L’innovation Data est essentielle pour garder une longueur d’avance sur la concurrence. Sans de nouvelles méthodes de travail, de nouveaux produits ou de nouveaux services numériques, les entreprises se laisseront distancer par leurs concurrents qui sont prêts à essayer de nouvelles choses. Par exemple, l’étude d’EY sur le secteur des technologies, des médias et des télécommunications a révélé que 87 % des entreprises définies comme leaders sur le marché estiment que leur réussite dépendra du maintien de leurs niveaux d’investissement en capital.
Pourtant, ces investissements sont également délicats. Faire quelque chose de complètement nouveau ou différent peut conduire à l’échec. Selon le même rapport d’EY, 63 % des personnes interrogées ont admis qu’elles n’avaient pas obtenu le type de rendement prévu et planifié. La façon dont les entreprises planifient pour transformer leurs expériences en processus quotidiens est au cœur de ce problème.
Parallèlement, nos propres recherches sur l’état de la course aux données ont révélé que les attributs clés des “leaders en matière de données” – les entreprises qui excellent dans l’utilisation des données pour apporter de la valeur à leurs clients et qui sont les plus susceptibles de tirer au moins 20 % de leur chiffre d’affaires des données et de l’analyse – incluent la manière dont ces entreprises utilisent des combinaisons de logiciels open source afin de construire leurs piles. L’open source joue un rôle important dans la manière dont ces entreprises dépassent les initiatives à petite échelle autour des données et de l’analytique qui sont prometteuses, pour passer à la production et continuer à produire.
Innovation data et open source
L’open source facilite l’innovation et l’expérimentation autour des applications et des données. Il y a plusieurs raisons à cela.
Le premier est le coût réduit du déploiement. Comme les projets open source n’ont pas de frais de licence, il est plus facile pour les organisations de les essayer. En outre, la communauté qui entoure chaque projet a l’expérience de l’assemblage de différents projets pour répondre à des exigences spécifiques et créer des déploiements plus étendus. Cette expérience peut vous aider à aller de l’avant dans vos propres expériences et à examiner comment utiliser les données plus efficacement.
De même, le deuxième élément est la façon dont les pressions extérieures peuvent contribuer à stimuler l’innovation. La pandémie mondiale causée par le COVID-19 a poussé de nombreuses entreprises à envisager de nouvelles méthodes de travail. La pandémie a prouvé beaucoup de choses en termes de détermination et de bonté humaines, mais elle a également prouvé que les organisations pouvaient réinventer de nombreux processus commerciaux fondamentaux en quelques jours, plutôt qu’en plusieurs semaines ou mois. Lorsqu’il s’agit de la rapidité de mise en route, l’open source y contribue grandement.
Enfin, les projets de modernisation des applications gagnent également en importance. IDC a constaté que 86 % des personnes interrogées cette année ont déclaré avoir modernisé plus de 50 % de leurs applications patrimoniales, contre 65 % précédemment. Ces projets représentent une excellente opportunité d’utiliser l’open source pour mettre à jour les applications existantes, réduire les coûts et trouver des opportunités d’innovation. L’écosystème open source offre des technologies qui vont des normes de facto aux meilleures pour les applications modernes et natives du cloud.
Chacun de ces domaines peut servir d’incitation à innover par lui-même. Ce que nous avons maintenant mieux compris, c’est que les organisations qui confient la responsabilité de leurs données à des chefs d’entreprise ont tendance à tirer davantage de bénéfices de cet actif inestimable. Il peut sembler un peu artificiel de dire que “l’information, c’est le pouvoir”, mais les données qui permettent de comprendre et de savoir sont vraiment le moyen de donner aux gens les moyens d’apporter des changements positifs. Le code source ouvert facilite la création de ces cadres, mais il permet également à l’organisation de garder le contrôle sur la façon dont elle fonctionnera à l’avenir.
L’open source permet également de démocratiser la manière dont les équipes peuvent innover autour des données. Les projets d’information et de connaissance commencent généralement par la fonction informatique, car ce département a l’habitude de traiter les données. Cependant, cette approche devrait également être mise entre les mains de personnes non techniques pour aider à innover autour de cas d’utilisation plus appliqués. Ces données peuvent être présentées par le biais d’abstractions et d’outils de visualisation, ce qui facilite l’interaction avec ces données au fil du temps, mais simplifie également la manière dont ces équipes non techniques peuvent commencer à s’exprimer sur ce qu’elles veulent découvrir.
