Les stratégies de structuration et d’exploitation des données ne datent pas de l’arrivée de l’IA. Des premières bases de données hiérarchiques aux systèmes relationnels puis aux bases de données NoSQL et distribuées, chaque génération s’est retrouvée aux prises avec un volume de données de plus en plus important, et qu’il fallait structurer.
La problématique n’a fait que de s’aggraver au fil du temps, lorsqu’au début des années 2000 l’explosion du volume de données, donnant naissance au Big Data, a nécessité des solutions volumétriques pour l’intégration et l’interopérabilité des systèmes de bases de données, menant à de nouveaux développements, dont Hadoop et le modèle de programmations MapReduce a été le fer de lance.
Bien que les objectifs n’étaient pas de systématiquement exploiter les données via l’analytique, les outils n’existaient pas ou ne le permettaient pas encore, des systèmes comme Google BigQuery, Amazon Redshift et Snowflake ont émergé, offrant des capacités d’analyse en temps réel et des capacités de mise à l’échelle élargies. Depuis, les concepts relatifs à ces opérations ou DataOps ont pris une tournure nettement analytique, avec l’arrivée massive d’outils basés sur l’IA.
Le degré de maturité des entreprises reste inégal
Toutefois, malgré toutes ces années d’évolution, le degré de maturité des entreprises quant à l’exploitation effective des données n’a pas évolué au même rythme que les technologies. D’après une étude publiée par BMC, intitulée« Putting the 'Ops' in DataOps: SuccessFactors for Operationalizing Data », la stratégie DataOps est en étroite corrélation avec une plus grande maturité dans les pratiques de gestion des données.L’étude conclut que malgré les différences de niveau de maturité, de nombreuses organisations sont confrontées à des défis similaires qui ne sont pas uniquement d’ordre technologique, mais qui concernent également les personnes et les processus. « Il est essentiel de s’attaquer à ces problèmes, tels que la délégation équitable des tâches liées aux données et l’augmentation de l’automatisation technologique, afin d’intensifier les efforts de gestion des données », conseillent les rédacteurs de l’étude. En clair, plus les entreprises prennent les problématiques liées à la gestion et à l’exploitation des données de manière holistique, meilleures sont leurs chances de réussir.
Comment aligner les facteurs de réussite
Elle révèle que les organisations qui parviennent à des résultats sont celles qui font preuve d’une plus grande prise en compte des problèmes dans leurs pratiques DataOps. Elles ont également tendance à faire état d’une plus grande maturité dans leurs stratégies globales de gestion des données.En somme, elles parviennent à aligner tous les facteurs contribuant au succès. Par exemple, 75 % des organisations dont les pratiques DataOps sont matures ont un chief data officer (CDO), contre seulement 54 % de celles dont les pratiques
sont moins matures.
Un des autres indicateurs de maturité est relatif aux stratégies DataOps d’un point de vue architectural pour la gestion des données. Le rapport souligne que les organisations dotées d’une structure centralisée de gestion et de provisionnement des données font état d’une plus grande maturité dans leurs pratiques de gestion des données. La centralisation ainsi permetun meilleur contrôle des activités opérationnelles liées aux données, ainsi que des stratégies d’investissement plus unifiées pour les technologies et les processus.
La structure de l’organisation est un autre facteur à prendre en compte selon l’étude. Cette structure est le résultat de plusieurs facteurs, mais elle influe grandement sur les décisions et la planification, et par conséquent des objectifs à atteindre. En somme, la culture de l’entreprise peut être un facteur important de succès ou d’échec.
En ce sens, explique le rapport, « la maturité organisationnelle dans les activités axées sur les données doit être considérée via plusieurs variables démographiques commerciales, ainsi que via le rôle et la perspective des individus au sein d’une organisation donnée ».
De l’importance des investissements tactiques
La capacité d’une organisation à évaluer sa propre maturité axée sur les données par rapport aux autres organisations est cruciale pour progresser, « mais il doit également y avoir une prise de conscience des opinions divergentes en interne », prévient le rapport.Si l’entreprise constate que les parties prenantes internes ne sont pas d’accord sur les objectifs critiques et les marqueurs de maturité, la première étape consiste probablement à résoudre les points de friction et de désaccord internes. « Ce n’est qu’ensuite que l’entreprise pourra commencer à se concentrer sur les variables qui sont davantage influencées par des facteurs externes ».
Par ailleurs, l’étude souligne, sans surprise, que les grandes organisations sont plus favorables à la collecte et à la gestion des données pour soutenir les tendances émergentes. Disposant de plus de moyens et de personnel, elles peuvent plus rapidement progresser le long de la courbe de maturité en fixant des objectifs clairs.
Les organisations devraient donc se concentrer sur des investissements tactiques dans des domaines clés, notamment : la satisfaction des clients, la prise de décision stratégique, la réduction des coûts et l’amélioration des processus. « Cette approche tactique est essentielle pour les organisations qui cherchent à créer une dynamique et à démontrer le retour sur investissement (ROI) dans des domaines spécifiques », explique le rapport. En somme, conclut le rapport, les entreprises doivent adopter une approche proactive et systématique pour réussir.
