Rechercher
Fermer ce champ de recherche.

Le Data Lifecycle Management : comment maîtriser chaque étape du traitement de la donnée ?

Table des matières
Partager :
Découvrez la Data Platform Phoenix

Adopter une vraie démarche de gouvernance des données n’est plus une option : il en va de la fiabilité des processus, mais aussi de la performance de l’ensemble du SI et de l’analyse stratégique de l’activité.
Cette gouvernance se joue à la fois sur le front de la collecte, de la diffusion, de la suppression de la data… traiter l’ensemble du cycle de vie des données est important pour ne négliger aucun aspect ! Le Data Lifecycle Management (DLM) est ainsi une réponse au besoin de qualification, mais aussi à celui de transversalité : les métiers doivent être capables d’enrichir la donnée dès sa collecte pour la faire véritablement vivre dans le SI.

Le Data Lifecycle Management : automatiser et superviser pour mieux maîtriser le parcours de la donnée

Le Data Lifecycle Management est une approche consistant à gérer la donnée durant l’ensemble de son cycle de vie, de sa collecte à sa suppression. En décomposant le parcours de la donnée en processus, puis en automatisant chacun d’entre eux, on permet à la data de circuler sous conditions d’une étape à l’autre, en bénéficiant d’un enrichissement maîtrisé et personnalisé. La démarche de Data Lifecycle Management concilie applications, méthodes et procédures, et tient compte des particularités de chaque organisation.

Le DLM répond à un triple objectif :

  • Assurer l’intégrité des données : celle-ci reste exacte malgré son utilisation par plusieurs acteurs, sa circulation dans le SI et son stockage sur des supports divers
  • Garantir la disponibilité des données : la donnée est toujours accessible aux intervenants qui en ont besoin, ce qui fluidifie les processus et l’activité au quotidien
  • Sécuriser les données : Les erreurs humaines et techniques sont contrôlées. La donnée reste précise et fiable malgré les manipulations. Protégée par des droits d’accès, elle sera stockée de manière sécurisée jusqu’à sa suppression.

L’automatisation est l’une des caractéristiques principales de cette approche. L’intégralité du traitement de la donnée – que celui-ci soit actif ou de l’ordre du stockage – sera personnalisée selon la criticité et à la fréquence d’utilisation. On orchestrera ainsi les flux circulant dans le SI au plus près du besoin.

Avec le soutien sur le plan humain de spécialistes de la donnée tels que le Data Steward, le traitement maîtrisé de la data à chaque étape pourra être garanti. Responsable de la qualité de la donnée (contrôles et correctifs, renseignement des métadonnées…) et de leur utilité par les métiers, cet intervenant clé s’intègre naturellement dans la démarche de DLM.

Livre blanc MDM (Master Data Management)

Comment améliorer la qualité et la traçabilité de vos données au cœur de votre SI ?

Les cinq phases du Data Lifecycle Management, de la collecte à la suppression

Création et collecte

Cette étape a pour but de collecter la donnée en fonction de son origine et de ses utilisateurs. On fera également le tri entre les données devant ou non être collectées.

Stockage et gestion

On assure à ce stade un traitement préparatoire des données (encryptage, compression, dédoublonnement…) et un stockage adapté (sécurité, accessibilité, sauvegarde…)

Utilisation et partage

On gère ici les rôles et attributions, afin que chaque personne habilitée accède aux données qui lui sont nécessaires. La donnée peut, à cette étape, être utilisée par des logiciels de BI ou autres outils analytiques et générer elle-même davantage de données.

Archivage

La donnée non-nécessaire sur le plan opérationnel doit par la suite rester accessible (pour des questions de conformité ou d’analyse…) et être stockée de manière sécurisée.

Suppression

La suppression de la donnée doit elle aussi être encadrée. Les données obsolètes ou en doublon seront ainsi supprimées en toute sécurité et dans le respect des politiques en vigueur.

La data étant collectée et générée en continu dans le SI, plusieurs de ces phases peuvent avoir lieu en parallèle. Grâce à l’automatisation du traitement, chaque jeu de donnée suit un parcours cohérent, de sa collecte à sa suppression.

On notera que par ces étapes de traitement, le DLM se distingue de l’ILM (Information Lifecycle Management), avec lequel il est souvent confondu. Alors que le DLM traite les données selon des attributs généraux (type, taille, date de création), l’ILM agit à un niveau plus micro et assure l’exactitude des jeux de données de chaque fichier. Les deux solutions ont une action complémentaire et permettent, chacune à leur niveau, d’aller plus loin dans la qualification de la donnée.

Livre blanc MDM versus PIM

MDM versus PIM : frères ennemis ou dream team ?

Notre vision chez Blueway : les enjeux autour de la donnée impliquent de considérer les flux de données sous toutes leurs dimensions !

Chez Blueway, nous avons la conviction que les opérations nécessaires à la qualité des données doivent être automatiquement mises en œuvre dès la collecte pour partager une donnée de référence unique. Dans bien des cas, la data est contrainte par des enjeux techniques ou selon les silos applicatifs ! Les doublons et interprétations diverses sont autant de freins à la performance : il est donc crucial d’apporter aux métiers une vision unifiée de la donnée, tout en étant adaptée à leur prisme spécifique.

Dans l’élaboration d’un point de vérité unique, les responsables métiers ont un rôle fort à jouer. La démarche de DLM doit en effet s’accompagner de règles de gestion plus proches des besoins métier, et qui traiteront efficacement la data à la source. Impliqués dans la démarche, les utilisateurs deviennent alors acteurs du cycle de vie des données.

Mais au-delà de la seule qualité de la donnée, les questions de circulation dans le SI et de valorisation ont-elles aussi leur importance ! L’accessibilité à la donnée et son enrichissement, ne peuvent en effet être optimisés qu’en considérant les flux de données sous toutes leurs dimensions.

Outre le module Data Governance et son référentiel unique (Master Data Management), qui permettent une mise en œuvre plus efficace des phases du DLM, la plateforme Blueway inclut des modules de transport (bus applicatif, iPaaS) et d’accessibilité par les métiers (BPM). Combiner ces trois visions complémentaires permet de véritablement mettre à profit la donnée et d’en garantir le bon traitement tout au long de son cycle de vie !

Prendre rendez-vous

Echangez sur vos problématiques de qualité de données avec un expert Blueway !

Alexis De Saint Jean
Alexis de Saint Jean
Directeur Innovation Fasciné par l’impact des nouvelles technologies sur nos organisations et sur notre environnement, Alexis est un mélange bien dosé de data, de cloud, de curiosité et de bonne humeur. Son expérience de près de 20 ans lui permet d’apporter une vision globale du marché et d’en évaluer les tendances clés. Au besoin, il peut aussi vous préparer quelques belles pizzas au feu de bois…
Dans la même catégorie :
Master Data Management (MDM), Méthodes de la gestion des données