Par le passé, nous avons tous souffert d’un développement trop descendant, guidé par les feuilles de route de l’entreprise et par ce que la direction perçoit comme étant ses objectifs de marché. Nous pouvons maintenant examiner où se trouvent les obstacles à la démocratisation de l’innovation et ouvrir des possibilités de favoriser également l’innovation ascendante.
Mise en pratique
Il existe de nombreuses possibilités d’innover davantage avec les données, mais nous devons également faire face aux défis qui en découlent. Alors que nous travaillons tous plus largement avec les données et les services qu’elles peuvent générer, il est important de s’assurer que nous gardons un œil sur l’aspect opérationnel également, car il y a un risque de créer une prolifération de données et des silos de données déconnectés.
Pour mettre cela en contexte, les développeurs peuvent désormais créer des applications axées sur les données en utilisant des microservices et des conteneurs pour créer chaque élément de service. Chacun de ces services est encapsulé, de sorte qu’il est possible de modifier ou de mettre à jour un service sans affecter les autres, et d’ajouter de nouveaux services. Alors qu’auparavant, nous avions commencé notre voyage architectural en nous demandant ce que nous devions construire “au maximum”, nous pouvons maintenant nous demander ce que nous devons construire “au minimum” pour fonctionner dès maintenant. Au fil du temps, l’infrastructure de données nécessaire à la prise en charge de nouvelles innovations peut être ajoutée.
Pour que l’innovation fonctionne, nous devons faire en sorte que la pile de données fonctionne dans la pratique. Il s’agit notamment d’aider les entreprises à rendre les données accessibles et réutilisables, mais aussi de mettre en place des processus où les structures de données sont clairement définies et faciles à intégrer dans d’autres services de l’entreprise. Une fois ces processus en place, il est plus facile de faire évoluer ces données dans le temps. En substance, nous devons penser au voyage avant de commencer, comprendre le chemin qui nous attend et chercher comment rendre ce voyage plus facile à réaliser.
L’open source joue évidemment un rôle central à chaque niveau de l’infrastructure concernée. Pour la couche de base de données, des options comme Apache Cassandra peuvent fournir un support de données distribuées pour des services qui peuvent évoluer et supporter des centaines de milliers à des millions de clients par seconde. Des services comme Apache Pulsar peuvent faire office de bus de messages pour gérer le flux d’événements entre les composants et services applicatifs. En dessous de tout cela, Kubernetes peut agir comme une plateforme d’orchestration facilitatrice clé, gérant l’infrastructure et la mettant à l’échelle selon les besoins. Cela nous donne la possibilité d’aborder la sainte trinité de la vitesse, de la résilience et de l’échelle avec une nouvelle attitude.
Il y aura toujours des défis à relever en cours de route et certaines migrations vers de nouveaux avantages de données centrés sur le cloud peuvent sembler être des travaux “lourds” au départ. Cependant, la plupart de ces obstacles sont dus à des problèmes de perception, de processus ou de culture, et non à la technologie elle-même. Travailler sur l’élément humain pour contourner ce problème est la voie la plus efficace pour un succès à long terme et pour s’assurer que les développeurs et les autres employés de l’entreprise peuvent créer de nouveaux services et innover autour des données. Le fait que de nombreux composants utilisables soient open source devrait aider à surmonter ces obstacles, car ils peuvent être appliqués de la meilleure façon possible pour atteindre les objectifs spécifiques de l’équipe et les ambitions de l’entreprise au sens large.
Si vous souhaitez monter en compétence en Data Science n’hésitez pas à vous intéresser à la formation Data Science & Machine Learning de chez DATAROCKSTARS.
Merci pour votre lecture ! Si vous souhaitez lire nos prochains articles autour de la Data Science, vous pouvez nous suivre sur Facebook, LinkedIn et Twitter pour être notifié lorsqu’un nouvel article est publié !
