The Doppler Quarterly (FRANÇAIS) Été 2016 | Page 47

Correspondance des considérations du lac de données
aux principes
1. Stratégie et économie – Les lacs de données ont des éléments spéci-
fiques pour la stratégie et l'économie en raison de leur capacité à mieux
prendre des décisions au sein d'une organisation, à influencer de
manière positive le chiffre d'affaires et la satisfaction des clients.
2. Sécurité et gouvernance – En raison de la multitude des données stoc-
kées dans un lac de données, la sécurité et la gouvernance doit prendre en
compte les risques associés aux données combinées, ainsi que leur ana-
lyse, en dehors des rôles organisationnels traditionnels ou des workflows.
3. Évaluation du portefeuille d'applications – Tout projet de lac de
données doit inclure une évaluation des applications d'un point de vue de
l'usage de données, y compris la documentation de source d'évaluation
enregistrée.
4. Migration d'application – Dans le cas d'un lac de données, très peu de
tâches de migration d’application seront effectuées. Au contraire, la focali-
sation se portera sur l'implémentation de nouvelles fonctionnalités pour la
prise en charge du lac de données et l'intégration aux systèmes existants.
5. DevOps – Dans le cas d'un lac de données, les modèles DevOps permet-
tront à toute personne d'une organisation de développer des modèles
d'analyse et d'accéder à un référentiel de données conservées concer-
nant l'organisation, lui permettant de gérer efficacement son entreprise
et de tester des théories.
6. CloudOps – Avec les lacs de données, il existe de nombreux éléments
mobiles et systèmes interconnectés. Les puissants modèles CloudOps
pour la surveillance, les réponses, la gestion des incidents et la formation
du personnel assurent la stabilité. Le CloudOps inclut également des élé-
ments de maîtrise des coûts pour garantir que les services soient correc-
tement lancés et arrêtés, et que les coûts soient surveillés par la direc-
tion pour obtenir un alignement sur les objectifs de l'organisation et les
retours sur investissement.
7. DataOps – La qualité des données est primordiale dans un lac de don-
nées pour s'assurer que les décisions et les recommandations réalisées
reposent sur la vérité. Les DataOps, y compris la gestion des métadon-
nées, la liaison des données, la qualité, la conservation et l'archivage, sont
des éléments clés pour tous les déploiements de lacs de données.
Qualité des données et modélisation
La fonction principale d'un lac de données est de fournir un référentiel unique
des différents ensembles de données, facilement accessible et à haute qualité
et intégrité. La qualité des données est primordiale, tout autant que la capacité
à rechercher facilement des ensembles de données et des données associées. Il
existe plusieurs meilleures pratiques à utiliser en tant que mesures pour la
qualité des données au sein d'un lac de données :
Schéma en lecture – En raison de la nature diverse des charges de travail et
des modèles d'analyse dans un lac de données, tous les schémas doivent être
appliqués en lecture. Ce modèle de schéma en lecture garantit que chaque
analyste peut optimiser ses affichages des données et relations.
ÉTÉ 2016 | THE DOPPLER | 45