Le modèle de cahier des charges "Plateforme de virtualisation des données" répertorie plus de 150 critères techniques pour faciliter la préparation de votre cahier des charges et comparer les solutions de data virtualization disponibles sur le marché. Ce document vous guidera dans votre réflexion stratégique et vous aidera à identifier les principales fonctionnalités des solutions d'intégration et de mise à disposition des données d'entreprise.
TÉLÉCHARGER CE CAHIER DES CHARGES
Sommaire du cahier des charges Plateforme de virtualisation des données
Préambule – Trois questions à poser aux éditeurs
1 – Environnement de développement
1.1. Annuaire d’objets métiers
1.2. Modélisation et transformation des données
1.3. Repository de métadonnées
1.4. Versioning
2 – Environnement de Run
2.1. Moteur de requêtes
2.2. Algorithmes d’optimisation des performances
2.3. Caching
2.4. Connectivité
2.5. Data Delivery
2.6. Sécurité
2.7. Gouvernance des données
3 – Environnement de gestion et de monitoring
3.1. Administration des données
3.2. Serveurs de clusters
3.3. Gestionnaire de déploiement
4 – Systèmes d’exploitation et standards supportés
4.1. Systèmes d’exploitation
4.2. Adaptateurs
TÉLÉCHARGER CE CAHIER DES CHARGES
Data Virtualization et outils de mise à disposition de la donnée
Le cabinet Gartner définit la virtualisation des données comme une technologie reposant sur « l’exécution de traitement de données distribuées, la fédération des résultats de requêtes en vues virtuelles et la consommation de ces vues par des applications, outils de requête et, plus globalement, par tout composant d’infrastructure. Elle peut être utilisée pour créer des vues virtualisées et intégrées de données en mémoire et fournit une couche d’abstraction supérieure à l’implémentation physique des données. »
Du point de vue de l’usage, on peut définir la data virtualisation comme une nouvelle manière d’accéder à la donnée, particulièrement adaptée aux projets nécessitant l’accès à des données disparates, une information en temps réel et un Time To Market extrêmement réduit. On peut citer les exemples de la BI agile et le reporting, les projets big data, l’intégration web et cloud, l’industrialisation de l’analyse des flux de données issues de l’IoT ou encore la mise en conformité règlementaire dans des environnements complexes qui agrègent des données sensibles depuis des sources multiples…
TÉLÉCHARGER CE CAHIER DES CHARGES
Les bénéfices attendus d’une plateforme de virtualisation des données
Plusieurs avantages ressortent de la mise en place d’une plateforme de data virtualisation :
Masquer les complexités du SI : La virtualisation des données fournit des données opérationnelles en temps réel, préalablement traitées et directement accessibles dans un lieu unique, standardisé et sécurisé. Elle joue en quelque sorte le rôle de couche de médiation en masquant la complexité du système d’information sous-jacent afin de multiplier la productivité d’accès aux données.
Exploiter des données à jour : Le point d’accès unique offert par la data virtualisation évite les déplacements de données de la source au datawarehouse et permet de travailler avec des données constamment à jour.
Faciliter l’accès aux données : Indépendamment de l’outil utilisé pour interroger les données, la couche de data virtualisation apparaît toujours comme une source de data générique accessible via les protocoles standards (JDBC, ODBC, REST, SOAP…). L’utilisateur qui consomme les données interagit avec avec le moteur de data virtualisation via le langage SQL, standard éprouvé qui masque la complexité des échanges.
Simplifier la gestion de l’entrepôt de données : la plateforme de data virtualisation évite toutes les complications liées à la gestion de l’entrepôt de données. Par exemple, changer un champ ou le modifier ne nécessite plus d’intervenir sur le datawarehouse, sur l’ETL, de modifier les batch, etc.
Unifier la sécurité des données pour l’ensemble de l’entreprise : grâce à des fonctions de gouvernance et via la création de groupes d’utilisateurs par exemple.
Accroître l’agilité des équipes : Les équipe de développement sont plus agiles lors du lancement de projets d’intégration de données. Par ailleurs le backlog des demandes diminue, l’organisation tout entière devient plus agile, le time to market est amélioré et les coûts sont réduits.
Les trois principales composantes d’une plateforme de data virtualisation
Les solutions de virtualisation des données comportent trois briques principales dont les fonctionnalités sont détaillées au sein de ce modèle de cahier des charges. On peut les résumer de la manière suivante :
Outils de développement : La plateforme de data virtualisation doit faciliter l’accès à l’information et permettre de créer des relations entres les entités. L’utilisateur pourra facilement rechercher, classer et consommer les ensembles de données via un navigateur intuitif en self service. Parmi les fonctionnalités attendues, soulignons l’importance d’un annuaire métier incluant des fonctionnalités de recherche simples, de type moteur de recherche web. La présence de ce « browser » est essentielle pour une recherche simplifiée des data sets à l’aide d’attributs tels que le type de données, le format, la catégorie, etc.
Environnement de run : L’environnement de run peut se définir comme l’exécutable par lequel toutes les informations transitent. On y trouve des modules à valeur ajoutée sur lesquels le serveur a été bâti. Transparents pour l’utilisateurs, ces modules sont utilisés par le serveur pour optimiser les requêtes, faciliter la gouvernance et la traçabilité des données, introduire la sécurité, etc.
Environnement de gestion et de monitoring : Il constitue en quelque sorte la partie « administrative » de la solution de data virtualisation. Elle répond à des questions telles que : Comment envoyer un package vers un serveur ? Comment gérer une panne serveur et faire un sorte qu’un nouveau serveur prenne le relai ? Comment créer des serveurs pour déployer plusieurs machines ? Comment monitorer l’ensemble ?
