Ma donnée, mon chagrin, mon amour

Ou comment sortir de l’impasse de désimbrication de mon SI

Par Xavier SIMONIN, Directeur – stratégie et développement image – Centre d’Expertise Digital, SOPRA STERIA CONSULTING

Les approches incrémentales de modernisation des SI existants ont des limites que nous constatons tous. Il arrive un moment où la question de tout réécrire se pose. L’urgence des transformations, l’émergence des plates-formes digitales, le temps réel, incitent les dirigeants des grands groupes à dépasser leurs inquiétudes. En effet, ils ne sont plus mis en cause parce qu’ils ont pris le risque d’échouer dans la transformation de leur SI, mais bien parce qu’ils ne l’ont pas pris. L’efficience et la pertinence des données remplacent peu à peu les traditionnelles barrières à l’entrée. L’enjeu des écosystèmes et de l’Open Enterprise est bien celui de la maîtrise de la donnée. Mais quelle voie prendre ?

Ma donnée : partir du besoin et de l’usage

Ce n’est pas nouveau, avec Internet nous avons pris goût à l’instantanéité. Nous voulons des réponses simples et claires, rapidement, mais aussi que l’ensemble de nos besoins soit pris en compte. Une solution de mobilité qui ne s’occupe ni de mes bagages, ni de mes animaux ou encore qui ne finance pas mes déplacements, a de moins en moins de sens. Sans compter le régulateur, la protection des données, la gestion des consentements, le droit à l’oubli… Et ces commerçants, banquiers et assureurs qui ne me reconnaissent pas alors même que mes préférences alimentaires n’ont plus aucun secret pour UBER EATS.

La technologie a créé de nouveaux besoins et styles de vie. Anticiper la transformation signifie de comprendre quel accès et quelle utilisation de la donnée sont faits et, donc, quels sont les usages susceptibles d’influencer la demande. Il ne s’agit pas de technologies contrairement à ce qui est souvent écrit. Car pour celui qui n’a qu’un marteau, tout problème ressemble à un clou. La clé, c’est l’usage de la data.

Mon chagrin : rénover un SI, c’est osciller entre la panique et l’agacement

En 1999, l’OTAN bombarde par erreur l’ambassade de Chine à Belgrade, la faute à l’utilisation d’un plan de la ville obsolète. Cet exemple prouve que plus on garantit tôt la qualité de la data, plus le coût est réduit.

L’accès, le partage et le traitement des données deviennent le cauchemar des entreprises quand il faut briser les silos applicatifs et partager des pans entiers de son SI à de nombreux partenaires. C’est comme lorsque l’on décide de casser une cloison chez soi : l’abattre peut se révéler une entreprise très simple, ou bien souvent, un changement structurel majeur. En informatique, les échecs sont fréquents, les migrations inachevées ajoutant une brique en plus. Les dépassements budgétaires sont souvent conséquents. Alors, on réduit les sommes allouées et les bonnes pratiques sont omises : dictionnaires de données absents ou à l’abandon, traducteurs réalisant la conversion des données avec des définitions et des attributs différents, trajectoire et cycle de vie de la donnée non documentés, référentiels de mauvaise qualité…

Dans beaucoup d’entreprises, la captation de l’information est perçue comme trop contraignante. Face à la fragmentation du SI, pour répondre à la logique de package commercial et à la nécessité de consolider la vision client ou de faire son reporting aux autorités de tutelles, la Business Intelligence a été créée. Mais les datawarehouses contiennent des données inutiles, voire erronées, issues des couches successives de traducteurs, avec parfois des marges d’erreur allant jusqu’à 30% du chiffre d’affaires par client.

Mon amour : rapprocher le métier de la donnée

D’un rôle historique d’exploitation des évènements passés, d’analyse et de reporting des opérations en cours, le décisionnel a évolué vers celui de Business Intelligence, puis vers une double fonction :

  • D’analyse quasi en temps réel de toutes les données de l’entreprise pour optimiser l’exécution des processus métier, contextualisés et personnalisés pour l’expérience client ;
  • D’anticipation de ce qui va se passer pour mieux cibler les actions de relations clients, notamment avec l’IA.

A cela s’ajoute des besoins croissants d’évolution en cycles courts, mais aussi d’expérimentation et d’exploration. Or, il n’est pas possible de répondre aux besoins de l’Intelligent Automation sans maîtriser la donnée.

Face à ces changements profonds, l’architecture décisionnelle centrée sur une logique d’intégration et de traitement différé de masse ne peut plus être la seule réponse.

Un scénario orienté entreprise de type datahub[1]/moteur de recherche aide à répondre aux enjeux courts et moyens termes identifiés à travers l’analyse de l’existant et le recueil des besoins métiers sur les exigences portant sur la donnée. Mais ce choix doit se faire en regard d’une stratégie globale d’entreprise et plus particulièrement sur la fédération des données opérationnelles comme analytiques.

Pourquoi ce scénario ? Parce que, l’architecture adoptée doit :

  • Permettre d’adresser les besoins de « consommation finale » des données, afin d’éviter de mettre en œuvre des solutions qui obligeront les utilisateurs à détourner les usages proposés,
  • Garantir l’autonomie des utilisateurs vis-à-vis des données : données ingérées en l’état, adaptation aux changements de données / formats / structures des applications amont, moteur de recherche intégré temps réel, gestion des synonymes,
  • Préserver la sécurité, la confidentialité et l’auditabilité au niveau de la donnée, y compris en la sensibilisant (masquage, anonymisation, pseudonymisation),
  • Gérer le versionnage de la donnée et de l’information construites avec ces données

Alors, oui, il est possible de réduire de 80% le coût de sa BI, tout en transformant son SI et en l’ouvrant sur l’extérieur. Rien n’est magique. Rien n’est gratuit. Mais quelques professionnels aguerris peuvent vous aider et vous conseiller. Ne portez pas seul cette transformation, faites appel à ceux qui l’ont éprouvée, ils sauront vous orienter en fonction de vos besoins et de vos usages.

[1] Un Hub de données est une approche d’intégration de données qui consiste à virtualiser les données et à les réindexer dans un nouveau système. Pour être un centre de données (par opposition à un lac de données), ce système prend en charge la découverte, l’indexation et l’analyse.

 

Leave a Reply