Vous ne pouvez pas prévoir les besoins futurs en termes de données, mais vous pouvez éviter de payer pour des erreurs qui n'auraient pas été corrigées aujourd'hui.

À l'heure actuelle, les entreprises doivent gérer des données issues de sources très diverses par le biais d'un nombre tout aussi varié d'interfaces. Pour comprendre ces données, les services informatiques doivent les extraire, les convertir dans un format utilisable et les charger dans les systèmes de data warehousing corrects. Les données de nombreuses applications sont souvent intégrées pour contribuer à un processus métier unique.

Ce n'est pas une tâche facile, et cette tâche est encore compliquée par le fait que la modification des données à un emplacement affecte les données présentes à de nombreux autres endroits.

Le prix à payer pour les données indésirables

Dans la plupart des entreprises, les projets d'intégration sont rétrogrades. Ils ne sont mis en œuvre que lorsqu'un besoin flagrant apparaît. Il peut paraître indispensable de pouvoir répondre rapidement et efficacement aux demandes des intervenants métiers, mais si vous exécutez des projets d'intégration de manière ponctuelle, vous courez le risque d'augmenter le nombre d'interfaces de point à point qui ne correspondant pas aux besoins à plus grande échelle de votre entreprise en matière de gestion de données.

Les conséquences de déploiements individuels sont nombreuses :

1. Ces tâches ne sont pas reproductibles, ce qui signifie que le coût du support et des améliorations continus sera élevé en raison de la complexité inhérente au projet.
2. La traçabilité de vos données ne peut pas être garantie ; vous risquez donc de créer des processus non conformes aux règles métiers existantes qui régissent la transformation et la qualité des données.
3. Ces systèmes individuels seront difficiles à adapter et à mettre à jour car chacun d'entre eux nécessitera une attention particulière en raison de ses règles uniques, de son code personnalisé et de l'incohérence des données.

Investissez dans des données propres

Vous ne pouvez pas prédire l'avenir lorsque vous démarrez des projets d'intégration de données. Bien qu'ils prédisent souvent les besoins avec beaucoup d'assurance, les utilisateurs métiers manquent de discernement. La meilleure chose à faire consiste à suivre des meilleures pratiques afin de briser les dépendances point-interface. Vous pouvez par exemple :

1. Découpler les applications afin de réduire les dépendances.
2. Implémenter des normes d'intégration et de données pour les échanges d'informations entre systèmes.
3. Utiliser le transfert pour faciliter la consommation de jeux de données volumineux ayant des temps de latence différents.
4. Conserver un historique des modifications que vous apportez aux données afin d'assurer une visibilité de bout en bout sur les données ainsi que sur les métadonnées.

Vous pensez peut-être ne pas avoir le temps ou les ressources à consacrer à ces étapes. Vous n'avez peut-être pas encore obtenu un engagement ferme des parties prenantes pour entreprendre le travail nécessaire pour assurer la fidélité des données. Cependant, plus vous attendez avant de mettre en place une solution de gestion de données centralisée, plus vos problèmes s'aggraveront.

Si ces défis vous semblent insurmontables, vous devriez envisager une solution qui automatise la majorité, voire la totalité, de ces processus. Pour en savoir plus, lisez The Next-Generation of Data Integration: Transforming Data Chaos into Breakthrough Results (L'intégration de données nouvelle génération : transformez les données confuses en résultats extraordinaires). Vous y trouverez des conseils pour éliminer les compromis issus des approches traditionnelles de l'intégration de données.