Samuel MORIN, Ellipsys
Les effets délétères de cette complexité sont nombreux et impactent la gouvernance de la données, l’urbanisme des systèmes, les coûts informatiques, les risques techniques, la sécurité informationnelle, la conformité des données, la performance, la satisfaction des métiers, etc.
L’évolution des Systèmes d’Information, n’est donc pas une option, mais une obligation, d’autant que la compétition internationale impose aux entreprises d’identifier de nouveaux « business insights » qui passent par une exploitation maximale de la data collectée.
Quelques chiffres qui attestent ce cette problématique :
› En 2018, 78% des budgets informatiques ont été dépensés uniquement pour maintenir les systèmes vs les investissements dans l'innovation (Cisco, IT Operations Readiness Index, 2018)
› La majorité des CIO (59%) trouve difficile d’intégrer de nouvelles applications ou technologies et de faire évoluer les applications existantes (65%) en raison de la dette technique IT (MuleSoft 2019 Benchmark Report).
› Les recherches de Stripe suggèrent que "le développeur moyen passe plus de 17 heures par semaine à résoudre des problèmes de maintenance, tels que le débogage et la refactorisation"…
Pour comprendre les systèmes, les simplifier, et les faire évolue interviennent au coup par coup, parfois brutalement (« big bang »), sans impliquer l’ensemble des acteurs, sans nécessairement industrialiser les processus.
Ça n’est pas la meilleure des solutions, que ça ne débouche que trop rarement sur le SI cible, parfaitement urbanisé, qui permettra de faire éclore l’entreprise « data driven » de demain.
Nous suggérons la mise en œuvre d’une mécanique autour de 3 axes :
1- Réduire la dette IT, en partageant la compréhension du SI.
La compréhension fine des Systèmes d’Information est rarement de mise d’autant que les SI grossissent et se complexifient continuellement. Il paraît opportun de produire une cartographie dynamique, partagée à tous (métier / IT).
Cette cartographie doit faire autorité grâce à son objectivité. Pour ce faire, la meilleure méthode sera de s’appuyer sur la technique du « data lineage », i.e. une mise en lumière intelligible de tous les flux d’information, des sources, jusqu'à la représentation de la donnée. Techniquement, c’est une traduction graphique du “reverse engineering” sur les technologies de processing et de data visualisation.
Les termes employés pour décrire chaque “data points” doivent être empruntés à la terminologie métier, pour que chacun puisse prendre en main le sujet. Et ces termes métier doivent être déployés tout au long des chaînes d’alimentation.
L'ensemble des technologies de processing et de représentation (dataviz) de la donnée doivent être traités et mêlés dans une cartographie unique, agnostique.
Pour que cette cartographie ait le crédit qui s’impose auprès des équipes, pour créer l’adhésion, elle doit être parfaitement synchronisée au SI, et ne doit demander aucune intervention des équipes.
Quand les équipes métiers et IT ont accès à une cartographie à jour de leur SI, avec pour chaque donnée une connaissance de son origine et de son devenir, de ses usages finaux, de toute la complexité sous-jacente (le code), très naturellement, elles s’accaparent l’ambition d’amélioration continue.
2- Réduire la dette IT en identifiant et en traitant la « matière morte » dans les SI.
La cartographie fine des systèmes, et en particulier, la définition des usages de l’information met en lumière des pans entiers du SI qui ne produisent plus de réponse, ou qui produisent des réponses que les équipes métier ne consultent pas ou plus. Ce sont des « branches mortes » du système qui sont montées au plan, qui sont maintenues, et qui pour autant n’ont plus d’objet. Dans bien des cas, une proportion significative des SI peut être décommissionnée : des tables, du code, des jobs ETL/ELT, des dashboards, des jobs du scheduler, etc. La simplification d’un SI ne crée pas de valeur ajoutée tangible du jour au lendemain. Mais c’est une démarche indispensable face à la complexification irrémédiable des systèmes.
3- Réduire la dette IT par une harmonisation des systèmes.
Les équipes data, et particulièrement les équipes data côté métier, produisent en continue des pipelines de données toujours plus nombreux et souvent « copiés / collés / transformés à la marge » typiquement pour adresser de nouveaux « business insights ». Cette mécanique crée invariablement de l’entropie. La simplification massive des systèmes en décommissionnement des branches mortes, n’a pas d’impact à court terme sur cette mécanique, tant la vitesse de réplication de ces pipelines est importante.
Le renfort de l’IA permet de détecter cette réplication dans le processing, puis de le factoriser continuellement, et ainsi apporter un nouveau surcroît de simplicité et d’intelligibilité aux systèmes.
En ayant une vision partagée à tous du fonctionnement des SI, en identifiant et en évacuant la « matière morte » des SI, et en rationalisation le processing de la donnée, les équipe IT peuvent mettre le patrimoine de donnée en ordre de marche pour adresser les grands sujets data de demain, mais aussi envisager les grands chantiers de la transformation numérique avec sérénité (migrations Cloud, implémentations d’architectures big data …).
Cela peut se faire de façon partagée et progressive, en s’appuyant sur l’introspection technique fine, et l’amélioration continue des systèmes.
