Supprimer les régressions : comparer les environnements

 
 

Supprimer les régressions entre environnements IT
Comparer les environnements
 
    Les environnements multiples, la norme !
 
 
Pour sécuriser les développements et par extention les systèmes d'information, les entreprises répliquent leur systèmes d'information.

On crée des environnements qui peuvent être nombreux : dev, test, UAT, QA, Int, pré prod, prod, et autres. 

Plus les enjeux sont importants, plus ces environnements sont nombreux. 
 
 
    Mais ça ne va pas sans quelques problèmes... 
 
 

 "Les environnements sont-ils cohérents les uns par rapports aux autres ?"
 
 "Peut-on déployer en un clic d’un environnement à l’autre ?"
....

C'est malheureusement rarement le cas.
 
On rencontre spécifiquement des problèmes de structure de base de données qui vont bloquer les déploiements :

  • Typiquement, une table pourra ne pas avoir les mêmes champs en « prod » et en « pré prod », 
  • Les types de champ pourront être différents, etc.

Ainsi, il devient parfois quasiment impossible d’organiser les déploiements tant ces incohérences sont bloquantes.
Et c’est toute l'agilité de l’entreprise qui en pâti.
       
       
      Notre approche :
      Créer, et comparer les empreintes numériques.
       
       
      1- Un inventaire par environnement :
      {openAudit} va scanner quotidiennement les structures des bases de données dans les différents environnements, c'est à dire les schémas, les tables, les champs, les vues. 

      2- Une empreinte unique par table | vue :
      Pour chaque table | vue,  et dans chaque environnement, {openAudit} va générer un « hash » qui va reprendre les champs, les types des champs, l’ordre des champs, le script normalisé (dans le cas des vues).

      3- Une mesure de cohérence :
      La même table devra pointer sur le même « hash » dans 2 environnements distincts. Si tel n’est pas le cas, il y une anomalie qu' {openAudit} mettra en évidence.

      Ainsi, très vite, il est possible de créer les conditions d’une excellente synchronisation entre environnements, pour permettre une fluidité optimale. 
       



      Commentaires

      Enregistrer un commentaire

      Posts les plus consultés de ce blog

      La Data Observabilité, Buzzword ou nécessité ?

      Image
          La Data Observabilité,   Buzzword ou nécessité ?   La qualité des données utilisées dans les opérations quotidiennes a un rôle prépondérant pour les entreprises.    Une étude du Gartner de 2022 suggère que les "mauvaises données" coûtent aux organisations environ 12,9 millions de dollars par an.  Le Data Quality Hub du gouvernement britannique estime que les organisations consacrent entre 10 % et 30 % de leurs revenus aux problèmes de qualité des données, ce qui peut représenter des centaines de millions de dollars pour des entreprises de premier plan.  Dès 2016, IBM estimait que la mauvaise qualité des données coûtait aux entreprises américaines 3 100 milliards de dollars par an. ... Tout le monde souhaite s’appuyer sur des données intègres pour éviter des erreurs simples liées à des problèmes d’alimentation dans des flux, ou à des données mal organisées, répliquées, etc. Mais comment ?    Les techniques d' "observabilité des données" sont une option.     
      Lire la suite

      BCBS 239 : L'enjeu de la fréquence et de l'exactitude du reporting de risque

      Image
        BCBS 239 :    L'enjeu de la fréquence et de l'exactitude du reporting de risque.  La BCE a publié un guide en juillet 2023 pour repréciser ses attentes dans le cadre de BCBS 239. Elle prévoit de renforcer le dispositif de supervision en matière de qualité des données.   L'objectif global de la norme BCBS 239 est de renforcer les capacités d'agrégation des données de risques des banques, et les pratiques internes de reporting de risques, améliorant ainsi les processus de gestion des risques et de prise de décision dans les banques. « La bonne information doit être à disposition pour les bonnes personnes et au bon moment ».   La mise en œuvre de BCBS 239 n'est a priori pas simple.   Pourquoi ? Malgré cette surveillance prudentielle accrue,  la BCE n’a toujours pas constaté de progrès suffisants en 2023 :  "le dispositif data quality et reporting risques ne reçoit pas encore le niveau d’attention approprié de la part des banques".   Nous avons beaucoup écha
      Lire la suite

      Le data lineage, l’arme idéale pour la Data Loss Prevention ?

      Image
        Le data lineage technique couplé à la détection des usages de l’information permet de savoir au départ de n’importe quelle donnée, qui y accède finalement, et dans quel contexte. Et si c’était un grand pas vers une véritable sécurité informationnelle, une réponse simple et efficace pour la Data Leaks/Loss Prevention ?  La DLP (Data Leaks / Loss Prevention), c’est quoi ?   _______________________________________ « Le terme Data Loss/Leaks Prevention (DLP) fait référence à un ensemble de techniques qui permettent d’identifier, de contrôler et de protéger l’information grâce à des analyses de contenu approfondies, que l’information soit stockée, en mouvement, ou traitée . L’objectif est de limiter la fuite de données sensibles.  Une solution DLP est capable d’identifier les données sensibles, de repérer l’endroit où elle est stockée, de contrôler qui doit avoir accès à ces données et enfin de les protéger, c’est-à-dire d’empêcher toute personne non autorisée à y avoir accès… » W
      Lire la suite