Analyse : SAP commence à tisser sa propre structure de données

MISE À JOUR À 11H00 HAE / 08 MARS 2023

ANALYSE par Tony Baer

Presque toutes les entreprises, grandes ou petites, qui utilisent la technologie ont généralement un fournisseur stratégique qui est, en fait, le premier parmi leurs pairs. Elle devient la plateforme qui détermine les choix d'applications, d'outils ou de bases de données tiers. Dans les petites entreprises, ce fournisseur de plate-forme stratégique sera probablement Microsoft Corp. ou Apple Inc., avec le choix entre Android de Google LLC ou iOS d'Apple du côté mobile. Dans les moyennes et grandes entreprises, les plates-formes sont plus susceptibles d'être multipolaires, ce qui reflète le fait que peu d'entre elles, voire aucune, ne sont susceptibles de se normaliser sur un seul fournisseur principal.

En tant que fournisseur prééminent d’applications d’entreprise, SAP SE est souvent placé dans le rôle de fournisseur stratégique. Il existe de nombreux faits amusants à l'appui de cette affirmation, l'un des plus courants étant que 77 % des revenus de transactions mondiaux touchent un système SAP. L'utilisation de SAP façonne grandement les choix qu'ils font en matière de bases de données, d'analyses et d'applications de support.

Mais dans ces mêmes organisations, il est également probable que des groupes travaillent en dehors de l'environnement SAP. Peut-être que certaines parties de l'organisation utilisent la suite e-Business d'Oracle Corp. ou Microsoft Dynamics, ou que ce sont des groupes d'analystes commerciaux travaillant avec l'analyse, ou encore des data scientists qui construisent des modèles à partir de lacs de données. Le plus souvent, les vues des données peuvent être façonnées selon que vous travaillez à l'intérieur ou à l'extérieur du jardin clos de l'application d'entreprise.

Maintenez cette pensée.

En matière de gestion des données, les problèmes les plus urgents que nous constatons concernent la capacité des entreprises à mieux gérer leurs vastes et croissantes quantités de données. Les données ne deviennent pas simplement plus diversifiées, mais de plus en plus distribuées. La combinaison parfaite du cloud computing, de la connectivité et de la portée de la 5G a étendu la portée des données. Et avec la connectivité omniprésente s’ajoutent des préoccupations concernant la confidentialité et la souveraineté des données qui fixent littéralement les limites des données qui peuvent être consommées par qui, sous quelle forme et où. Pour les clients SAP, le monde des données a explosé en dehors de leurs applications SAP.

L'un des sous-produits de cette évolution a été l'intérêt porté au maillage de données, où la propriété et la gestion du cycle de vie sont clairement délimitées entre les unités commerciales, les experts en la matière ou les domaines qui ont le plus de connaissances et d'intérêts dans les données. À l’autre extrémité du spectre se trouve la construction d’une infrastructure logique pour garantir que les bonnes données sont découvertes et fournies, et à partir de là, nous avons constaté un intérêt croissant pour la Data Fabric. À notre avis, les deux devraient se compléter et non s’annuler.

Le défi consiste à définir ce qu’est une structure de données. Comme nous l'avons vu dans certains rapports de cabinets d'analystes, une structure de données est ce que nous appelions autrefois un portefeuille d'intégration de données qui englobe le catalogue, les outils de transformation et d'orchestration des données, la qualité des données, le lignage des données, etc. Cette définition fonctionnelle est un peu trop vague pour nous.

Pour nous, une structure de données doit commencer par un fond de panier de métadonnées commun. Au minimum, il explore les sources de données et collecte les métadonnées. Les structures de données plus avancées utilisent l'apprentissage automatique pour enrichir les métadonnées sur la base des inférences détectées à partir des modèles d'activité des systèmes source et cible, par exemple les ensembles de données ou les entités fréquemment consultés ensemble. Le tissu doit cacher sous le capot les complexités liées à la découverte, à l’accès, à la transformation, à la gouvernance et à la sécurisation des données.

La structure de données n'effectue pas nécessairement ces tâches, mais elle fournit la superstructure logique pour orchestrer la chaîne d'outils qui expose les données, régule l'accès, nettoie les données, les transforme, les masque au moment de l'exécution et détermine le mode d'accès aux données : les données sont-elles apportées au moteur de requête (via la réplication) ou vice versa (via la virtualisation) ? Une structure de données est nécessaire, non pas lorsque vous recherchez simplement des données à partir d'un système de transaction unique, mais à partir de diverses sources.