Partager via


Stratégie de direction pour unifier vos données

Objectif des données : Chaque organisation souhaite que ses données prennent des décisions métier confiantes. Les données doivent être approuvées, faciles à réutiliser pour l’analytique et l’IA, et sécurisées par défaut. Défi des données : Pour la plupart des organisations, cet objectif est difficile à atteindre. Les données sont réparties entre les systèmes et les équipes. Les normes varient. La gouvernance est incohérente. Ces problèmes rendent l’analytique et l’IA difficiles à utiliser avec confiance.

Solution de données : De nombreuses organisations s’adressent à ce défi en unifiant leur plateforme de données avec Microsoft Fabric. Fabric permet aux équipes de créer des produits de données approuvés qui peuvent être régis et utilisés en toute sécurité pour l’analytique et l’IA au sein de l’organisation (voir la figure 1). Ces conseils fournissent aux décideurs le cadre dont ils ont besoin pour faire ce changement et établir une base de données unifiée.

Diagramme général montrant Microsoft Fabric au centre d’une plateforme de données unifiée. Les données provenant de sources d’entreprise, telles que les systèmes locaux, les services Microsoft et les plateformes de cloud public, circulent dans Fabric, où vous l’organisez en tant que produits de données partagés. Ces produits de données sont ensuite utilisés au sein de l’organisation pour prendre en charge les analyses, les systèmes IA et les rapports, notamment les charges de travail power BI et de science des données. Fabric se connecte à Azure pour la gouvernance, la sécurité et la surveillance, tandis que les charges de travail Azure s’exécutent en même temps que nécessaire. Le flux global montre les données entrant dans Fabric, étant régies et normalisées, puis alimentant l’IA, l’analytique et les insights métier au sein de l’organisation. Figure 1. Plateforme de données unifiée pour l’IA et l’analytique.

Pourquoi une plateforme de données unifiée avec Fabric ?

La plupart des leaders métier et technologiques comprennent le coût des données fragmentées. Ce qui les retient souvent est la croyance que la correction nécessite des migrations importantes et risquées. Microsoft Fabric adopte une approche différente et offre une valeur sans interruption. Les principaux avantages sont les suivants :

  • Interruption minimale de l’activité : Fabric se connecte à des systèmes existants à l’aide de la virtualisation (raccourcis) et de la réplication sélective (mise en miroir). Teams peut unifier l’accès aux données sans interrompre les opérations actuelles.

  • Gouvernance intégrée : Fabric apporte l’ingénierie, l’analytique et la bi des données dans une plateforme unique. Les stratégies de sécurité et de gouvernance sont définies une fois et appliquées de manière cohérente, au lieu d’être recréées et appliquées différemment entre plusieurs outils.

  • Base de l’IA et de l’analytique : Fabric permet aux organisations de produire des produits de données réutilisables et de haute qualité. Ces produits approuvés accélèrent les initiatives d’analytique et d’IA. Fabric IQ permet d’unifier et de contextualiser les données. Foundry IQ permet aux agents Microsoft Foundry de raisonner sur les données régies et approuvées.

Quel est le niveau d’investissement nécessaire ?

L’unification de la plateforme de données est un investissement dans la capacité, et non un remplacement de gros de chaque système. L’objectif est de continuer à utiliser vos systèmes de données existants et de créer une base partagée qui peut croître au fil du temps. Les principaux facteurs de coût sont les suivants :

  • Facteurs de coût de Microsoft Fabric : Les principaux facteurs de coût incluent (voir la figure 2) :

    • Calcul : La capacité de calcul que vous créez (Capacités Fabric).

    • Stockage: Stockage que vous utilisez dans OneLake.

    • Réplication: Réplication des données que vous effectuez (mise en miroir).

    • Power BI : Assurez-vous que les utilisateurs disposent d’une capacité Microsoft Fabric suffisante qui inclut l’accès à Power BI ou des licences Power BI distinctes, comme résumé dans les instructions de licence.

