Les tendances lourdes qui bouleversent les marchés – mondialisation, fusions-acquisitions, contraintes réglementaires, concurrence accrue, restrictions budgétaires, exigences des clients en matière de service… – imposent aux entreprises une plus grande flexibilité opérationnelle. Les organisations les plus performantes sont aujourd’hui celles qui peuvent réagir rapidement aux changements. Elles ont notamment pris conscience que tout obstacle en matière de flux d’informations peut avoir un impact négatif sur l’efficacité de leurs opérations, leurs actifs et leurs résultats. Les conséquences réglementaires d’un manque de traçabilité ou d’un reporting inexact peuvent également s’avérer catastrophiques.
À l’heure où les volumes de données augmentent, où la liste des sources de données possibles s’allonge et où l’activité réclame sans cesse des informations plus précises et actualisées, la nécessité de devenir une « entreprise temps réel » se fait de plus en plus pressante. L’entreprise temps réel réagit plus vite, plus efficacement et à moindre coût à l’évolution des attentes des clients, aux retournements de conjoncture et à l’apparition de nouveaux concurrents. La clé de sa flexibilité ? La disponibilité en « temps voulu » d’informations complètes, exactes et cohérentes.

Du temps réel ou temps voulu

Pour rester réaliste et concret, inutile d’imaginer que l’entreprise temps réel doive intégrer et distribuer toutes ses données en temps réel. La notion de disponibilité des données en « temps voulu » s’avère bien plus réaliste et plus pertinente que le « tout temps réel ». Comme le soulignait l’analyste Ted Friedman dans une étude récente du Gartner, « il est essentiel que les organisations comprennent que l’intégration de leurs données nécessite des temps de latence différents : même si les activités temps réel sont en forte croissance, il y aura toujours des tâches d’intégration de données avec des temps de latence plus élevés. D’une part, parce que toutes les données d’une architecture ne changent pas forcément fréquemment ; et d’autre part, parce que les différents processus, équipes et fonctions de l’entreprise ne sont pas tous organisés pour tirer parti des données temps réel ». Sans oublier que le caractère temps réel en matière de données augmente très fortement le coût d’accès ou de production de ces informations.
Les besoins en termes de disponibilité de l’information diffèrent considérablement en fonction des processus opérationnels spécifiques de l’entreprise. Typiquement, les temps de latence pour l’intégration de données à des fins d’analyses historiques s’étalent de quelques jours à plusieurs semaines. Tandis que l’intégration de données opérationnelles nécessite des délais de mise à disposition de l’information variant de quelques heures, quelques minutes, voire quelques secondes.

Planifier un projet d’intégration de données

La réussite d’un projet d’intégration de données est d’ordinaire étroitement liée à la capacité de se conformer aux contrats de niveau de service (SLA) en matière de latence, d’exhaustivité et d’exactitude des données. Lors de la planification d’un projet d’intégration de données, les responsables doivent considérer plusieurs points, comme les objectifs du projet – analytiques ou opérationnels, la fréquence de livraison des données, la qualité des données traitées – faut-il procéder au nettoyage des données ? – le volume et la variété des données concernées.
Encore faut-il disposer d’une technologie suffisamment souple, non seulement pour prendre en charge tous types de données, mais aussi pour extraire, transformer, intégrer et distribuer ces données au rythme requis par les activités métiers.

Les solutions d’intégration de données existantes et leurs limites

Comme les données sont le plus souvent fragmentées, incomplètes et soumises à des latences variables, garantir la disponibilité d’informations fiables en temps voulu n’est pas une ambition anodine. Les méthodes d’intégration centrées sur les applications – EAI, BPM, ESB, et même si elles reposent sur une architecture de type SOA - ne parviennent pas à gérer toute la complexité des données de l’entreprise. En outre, ces approches reposent sur le postulat souvent erroné que les données sont toujours disponibles et immédiatement utilisables. De plus, quand elles s’appuient sur un codage manuel, elles engendrent des incohérences et des inexactitudes au niveau des données et laissent peu de possibilités de réutiliser les développements réalisés. En outre, ces méthodes favorisent ainsi une prolifération d’interfaces non normalisées qui augmente la complexité de l’infrastructure et induit des coûts de maintenance élevés.
D’une manière générale, les approches traditionnelles (telles que l’EAI, l’EII ) pour l’intégration de données opérationnelles, se sont révélées consommatrices en temps, onéreuses, et difficiles à mettre en place et à maintenir. Enfin, elles ne peuvent pas gérer les problèmes liés à la qualité et à la gouvernance des données de façon satisfaisante.
Pour maximiser la valeur ajoutée et la valeur informatique d’une stratégie d’intégration axée sur les applications de type EAI, ESB, SOA ou BPM, les entreprises doivent examiner minutieusement les défis d’intégration des données, les exigences et les solutions potentielles. La mise en place d’une stratégie EIM (Entreprise Information Management ou gestion des informations d’entreprise), dans laquelle les technologies d’intégration de données et d’applications jouent des rôles complémentaires, aide l’entreprise à gagner en flexibilité.