Six facteurs clés Facteur n ° 1 : collecte de données à valeur élevée
Il est absolument essentiel que les entreprises possèdent une parfaite connaissance de leur patrimoine applicatif . Nous croyons fermement à la « collecte de données à valeur élevée », qui consiste à définir en amont le contexte , les données recueillies , le mode d ' exploitation de ces dernières , ainsi que le résultat final .
La mise en œuvre d ' une stratégie de migration exige un examen approfondi du portefeuille de l ’ entreprise . Dirigez par conséquent vos efforts de découverte et d ’ analyse sur l ' obtention des principaux catalyseurs opérationnels et objectifs spécifiques . Sur la base de ces objectifs , ciblez un exercice d ’ analyse sur les niveaux du patrimoine , des applications et de l ’ infrastructure , ainsi que sur une composante individuelle spécifique . Il est recommandé à chaque organisation d ' effectuer une analyse sur chacun de ces niveaux à partir de différents vecteurs d ' activité .
Voici quelques cas d ’ utilisation typiques :
• Définition d ' une stratégie générale de transformation de l ' ensemble du paysage , appréhension des modèles communs et identification des premiers candidats au départ ( analyse au niveau patrimoine )
• Résolution des défis liés à un portefeuille d ’ applications spécifique pour un secteur d ’ activité donné ( analyse au niveau application )
• Résolution de points de difficulté spécifiques , tels que la transformation des logiciels intermédiaires ou des bases de données ( analyse au niveau composant )
• Traitement de vecteurs d ' activité plus spécifiques tels que la « sortie d ' un centre de données », qui peut nécessiter une analyse centrée sur l ' infrastructure
Le type de données requis pour chaque cas d ’ utilisation varie entre des informations applicatives génériques , le détail des ressources ou des informations détaillées sur l ’ architecture et les dépendances .
Alors que la création d ’ un modèle de données visant à définir exactement les critères nécessaires à chacune de ces analyses ne pose en principe aucune difficulté particulière , de nombreuses organisations y parviennent à grand peine . Les problèmes rencontrés tiennent à la difficulté à trouver les informations requises , à gérer la quantité de données impliquées , ou encore au temps et aux efforts nécessaires pour les rassembler .
Il est recommandé aux organisations de consacrer le temps et le budget initial nécessaires en amont pour mettre sur pied un modèle de données capable de définir les cas d ’ utilisation d ' après les exigences suivantes :
• Informations sur les ressources
• Attributs d ' analyse complémentaires
• Mécanismes de collecte des données
Le mécanisme de collecte de données peuvent aller de simples questionnaires en libre-service à des outils de découverte et d ' analyse , en passant par des sources CMDB . Non nombre d ' outils de découverte sont dotés de fonctionnalités d ’ analyse complémentaires telles qu ’ une analyse des coûts ou des recommandations concernant l ’ architecture et la plateforme .
En résumé , les organisations doivent autoriser la collecte de données de grande valeur par le biais d ' une définition appropriée de cas d ’ utilisation , de détails des ressources et d ' autres données fonctionnelles indispensables à l ’ analyse . Elles doivent également disposer d ’ un puissant mécanisme de découverte capable de rassembler toutes les informations requises et de les conserver dans un référentiel , en vue d ' étapes d ’ analyse et de migration supplémentaires , le cas échéant .
18 | THE DOPPLER | PRINTEMPS 2018