      Diagramme montrant Microsoft Fabric avec OneLake au centre en tant que lac de données unifié. En bas, plusieurs sources de données alimentent OneLake, notamment le stockage cloud et les systèmes SaaS par le biais de raccourcis et de virtualisation, de bases de données via la mise en miroir et d’autres sources externes. OneLake fournit des outils de données intégrés pour le cycle de vie complet des données. Il inclut l’ingestion, l’ingénierie, l’entreposage, l’analytique en temps réel, la science des données et la visualisation avec Power BI. Le diagramme souligne que les données sont stockées une fois dans OneLake et réutilisées dans l’analyse, la science des données et la création de rapports, avec une gouvernance appliquée via Microsoft Purview. Figure 2. Fonctionnalités de Microsoft Fabric pour créer de la valeur métier à partir de données.

  • Facteurs de coût Microsoft Purview : Utilisez Microsoft Purview pour la gouvernance et la conformité unifiées des données. Purview fournit un catalogue de données centralisé, une classification des données et une application de stratégie dans l’ensemble de votre patrimoine de données. Les données peuvent se trouver dans OneLake, Azure, localement, SaaS tierces ou d’autres plateformes cloud. Les principaux facteurs de coût Purview incluent les licences basées sur l’abonnement et les fonctionnalités basées sur la consommation. Budget pour les licences en cours et le volume de données et de services que vous régissez avec Purview.

  • Facteurs de coût Azure : Vous utilisez des abonnements Azure pour héberger le calcul Fabric (capacités) et votre compte Microsoft Purview. Il n’y a aucun coût supplémentaire pour les abonnements Azure. Si vous intégrez d’autres services Azure, tels qu’Azure Databricks ou Azure Machine Learning, à votre plateforme unifiée, n’oubliez pas que ces services ont leurs propres modèles tarifaires. Planifiez ces coûts. Consultez les facteurs de coût pour Azure Databricks et Azure Machine Learning.

Combien de temps jusqu’à ce que vous voyiez la valeur ?

Microsoft Fabric est conçu pour fournir rapidement de la valeur. Le délai pour obtenir de la valeur est court, car l'unification ne dépend pas de la migration complète. Teams peut commencer par un petit ensemble de produits de données à valeur élevée. Chaque étape ajoute de la valeur tout en limitant les risques. Dans la pratique, de nombreuses organisations voient la valeur en quelques semaines pour des scénarios d'analyses ou d'IA initiaux. À mesure que Fabric devient la base standard des produits de données, de l’analytique et de l’IA, la valeur augmente grâce à la réutilisation et à la cohérence des normes au sein de l’organisation.

Comment unifier votre plateforme de données ?

Le Framework d’adoption du cloud de Microsoft décrit un framework en quatre étapes pour unifier votre plateforme de données. Le processus couvre la planification et l’organisation de votre stratégie de données. Il couvre les décisions d’architecture. Il vous aide également à définir des bases de référence de gouvernance et de sécurité et à définir des normes opérationnelles.

  1. Préparation de l’organisation. Définissez votre stratégie de données et établissez la propriété et les domaines des données. Clarifier la façon dont les données créent de la valeur métier et qui est responsable des données. Consultez la préparation de l’organisation.

  2. Architecture: Fournissez la technologie nécessaire pour unifier votre plateforme de données. Configurez Microsoft Fabric et les environnements requis dans Azure. Consultez Architecture.

  3. Bases de référence de gouvernance et de sécurité : Utilisez Microsoft Purview pour bénéficier d’une visibilité et d’une gouvernance centralisées sur votre patrimoine de données. Créez des bases de référence de sécurité et de conformité dans votre architecture Fabric dès le début. Consultez les bases de référence de gouvernance et de sécurité.

