arthead - stock.adobe.com

Les Projets Data gagnent à appliquer le duo DataOps FinOps

Face à des données toujours plus nombreuses, les entreprises n’ont pas le choix : elles doivent optimiser leurs projets data. Erwan Lancien de Talan fait le point sur le DataOps et le FinOps, des approches qui accélèrent la mise en œuvre de ces projets et en optimisent les coûts.

En matière de production de données, l’année 2020 a battu tous les records. Au total, ce sont 64,2 zettaoctets de données qui ont été produits sur la planète en l’espace d’un an, et ce n’est qu’un début : d’ici 2025, la production devrait croître d’environ 20 % chaque année d’après IDC. Mais alors que les entreprises ont redoublé d’efforts pour relever le défi du Big Data (15 millions d’emplois créés dans le monde au cours de la dernière décennie), on estime à seulement 0,5 % la proportion de données effectivement exploitées.

Cette situation se traduit dans le faible taux de transformation des projets data. D’après Gartner, seuls 53 % des proofs of concept passeraient en production. Et cette transition s’opère sur une durée conséquente : 9 mois en moyenne. Il n’y a rien d’étonnant à cela. Les projets data sont des projets longs et complexes qui impliquent des défis humains, méthodologiques et technologiques.

Face à ces spécificités, les méthodes traditionnelles ne font plus recette. D’où la nécessité d’adopter une approche plus rapide et capable d’améliorer le taux de transformation des projets.

Une telle approche est possible avec le DataOps et le FinOps.

Le DataOps : un orchestrateur technologique au service des projets data

Inspirée du DevOps, le DataOps est une méthode qui permet de relever les enjeux liés aux projets data. Il vise d’abord à améliorer la qualité et les cycles d’analyse et d’exploitation des données. Mais il invite aussi à repenser l’organisation du travail et la façon dont communiquent les équipes.

En effet, un projet data s’appuie sur de nombreux profils, qui ne partagent pas tous les mêmes attentes. Les professionnels « métiers » ont des exigences en matière de fiabilité de lisibilité des données, tandis que les responsables IT et finances réfléchissent plutôt en matière de dépenses et d’infrastructure. Enfin, les experts techniques se focalisent sur la recherche de la meilleure solution, sur un marché où le nombre d’outils et d’éditeurs ne cesse de croître.

Outre une meilleure collaboration entre les différentes parties prenantes, le DataOps promeut également une logique d’amélioration continue.

Réconcilier ces intérêts a donc tout d’une gageure. Pourtant, le DataOps permet de faire émerger des solutions communes : à chaque passage d’un environnement à l’autre, un workflow de validation encourage la communication et la collaboration entre les équipes, ce qui permet de s’assurer que le projet évolue dans le bon sens.

Quels sont les bénéfices de ce DataOps ? Outre une meilleure collaboration entre les différentes parties prenantes, le DataOps promeut également une logique d’amélioration continue, à travers un déroulé en plusieurs étapes : la vision, la définition, la planification, la conception, le développement, la phase de test, le déploiement, le monitoring.

Cette logique, tirée de l’agilité, est créatrice de valeur, car elle permet d’améliorer la qualité des projets en automatisant un maximum de tâches, et en surveillant les environnements et les flux.

Les bénéfices obtenus avec les outils DataOps sont encore plus importants si, en amont, les futurs utilisateurs ont été sensibilisés aux bonnes pratiques en matière de data visualisation.

Le FinOps, un atout pour les financiers et les responsables IT

Deuxième pilier de cette nouvelle approche des projets data : le FinOps.

Mais qu’est-ce que le FinOps ? Déclinaison « finance » du DataOps, le FinOps vise à maîtriser les dépenses du cloud en général et d’un projet data en particulier.

Comme son alter ego, cette méthode s’appuie sur une logique itérative et collaborative. En amont du projet, un dialogue avec les financiers et les responsables IT permet d’établir les budgets.

Une fois le projet mis en œuvre, les équipes réalisent une analyse continue de la consommation, ce qui permet de prendre les bonnes décisions en temps réel. Par exemple, on peut choisir de redimensionner temporairement la capacité de stockage ou les processus d’acquisition des données.

L’objectif est bien sûr de consommer uniquement les ressources nécessaires au projet et d’améliorer son rapport qualité-prix pour le client.

Dans les grandes entreprises, les outils FinOps s’avèrent encore plus pertinents. Grâce à la supervision continue des dépenses, il offre aux financiers la possibilité de procéder aux fameux chargebacks (les refacturations internes destinées aux services concernés par le projet), avec, à la clé, des bénéfices évidents en matière de comptabilité analytique et de contrôle de gestion.

Pour approfondir sur Big Data et Data lake

Close