Cartographie dynamique d'un Système d'Information

 

  •  

    Cartographie dynamique d'un Système d'Information

  •  
         Cartographier un Système d’information
     
  •  
    A l’heure de l’accélération de la transformation numérique, des mouvements massifs vers le Cloud, du déferlement du « as a Service », il paraît utile d’être en capacité de comprendre de façon générale ou détaillée, la façon dont les Systèmes d’Information fonctionnent.

    Les architectures IT sont souvent complexes, souvent encore partiellement ou largement "on premise". Et quand bien même elles sont essentiellement dans le Cloud, elles ont tendance à se complexifier continuellement (et à coûter de plus en plus cher ☹).

    Nous proposons de délivrer dynamiquement la cartographie d’un système d’information, d’une vue « high level » vers une vision granulaire, ou inversement, pour permettre à chacun de d'accéder à son besoin.
    Nos analyses permettent aussi de simplifier les Systèmes d'Information et de les migrer vers le Cloud de façon largement automatisée.  

     
  •  
    Un parti pris technique :

    Un reverse engineering automatisé et exhaustif
    du Système d'Information  
     
  •  
    {openAudit}, c’est l’association du data lineage technique et de l'analyse des logs :

    1. Le data lineage technique pour connaître l’origine et le devenir de chaque information, de ses sources à ses usages. Ce data lineage s'appuie sur l'analyse continue des flux (code procedural, ETL/ELT, ESB, transformations dans la couche de data visualisation…),
    2. L’analyse des logs pour connaître les usages réels de chacune des données : qui y accède, quand, comment.  
     
  •  
    sap bo
    Cette cartographie est le reflet de l’exact réalité du Système à l’instant « t » :
    Les analyses sont opérées en temps continu, au delta, dans le Cloud, et sans mobilisation des équipes. Même quand les systèmes sont hétérogènes, hybrides. 
  •  
    Un savoir faire unique pour avoir un cohérence d'ensemble :

    1. {openAudit} analyse les vues ; les vues de vues, etc.,
    2. {openAudit} gère les procédures dynamiques en traitant parallèlement le run,
    3. {openAudit} fixe d’autres générateurs de ruptures dans le lineage : les transferts par FTP, les curseurs, les subqueries… qui sont gérées par reconnaissance structurelle,
    4. {openAudit} traite le SQL (ou ses dérivées) encapsulé dans les jobs ELT/ETL,
    5. {openAudit} traite la couche de dataviz pour avoir un véritable bout en bout, et pour mettre en lumière toutes les régles de gestion souvent contenues dans la couche de dataviz. 
     
  •  
         3 use cases principaux   
     
  •  
    data lineage
    Use case #1 : partager à chacun la compréhension du Système d'Information
    Le data lineage permet de connaître le cheminement de chaque information dans le Système.
    Nous proposons différentes vues qui permettent de présenter les résultats différemment, dont 2 principales : 
    • Un data lineage granulaire permettant d'agir sur les chaînes en cas de problème, 
    • Une analyse d’impact de bout en bout pour contrôler les régressions, ou encore pour identifier la dissémination de l'information  dans le cadre du RGPD, etc. 
    En savoir plus : 
    Zoomer et dézoomer dans un SI
  •  
    réduction dela dette
     
    Use case #2 : identifier la matière morte pour réduire la dette IT
     
    Le croisement du data lineage et de l’analyse des usages de l’information permet de détecter les "branches vivantes" du Système d’information, et a contrario les "branches mortes".
    En moyenne, c’est 50 % de ce qui est stocké dans un Système d’Information qui peut être écarté via des décommissionnements de masse :  tables, vues, code procédural, job ELT/ETL, dashboards. 
     

     
    Use case #3 : migrer automatiquement un Système vers le Cloud
     
    Les migrations vers le Cloud ne sont jamais simples. {openAudit} déconstruit le processing de l’information dans les alimentations mais aussi dans la couche de dataviz sur des technos legacy (exemple : du Cobol, PL/SQL couplé à SAP BO…), puis reconstruit à la volée les flux, mais aussi les dashboards dans les technologies cibles.
    90 % d’une migration peut être opérée automatiquement.
     
  • Technologies analysées :  
  • ellipsys
  •  
    Conclusion : 

    La complexité des Systèmes d'Information n'est pas une fatalité, et ne doit plus être un obstacle. Nous avons la conviction qu'en faisant émerger tous les sous-jacents techniques de façon intelligible, et en les partageant à tous, les systèmes peuvent très naturellement s'harmoniser dans le temps.

    Et pour les transformer avec célérité, la réduction de la dette IT et l'automatisation des migrations seront des alliés précieux.
     


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