  4. Normes opérationnelles. Définissez des processus cohérents pour l’ingestion de données brutes, la création de produits de données et la gestion de leur cycle de vie. Établissez la façon dont les produits de données sont publiés, sécurisés et consommés au sein de l’organisation. Consultez les normes opérationnelles.

En suivant ces étapes, vous pouvez unifier votre plateforme de données de manière structurée. Si vous ne savez pas où commencer, utilisez l’arbre de décision suivant pour obtenir des conseils.

Arbre de décision pour unifier votre plateforme de données

Diagramme montrant un arbre de décision pour unifier votre plateforme de données pour les dirigeants et les décideurs.

Le flux pose une série de questions oui-ou-non. Chaque « Oui » mène à des conseils spécifiques. La première question pose si l’organisation a besoin d’aide pour comprendre les priorités des données ou créer des compétences pour obtenir plus de valeur à partir des données. Si c’est le cas, l’aide consiste à préparer des personnes par le biais de rôles, de formation et d’activités de préparation. La deuxième question pose la question de savoir si l’organisation a besoin d’un moyen unifié d’accéder aux données entre les clouds et les charges de travail pour prendre en charge l’analytique et l’IA. Si c’est le cas, l’aide consiste à utiliser Microsoft Fabric comme plateforme de données unifiée. La troisième question pose si l’organisation a besoin d’aide pour transformer les données opérationnelles en valeur métier ou en alimentant en toute sécurité les données dans des systèmes IA, tels que Microsoft Foundry. Si c’est le cas, l’aide consiste à intégrer des services Azure à Fabric. La quatrième question pose si l’organisation a besoin d’aide pour contrôler l’accès aux données ou pour sécuriser les données de manière cohérente. Si c’est le cas, l’aide consiste à définir des bases de référence de gouvernance et de sécurité à l’aide de Microsoft Purview et des contrôles associés. La cinquième question pose si l’organisation a besoin d’aide pour définir des normes organisationnelles cohérentes pour traiter, sécuriser et consommer des produits de données pour l’analytique et l’IA. Si c’est le cas, l’aide consiste à définir des normes opérationnelles pour les produits de données, la sécurité et la gestion du cycle de vie. Le flux se termine par l’adoption de l’IA et l’adoption d’agents IA une fois que la plateforme et les normes de données unifiées sont en place.

Figure 3. Arbre de décision de Microsoft pour unifier votre plateforme de données.

Étape suivante

Dans les sections suivantes, vous trouverez des conseils, des listes de contrôle, des bonnes pratiques, des conseils de décision et des compromis à chaque étape. Les conseils sont destinés aux dirigeants et aux décideurs qui supervisent la stratégie et la gouvernance organisationnelles.

Termes clés

Terme clé Définition
Analyses La pratique de la génération d’insights à partir de données pour prendre en charge la prise de décision. Il inclut des tableaux de bord, des rapports et des visualisations, par exemple dans Power BI.
Intelligence artificielle Systèmes qui utilisent des données comme entrée dans des modèles qui automatisent les fonctionnalités métier. Cette catégorie inclut des modèles Machine Learning traditionnels (prédictifs) et des modèles IA génératifs.
Produit de données Les données sous une forme précieuse pour votre entreprise, telles que des jeux de données, des tables, des ensembles de fonctionnalités ou des données d'entraînement pour l'IA.
Domaine de données Limite de responsabilité et de propriété pour les produits de données, tels que les unités commerciales (HR, Marketing, Finance, Sales, Operations) et les lignes de produits (Product 1, Product 2).
Zone d’atterrissage de gestion des données Environnement (constitué d’un ou de plusieurs abonnements Azure) pour les ressources de gestion des données, telles que les comptes Microsoft Purview et les capacités Fabric.
Zone de réception des données Environnement (composé d’un ou de plusieurs abonnements Azure) pour les données et les ressources IA/ML, telles qu’Azure Databricks, Azure Data Lake Storage et Azure Machine Learning.