Les défis des stratégies « Cloud First » et « Data First »

Cette fragmentation entraîne toute une série de problèmes, explique Alexandra Schless, PDG de NorthC. « Les clients ne savent pas toujours où se trouvent leurs données. Il peut s’agir de données sensibles relatives à la protection des données de clients ou d’employés. Il est donc difficile pour ces entreprises de se conformer à la loi sur la protection des données. »

De plus, les services informatiques ont du mal à garantir que toutes les bases de données Cloud et autres répondent aux mêmes normes élevées en matière de qualité, de continuité et de sécurité. Ou connaissez-vous beaucoup d’entreprises qui créent une sauvegarde de leur environnement Microsoft 365 ?

À cela s’ajoute le fait qu’il est souvent difficile d’extraire des données des différents silos en raison de la gravité des données. Ce phénomène croissant désigne le fait que les données attirent les applications et les services, simplement parce qu’il est plus facile de déplacer l’application ou le service vers l’endroit où se trouvent les données que l’inverse.

Schless : « Ces trois aspects signifient que l’analyse fonctionne bien au sein d’une application, par exemple l’analyse des données clients dans Salesforce. Mais il devient difficile de combiner les données de votre système CRM avec, par exemple, les données ERP dans un autre Cloud. Vous pouvez combiner les résultats des différentes analyses, mais pas les ensembles de données sous-jacents. »

C’est pourquoi de plus en plus d’entreprises optent pour un « lac de données » : un emplacement central où toutes les données sont stockées sous forme non structurée. Cela permet d’analyser ensemble des données provenant de différentes sources. Compte tenu des énormes volumes de données stockés dans le lac de données, il est logique de placer le lac de données lui-même dans le Cloud. Et comme ces énormes quantités de données ne peuvent pas être déplacées facilement, il convient également de placer les outils d’analyse dans le même Cloud. Schless : « Ce que beaucoup d’entreprises ne réalisent pas, ce sont les coûts réseau qu’une telle stratégie implique. Après tout, il s’agit de transférer de très grandes quantités de données vers le lac de données. »

Il n’est donc pas surprenant que l’Edge Computing ait la cote. Pourquoi transporter des données collectées loin du centre de données central (par exemple via des capteurs IoT) vers un emplacement central pour les traiter, alors que vous pouvez le faire localement ? Par exemple, dans un centre de données régional. Il existe plusieurs raisons qui plaident en faveur d’une analyse locale dans un centre de données régional. Tout d’abord, la latence est un critère important pour les applications en temps réel. Plus les données sont traitées près de leur source, plus la latence est faible. De plus, les coûts de réseau sont nettement moins élevés lorsque les données sont stockées et traitées à proximité de leur source dans un centre de données régional. Cet argument prend de plus en plus d’importance à mesure que l’Internet des Objets se développe rapidement avec l’ajout d’appareils gourmands en données tels que les caméras de surveillance. Enfin, en raison de la législation et de la réglementation, il peut être indésirable, voire impossible, de stocker des données dans un Cloud centralisé. Dans de nombreux cas, la loi exige que les données restent en Suisse ou au moins dans l’UE. Cela revêt une importance capitale dans le secteur de la santé, par exemple, où les organisations traitent des données extrêmement sensibles en raison de la nature des services qu’elles fournissent.

Tout de même, le souhait de combiner des données provenant de différentes sources demeure. Les DSI (Directeurs des Systèmes d’Information) et les CDO (Directeur de la Stratégie Digitale) ont donc tout intérêt à réfléchir aux données qui se prêtent à un traitement centralisé et à celles qui ne s’y prêtent pas. Quelles données souhaitez-vous analyser « à la périphérie » afin de pouvoir réagir immédiatement ? Et quelles données souhaitez-vous d’abord transférer vers le lac, car elles vous permettent d’optimiser les processus commerciaux ou de développer de nouvelles fonctionnalités et de nouveaux services ? Schless : « Lorsque vous lisez les données d’une machine équipée de capteurs IoT, vous n’avez pas besoin de les collecter toutes de manière centralisée. Vous souhaiterez analyser la plupart d’entre elles « à la périphérie », à proximité immédiate. Seuls les résultats de ces données sont enregistrés, le reste des informations n’est plus nécessaire. Cependant, si une machine est défectueuse, vous souhaitez pouvoir utiliser les données pour déterminer la cause de la panne. Ces données spécifiques doivent être stockées et évaluées de manière centralisée. »

La combinaison du « Cloud first » et du « Data first » signifie que les entreprises doivent repenser leur infrastructure de centres de données. En effet, elles doivent non seulement gérer des données stockées dans de nombreux silos SaaS, PaaS et IaaS différents, mais aussi des données qui, pour des raisons de latence et de coûts réseau, doivent idéalement être stockées et traitées aussi près que possible de leur source. Cela nécessite une nouvelle stratégie en matière de centres de données. La réponse de NorthC face à ce défi est un centre de données régional, neutre vis-à-vis du Cloud et des opérateurs, qui regroupe rapidement et en toute sécurité les deux types d’environnements afin d’offrir une plaque tournante de connectivité dans l’écosystème en cours de création.