Best Practice

Comment jongler entre Data Mesh et Data Fabric ?

Découvrez comment choisir entre Data Mesh et Data Fabric comme cadre architectural fonctionnel pour votre entreprise.

Contactez-nous

PRIVACY

Je déclare avoir lu et pleinement compris la note d'information sur la protection des données personnelles Privacy Notice et j'exprime par la présente mon consentement au traitement de mes données personnelles par Reply SpA à des fins de marketing, en particulier pour recevoir des communications promotionnelles et commerciales ou des informations concernant des événements ou des webinaires de l'entreprise, en utilisant des moyens de contact automatisés (par exemple, SMS, MMS, fax, e-mail et applications web) ou des méthodes traditionnelles (par exemple, appels téléphoniques et courrier papier).

Something went wrong with the form submit. Try again.

Comment jongler entre Data Mesh et Data Fabric pour permettre des actions et des décisions commerciales basées sur les données ?

De nouveaux cadres architecturaux pour les applications modernes

Les applications modernes du Big Data nous amènent de nouveaux défis, généralement liés à l'endroit où sont stockées les données, à la manière dont elles peuvent être utilisées et à qui pourrait en bénéficier.

Parmi les approches des architectures de données modernes, Data Mesh et Data Fabric se distinguent des autres. Ces approches peuvent être définies comme des cadres ou des conceptions qui nous aident à relever ces nouveaux défis. En raison de leur nature abstraite, elles ne sont pas strictement liées ou définies par un produit, une technologie ou un secteur particulier mais peuvent prendre diverses formes en fonction de leur interprétation et du cas d'utilisation.

Data Fabric


Data Fabric est le cadre architectural capable d'assurer une vue unique et unifiée des différents services et technologies en donnant un accès simplifié aux données organisationnelles et en rendant l'information disponible de la bonne manière, au bon moment et au bon utilisateur.

Au niveau technologique, Data Fabric est composée d'une pile de services entre la source de données et le consommateur, intégrés par différents processus liés au cycle de vie des données qui peuvent être divisés en différentes couches.

Cette approche peut garantir divers avantages :

  • les utilisateurs professionnels sont en mesure de prendre des décisions et des mesures grâce à une approche axée sur les données, ce qui rend l'expérience plus rapide et plus personnalisée ;

  • la gestion des données peut bénéficier d'activités opérationnelles automatisées et moins coûteuses sur le cycle de vie des données ;

  • d'un point de vue organisationnel, il réduit le fossé entre les experts en données et les activités commerciales.

Data Mesh


Data Mesh est un cadre architectural basé sur le concept de "domaine", où les données sont traitées comme un produit et gérées par l'équipe qui possède la connaissance fonctionnelle de l'information. Un domaine peut être considéré comme une catégorie de haut niveau associée à une fonction commerciale spécifique - c'est-à-dire pas des systèmes ou des applications.

Chaque domaine est défini par ses propres processus et flux internes fonctionnant sur une infrastructure commune, et il est caractérisé par les données qu'il expose et par les actions qui peuvent être exécutées sur celles-ci.

Cette approche peut également profiter à différents domaines :

  • au niveau de l'entreprise, il permet de démocratiser les données grâce à une approche en libre-service ;

  • il aide à la gestion des données en simplifiant la façon dont celles-ci peuvent être récupérées ;

  • au sein de l'organisation, il permet un échange de données plus rapide entre les producteurs et les consommateurs.

Comment choisir ?

Bien qu'il n'existe pas de règle générale pour définir l'approche à utiliser lors du choix entre Data Mesh et Data Fabric, il existe certains cas dans lesquels l'une des deux architectures pourrait être une meilleure option que l'autre. Chez Reply, nous pouvons vous aider à choisir le cadre le mieux adapté à vos besoins. Par exemple, lorsqu'un Data Lake se transforme en Data Swamp c’est-à-dire que le « lac de données » ressemble plus à un marécage, cela est généralement dû à un manque d'organisation, de gouvernance et d'accessibilité. Dans ce cas, l'adoption d'une approche de maillage des données pourrait aider à garder les données organisées et utilisables.

D'autre part, une approche Data Fabric s'impose lorsque l'automatisation de nombreuses tâches du cycle de vie du produit est nécessaire. Cependant, Data Mesh et Data Fabric ne sont pas des approches mutuellement exclusives. En fait, il existe certains cas où les deux architectures peuvent être une option appropriée. Dans ces cas, une architecture mixte entre les deux serait le choix le plus approprié.