DataOps : le chaînon manquant de la gestion de données ?

Cet article a été publié originellement sur mydatacompany.fr

Pour industrialiser les cas d’usage de la Data, notamment pour des projets d’intelligence artificielle, le DataOps promet de rapprocher créateurs et consommateurs de données. 10% des organisations ont déjà mis en œuvre du DataOps.

Pour faire émerger des cas d’usage de la Data, encore faut-il que cette donnée soit accessible et de qualité. C’est la raison pour laquelle l’une des missions principales des chief data officers, comme Chafika Chettaoui chez Suez, porte sur la gouvernance des données.

Dans les organisations, les sources de données sont multiples, disséminées sur différentes plateformes. Et les acteurs impliqués dans la création et l’exploitation de cette donnée sont eux très divers.

DataOps : méthodologie collaborative axée sur les données

Comment les rapprocher et industrialiser les usages ? DataOps, répondent un nombre croissant d’entreprises. Selon le Data Report publié par Seagate et IDC, le DataOps constitue même le « chaînon manquant » de la gestion de données.

Pour en juger, encore faut-il comprendre de quoi il s’agit. Pour le cabinet, le DataOps est une « méthodologie axée sur la collaboration entre créateurs et consommateurs de données ». Et cette approche collaborative de la gestion de données a donc un objectif humain d’amélioration de la communication.

Le DataOps comporte cependant aussi un volet technique puisque les améliorations doivent également porter sur l’intégration et l’automatisation des flux de données. Pour IDC, pas de doute, le DataOps, « devrait faire partie intégrante de toutes les stratégies de gestion des données. » C’est cependant loin d’être une réalité aujourd’hui. Selon l’étude menée avec Seagate, cette « discipline émergente » n’est mise en œuvre que dans 10% des entreprises en moyenne – tous pays et secteurs confondus.

C’est peu. Toutefois, une large part de ces mêmes organisations a entamé la préparation de la mise en œuvre du DataOps ou l’envisage. Seulement 5 à 9% des sondés avouent ne pas avoir envisagé l’adoption de cette démarche.

Le DataOps pour gérer la complexité des systèmes

Et si le DataOps peut présenter un intérêt au sein des entreprises, c’est notamment en raison de la complexité croissante des environnements de données. Les outils déployés pour leur traitement sont multiples et sujets à l’inflation : IA, machine learning, ETL, data lake…

Ainsi, en matière de gestion des données, seul un tiers des organisations « utilisent une seule solution pour remplir une seule fonction. » Cette situation a différentes causes, dont l’incompatibilité des solutions entre elles ou simplement le poids du legacy.

Pour les auteurs de l’étude, le DataOps intervient ainsi pour unifier la gestion des données. Et pour des sociétés désireuses d’adopter l’intelligence artificielle ou de l’industrialiser, les bénéfices seraient également significatifs.

« Le DataOps s’intègre parfaitement à l’approche d’apprentissage itératif sur laquelle reposent les applications basées sur l’IA » insiste IDC. Cet argument n’est cependant peut-être pas de nature à convaincre des dirigeants d’entreprise.

A ces derniers, le cabinet répond donc que le DataOps « permet une amélioration sensible des résultats commerciaux, en particulier une augmentation de la fidélité et de la satisfaction des clients, une hausse du chiffre d’affaires et des bénéfices, une meilleure rétention des employés et une plus grande productivité. »