Plus que jamais les organisations ont besoin d'une vue unique et en temps réel des données pour apporter de la valeur à leurs clients, réduire les risques et réagir de manière rapide et efficace face aux nouvelles opportunités.
Cependant, c'est loin d'être facile pour les nombreuses organisations qui ont accumulé des technologies multiples et diverses pour gérer différents types de données et de charge de travail. Sans nécessairement leur en imputer la faute, les responsables informatiques de ces organisations sont confrontés à une complexité architecturale et à une latence inutiles. Ils doivent composer avec de nombreuses parties en mouvement constant et la nécessité de déplacer les données entre ces parties.
L'objectif général étant une plus grande agilité, la simplification de l’architecture constitue un véritable objectif car elle permet de réduire les coûts, d'améliorer les performances et de renforcer la sécurité de manière significative. Ceci est réalisable et à la portée de toutes les organisations. Voici trois façons d'y parvenir.
1ère façon : L' approche multi-modèle
La première voie vers la simplification est l'utilisation d'une base de données multi-modèles. Elle remplace les multiples systèmes de gestion de bases de données à usage spécifique tels que les bases de données clé-valeur, documents ou graphes, avec une seule représentation des données sur le disque. La donnée est accessible dans le format de votre choix, à la demande et sans aucune duplication des données.
L'approche multi-modèles s'applique à de nombreux domaines d'activités. Dans le secteur de l'hôtellerie, par exemple, une seule application de réservation d'hôtel peut utiliser jusqu'à cinq systèmes de gestion de base de données, une configuration susceptible de nuire à la haute disponibilité des données. Chaque base de données a son propre modèle de donnée pour la montée en charge, la reprise après sinistre, la disponibilité et la sécurité. Il en résulte une duplication des données et de nombreuses possibilités de dysfonctionnement.
Les applications fonctionnant sur de tels systèmes nécessitent de nombreux tests tandis que la réutilisation des données devient difficile. Outre la nécessité d'apprendre plusieurs produits, le débogage et le support consomment beaucoup de temps des employés, ce qui augmente le coût total de possession.
En comparaison avec une application de réservation d’hôtel simplifiée, vous pouvez diviser par trois les coûts de développement. Un système unique et multi-modèle est relativement facile à mettre en œuvre et offre un accès plus facile aux données d’un pool commun. Il est également plus simple de refactoriser en fonction de l’évolution des exigences et élimine la latence entre les systèmes.
2ème façon : La plateforme de données translytiques
La deuxième voie vers la simplification passe par la mise en place d'une plateforme transactionnelle-analytique ou "translytique". Il s'agit d'une combinaison de capacités de gestion de données transactionnelles et analytiques dans un seul moteur de base de données tandis qu'un système transactionnel optimise le traitement des transactions et un système analytique optimise les requêtes et les charges de travail analytiques.
La combinaison de ces capacités dans un seul moteur de base de données permet d'obtenir des performances élevées sans aucun compromis lors de l'utilisation de l'analytique pour la compréhension et les prises de décisions en temps réel. La mise en place d'une architecture consolidée grâce à une plateforme de donnée élimine ainsi la latence créée lors du déplacement des données entre les systèmes. Le tout sans sacrifier les performances ou l'évolutivité pour l'un ou l'autre type de charge de travail.
Dans les services financiers, le déploiement d'une plateforme translytique permet aux grandes institutions d'investissement de traiter des milliards de transactions et d'ordres par jour tout en répondant simultanément à des milliers de requêtes simultanées par seconde provenant de centaines d'applications à travers l'entreprise.
Au sein d'une institution bancaire, le débit des transactions a été multiplié par trois, tandis que l'ingestion de données a été multipliée par dix. Cette nouvelle approche a permis de réduire les coûts opérationnels de 75 % par rapport à l'approche précédente ; un chiffre remarquable à tous points de vue.
3ème façon : L'apprentissage automatique au coeur de la base de données
Le troisième modèle de simplification est l'apprentissage automatique (ML) au cœur de la base de données. Cette approche élimine le besoin de disposer de plates-formes distinctes pour la gestion des données et la science des données et surmonte les nombreux obstacles à l'optimisation d'une technologie avancée telle que le ML. Cela inclut le manque constant d’expertise et les problèmes liés aux données utilisables.
La simplification prend ici la forme d'AutoML ou d'IntegratedML, qui intègre le Machine Learning directement dans la plateforme de données. Cela rend le développement de modèles de ML plus facilement accessible aux utilisateurs qui comprennent les problèmes de l'entreprise mais qui n'ont pas nécessairement une expertise approfondie en science des données.
Pour les data scientists d'une organisation, AutoML offre un autre gain majeur : il leur donne plus de temps pour un travail productif sur des activités à plus forte valeur ajoutée telles que le réglage et l'évaluation des modèles. Il est également facile d'intégrer ces modèles d'apprentissage automatique dans les processus et les flux de travail pour créer des processus prescriptifs intelligents, basés sur les données, qui s'exécutent en temps réel en fonction des événements et des transactions.
La simplification architecturale portera ses fruits immédiatement
Quel que soit le chemin vers la simplification que les organisations poursuivent grâce aux progrès dans la gestion des données, elles bénéficieront d'avantages opérationnels et financiers considérables. Il s'agit notamment d'une réduction substantielle du coût total de possession, de niveaux de performance et d'efficacité plus élevés, ainsi que de l'évolutivité et de la résilience, deux éléments essentiels. Ces avantages sont immédiatement disponibles, que le déploiement se fasse sur site, dans le cloud ou dans un environnement hybride.
Comme nous l'avons vu, les avancées technologiques dans la gestion des bases de données ont relégué au second plan l’idée ancienne selon laquelle la simplification de l'architecture des données se faisait au détriment des performances.
Les alternatives technologiques génèrent une complexité bien plus grande par le déploiement de solutions multipoints et mettent les données en danger en les déplaçant constamment.
Le moment est venu de réaliser que la simplification présente de nombreux avantages par rapport à l'approche "best-of-breed". Les avantages de la simplification parlent d’eux-mêmes.
Le rapport "Ventana Research Data Platforms Value Index 2023" fournit une vue indépendante et globale de la capacité de treize fournisseurs à proposer une combinaison de charges de travail opérationnelles et analytiques avec un seul ou plusieurs produits de plateforme de données.
Téléchargez le rapport complet