The Doppler Quarterly (FRANÇAIS) Édition spéciale 2019 | Page 48
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 con-
siste 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 princi-
paux 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 com-
muns 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
46 | THE DOPPLER | ÉDITION SPÉCIALE 2019
Le type de données requis pour chaque cas d’utilisation varie
entre des informations applicatives génériques, le détail des res-
sources 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 ren-
contrés 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 peut aller de simples ques-
tionnaires en libre-service à des outils de découverte et d'analyse,
en passant par des sources CMDB. Non nombre d'outils de décou-
verte sont dotés de fonctionnalités d’analyse complémentaires
telles qu’une analyse des coûts ou des recommandations concer-
nant l’architecture et la plateforme.
En résumé, les organisations doivent autoriser la collecte de don-
nées 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 ras-
sembler toutes les informations requises et de les conserver dans
un référentiel, en vue d'étapes d’analyse et de migration supplé-
mentaires, le cas échéant.