités décentralisées et en libre-service qui peuvent mieux s'adapter et atteindre plus rapidement des résultats commerciaux par rapport aux mises en œuvre d'architecture de données traditionnelles qui tendent à dépendre plus fortement du flux de demandes de données par l'intermédiaire de l'informatique.
Pour commencer rapidement, un maillage de données est un cadre de gestion des données d'entreprise qui définit comment gérer les données spécifiques à un domaine d'activité d'une manière qui permet aux domaines d'activité de posséder et d'exploiter leurs données. Il permet aux producteurs et aux consommateurs de données spécifiques à un domaine de collecter, de stocker, d'analyser et de gérer des pipelines de données et des produits de données avec un besoin minimal, voire inexistant, d'une équipe informatique intermédiaire.
Avec un récent webinar, nous avons approfondi la mise en œuvre de la décentralisation et du libre-service. Voici trois considérations importantes que nous avons abordées pour l'application du cadre de maillage des données :
1. Les domaines logiques contribuent à la décentralisation
Le maillage de données met l'accent sur la décentralisation, l'accès en libre-service, les produits de données de domaine et la gouvernance informatique fédérée. Il remet fondamentalement en question le mode de pensée des architectures de données traditionnelles, dans lesquelles il n'existe généralement qu'un seul domaine de production et où les demandes de données (qu'il s'agisse d'intégrer des données, de développer des pipelines ou de créer des produits de données) passent normalement par un service informatique. En tant que telle, l'architecture de données traditionnelle est un environnement rigide, avec un seul domaine de production, qui manque de flexibilité pour déployer des domaines multiples et indépendants, sans parler de la mise à l'échelle de ces domaines pour prendre en charge un grand nombre d'intégrateurs citoyens. Elle est tout simplement trop complexe pour cela.
Les domaines logiques viennent à la rescousse. SnapLogic, hautement évolutif, permet de déployer des domaines logiques (quelques uns, une douzaine ou quelques douzaines), que nous appelons Orgs. Chaque Org est logiquement autonome et possède son propre ensemble d'actifs. La centralisation est considérablement facilitée.
2. L'intégration fédérée est la clé du déploiement d'un maillage de données
La capacité de déployer des domaines logiques n'est qu'un élément important à prendre en compte lors du déploiement d'un cadre de maillage de données. Globalement, il s'agit de fédérer toutes les nécessités d'intégration dans une infrastructure unique. Cela permettra également de réduire la complexité et de réduire considérablement le temps nécessaire au déploiement d'un maillage de données ou d'un tissu de données.
Lorsque je parle de toutes les nécessités d'intégration qu'un maillage de données ou un tissu de données exigera, je veux dire une base d'infrastructure commune et super iPaaS pour déployer des intégrations de données, des intégrations d'application à application et des automatisations, des intégrations et des services de données pilotés par API, ainsi que la connectivité des données GenAI/AI et les préparations à l'intégration. Une solution unique pour fédérer ces fonctions contribuera grandement à la réussite de votre déploiement de data mesh ou de data fabric.
3. Une structure est nécessaire au bon fonctionnement du modèle de libre-service
Toutes les entreprises veulent des utilisateurs autonomes. Aucune entreprise ne veut du Far West et de l'informatique fantôme.
Une certaine forme de mécanisme de contrôle est nécessaire pour gérer une structure décentralisée et le libre-service. Aux yeux de certains, un point de contrôle peut aller à l'encontre de l'esprit du maillage de données, où le concept est axé sur la décentralisation.
Dans la pratique, cependant, un certain type de contrôle orchestré (tel que des politiques de libre-service), qu'il provienne de l'informatique, d'un centre d'excellence ou de la direction technique d'un groupe d'entreprises, est nécessaire pour assurer un système nerveux central pour l'administration et la gestion de l'infrastructure décentralisée. C'est ce que SnapLogic appelle le libre-service géré. Si l'initiative vient de l'informatique, les équipes informatiques et commerciales ont la possibilité de collaborer afin d'obtenir des avantages mutuels. Il va sans dire que l'intégration fédérée plateforme doit disposer de fonctions de contrôle et de provisionnement de la sécurité qui facilitent le processus. À long terme, les entreprises qui possèdent et gèrent des données par le biais de contrôles, d'une administration et d'une gouvernance fédérés amélioreront la fiabilité et la qualité de leurs données, offriront une bonne expérience aux utilisateurs et produiront des opérations fluides.
Les temps modernes exigent une approche moderne de la construction d'une infrastructure pour les données.
N'oubliez pas, comme nous l'avons dit au début, qu'il s'agit de mettre en place l'infrastructure nécessaire pour répondre à la demande croissante de données, et pas seulement à des fins d'analyse. Mais aussi pour ce qui sera nécessaire pour soutenir les nouvelles initiatives en matière d'IA et de GenAI. Par conséquent, même s'il semble que son nom (data mesh vs. data fabric vs. autre chose) fera l'objet de débats dans l'industrie pendant un certain temps, embrassons néanmoins le changement que promet le data mesh - une vision de l'évolutivité du domaine organisationnel et de l'accessibilité démocratisée des données qui se combinent pour produire de meilleurs résultats commerciaux, plus rapidement. Cela sera important dans cette nouvelle ère de l'IA et de la GenAI.
En savoir plus sur la mise en œuvre de la décentralisation et du libre-service géré dans votre environnement. Pour voir ces capacités en action, regardez notre dernier site webinar à la demande : Data Mesh Drill Down : Une feuille de route pour les produits de données en libre-service et l'autonomisation de l'entreprise.