L’évolution des Systèmes d’Information, n’est donc pas une option, mais une obligation, d’autant que la compétition internationale impose aux entreprises d’identifier de nouveaux « business insights » qui passent par une exploitation maximale de la data collectée.
Quelques chiffres qui attestent ce cette problématique :
› En 2018, 78% des budgets informatiques ont été dépensés uniquement pour maintenir les systèmes vs les investissements dans l'innovation (Cisco, IT Operations Readiness Index, 2018)
› La majorité des CIO (59%) trouve difficile d’intégrer de nouvelles applications ou technologies et de faire évoluer les applications existantes (65%) en raison de la dette technique IT (MuleSoft 2019 Benchmark Report).
› Les recherches de Stripe suggèrent que "le développeur moyen passe plus de 17 heures par semaine à résoudre des problèmes de maintenance, tels que le débogage et la refactorisation"…
Pour comprendre les systèmes, les simplifier, et les faire évolue interviennent au coup par coup, parfois brutalement (« big bang »), sans impliquer l’ensemble des acteurs, sans nécessairement industrialiser les processus.
Ça n’est pas la meilleure des solutions, que ça ne débouche que trop rarement sur le SI cible, parfaitement urbanisé, qui permettra de faire éclore l’entreprise « data driven » de demain.
Nous suggérons la mise en œuvre d’une mécanique autour de 3 axes :
1- Réduire la dette IT, en partageant la compréhension du SI.
La compréhension fine des Systèmes d’Information est rarement de mise d’autant que les SI grossissent et se complexifient continuellement. Il paraît opportun de produire une cartographie dynamique, partagée à tous (métier / IT).
Cette cartographie doit faire autorité grâce à son objectivité. Pour ce faire, la meilleure méthode sera de s’appuyer sur la technique du « data lineage », i.e. une mise en lumière intelligible de tous les flux d’information, des sources, jusqu'à la représentation de la donnée. Techniquement, c’est une traduction graphique du “reverse engineering” sur les technologies de processing et de data visualisation.
Les termes employés pour décrire chaque “data points” doivent être empruntés à la terminologie métier, pour que chacun puisse prendre en main le sujet. Et ces termes métier doivent être déployés tout au long des chaînes d’alimentation.
L'ensemble des technologies de processing et de représentation (dataviz) de la donnée doivent être traités et mêlés dans une cartographie unique, agnostique.
Pour que cette cartographie ait le crédit qui s’impose auprès des équipes, pour créer l’adhésion, elle doit être parfaitement synchronisée au SI, et ne doit demander aucune intervention des équipes.
Quand les équipes métiers et IT ont accès à une cartographie à jour de leur SI, avec pour chaque donnée une connaissance de son origine et de son devenir, de ses usages finaux, de toute la complexité sous-jacente (le code), très naturellement, elles s’accaparent l’ambition d’amélioration continue.
2- Réduire la dette IT en identifiant et en traitant la « matière morte » dans les SI.
La cartographie fine des systèmes, et en particulier, la définition des usages de l’information met en lumière des pans entiers du SI qui ne produisent plus de réponse, ou qui produisent des réponses que les équipes métier ne consultent pas ou plus. Ce sont des « branches mortes » du système qui sont montées au plan, qui sont maintenues, et qui pour autant n’ont plus d’objet. Dans bien des cas, une proportion significative des SI peut être décommissionnée : des tables, du code, des jobs ETL/ELT, des dashboards, des jobs du scheduler, etc. La simplification d’un SI ne crée pas de valeur ajoutée tangible du jour au lendemain. Mais c’est une démarche indispensable face à la complexification irrémédiable des systèmes.
3- Réduire la dette IT par une harmonisation des systèmes.
Les équipes data, et particulièrement les équipes data côté métier, produisent en continue des pipelines de données toujours plus nombreux et souvent « copiés / collés / transformés à la marge » typiquement pour adresser de nouveaux « business insights ». Cette mécanique crée invariablement de l’entropie. La simplification massive des systèmes en décommissionnement des branches mortes, n’a pas d’impact à court terme sur cette mécanique, tant la vitesse de réplication de ces pipelines est importante.
Le renfort de l’IA permet de détecter cette réplication dans le processing, puis de le factoriser continuellement, et ainsi apporter un nouveau surcroît de simplicité et d’intelligibilité aux systèmes.
En ayant une vision partagée à tous du fonctionnement des SI, en identifiant et en évacuant la « matière morte » des SI, et en rationalisation le processing de la donnée, les équipe IT peuvent mettre le patrimoine de donnée en ordre de marche pour adresser les grands sujets data de demain, mais aussi envisager les grands chantiers de la transformation numérique avec sérénité (migrations Cloud, implémentations d’architectures big data …).
Cela peut se faire de façon partagée et progressive, en s’appuyant sur l’introspection technique fine, et l’amélioration continue des systèmes.
A propos de l'auteur
Ellipsys est une start-up qui a été fondée par Samuel Morin au Luxembourg. Ellipsys est l’éditeur de openAudit un logiciel de data gouvernance. Ellipsys est partenaire de DELOITTE Luxembourg.