Modernisation des données

Le problème est rarement le stockage

La plupart des organisations détiennent plus de données qu’elles ne peuvent en exploiter. L’écart se situe entre là où elles résident et là où elles devraient être pour qu’on puisse raisonner dessus — et il se manifeste presque toujours aux mêmes trois endroits.

• Des systèmes qui détiennent les données et ne les rendent pas. AS/400, grands systèmes, et bases relationnelles assez anciennes pour que ceux qui en ont conçu le schéma soient partis.
• Des chaînes de traitement construites par des équipes différentes avec des outils différents : lorsque l’une casse, personne ne peut dire pourquoi — ni si le chiffre qu’elle a produit le mois dernier était juste.
• Une restitution reconstituée à la main. Un tableur refait chaque mois, à partir de données déjà vieilles de plusieurs semaines au moment de l’extraction.

Ce que couvrent les travaux

Cinq domaines. La plupart des interventions commencent par l’un d’eux et ne s’élargissent que lorsque le premier s’est justifié.

• Migration de l’existant — extraire les données des AS/400, des grands systèmes et des bases relationnelles anciennes sans perdre l’historique qu’elles portent.
• Chaînes de traitement — conception, construction et exploitation, de sorte que lorsqu’une chaîne casse, quelqu’un puisse dire pourquoi.
• Restitution — décisionnel et reporting en libre-service, à la place d’un tableur reconstitué à la main chaque mois.
• Flux — chaînes événementielles et en continu, là où la décision ne peut pas attendre le traitement de nuit.
• Préparation à l’IA — chaînes de recherche augmentée, bases vectorielles et ingénierie des variables, pour qu’un projet d’IA échoue sur ses propres mérites plutôt que sur l’état des données.

La plateforme est celle que vous avez déjà achetée

Azure Synapse, Snowflake, Databricks, Microsoft Fabric, Redshift, PostgreSQL. Data Factory, dbt, Spark, Glue, Kafka. Power BI, Tableau, Qlik. La bonne plateforme est celle qui s’accorde aux investissements que vous avez déjà consentis ; et lorsqu’un choix existant ne convient pas à ce que vous cherchez à faire, cela se dit au cadrage plutôt que se découvre à la fin.

Là où cela s’arrête, et ce à quoi cela mène

Les données et la plateforme qui sous-tendent une application, voilà ce que couvre cette prestation. Ce que fait l’application elle-même relève de la modernisation applicative, qui a sa propre réponse. Dans l’autre sens, c’est le socle sur lequel repose LightHouse Enterprise Intelligence : une couche de traitement unifiée est ce qu’elle raccorde, un modèle sémantique est ce sur quoi elle raisonne, les traces de décision en sont la mémoire. Qui veut des données propres et rien de plus s’arrête ici.