Comment pouvez-vous avoir une stratégie de Data Fabric sans les données les plus précieuses de l’entreprise : les données mainframe ? C’est comme avoir un dîner sans le plat principal.
La gestion des données se classe constamment au premier rang des principaux défis auxquels sont confrontées les entreprises. Cette réalité n’est pas surprenante car le volume de données augmente de façon exponentielle à un taux annuel composé de 23 % par an jusqu’en 2025, selon les estimations d’IDC.1
L’afflux de données, associé à un besoin croissant de générer des informations pour un avantage concurrentiel, ouvre des opportunités importantes pour les organisations disposant de la pile technologique et de l’architecture appropriées. Ajoutez à cela le fait que les données sont de plus en plus diverses, complexes et réparties sur des supports disparates, et il devient clair que les techniques traditionnelles de gestion des données sont insuffisantes.
Dans ce contexte, l’architecture de Data Fabric promet de gouverner, de sécuriser et d’organiser les données via une couche de métadonnées qui permet des capacités de libre-service pour les utilisateurs finaux dans différents domaines et frontières organisationnelles. Les avantages de l’utilisation d’une architecture Data Fabric pour gestion de données ne sont pas nouveaux – ils incluent une visibilité et des informations accrues, un accès et un contrôle et une sécurité. La « structure de données » elle-même n’est qu’un nouveau terme pour désigner quelque chose sur lequel les entreprises travaillent depuis un certain temps. Cette concentration a pris de l’ampleur à mesure que la puissance de calcul et le stockage deviennent moins chers et que la croissance des données ne cesse de croître.
La mise en œuvre d’une stratégie de Data Fabric réussie nécessite des changements fondamentaux dans la façon dont les données sont organisées et servies. Cela nécessite une architecture holistique dont l’objectif, selon Gartner, est de fournir “un accès et un partage sans friction des données dans un environnement de réseau distribué”.2 Dans ce cadre de gestion unifiée des données, les sources de données existantes – qu’elles se trouvent dans des entrepôts de données traditionnels, des lacs de données ou des magasins de données cloud, ou sur le mainframe – peuvent rester en place, ce qui réduit les risques et les coûts inutiles associés à la possession de plusieurs copies des mêmes données. .
Pas n’importe quelle source de données
En tant que système d’enregistrement des données précieuses générées par les transactions, aucune stratégie de Data Fabric ne peut être complète sans intégrer les caractéristiques uniques du Mainframe. Considérez que, pour de nombreuses entreprises, le Unité centrale est la base de l’entreprise, prenant en charge 72 % du traitement des transactions critiques dans le monde à une vitesse et à une échelle inégalées – c’est une mine d’or pour des informations exploitables sur les données.
Il est possible d’incorporer des données Mainframe comme une autre source de données, mais l’architecture de Data Fabric la plus convaincante exploite la nature étroitement couplée des données Mainframe avec les applications natives qui les génèrent. La plupart des architectures de Data Fabric tendent à propager les données Mainframe brutes hors de la plate-forme pour les combiner avec d’autres sources de génération et d’analyse d’informations. Pourtant, il reste la connaissance des applications et le contexte commercial construits au fil des décennies qui aident à définir la signification des données. Le contexte autour des applications principales facilite la découverte des données et les définitions qui sont des caractéristiques fondamentales d’une architecture de Data Fabric hautes performances.
Par exemple, le Mainframe gère une grande partie du traitement des transactions pour les grandes institutions bancaires et d’assurance, générant des données précieuses sur les réclamations, les achats, les prêts, etc. Un grand client d’assurance, dont la mission est centrée sur les meilleurs services aux membres, a construit un Data Fabric pour les aider à améliorer les temps de réponse pendant les périodes de mauvais temps prévues. Les réclamations sont traitées sur leurs systèmes Mainframe, de sorte que le client avait besoin d’un accès immédiat à ces données pour les combiner avec les prévisions météorologiques dans les zones couvertes. Ils ont acquis une meilleure compréhension des risques potentiels d’une forte augmentation des réclamations afin de pouvoir répondre de manière proactive à leurs membres.
Malgré le rôle fondamental que jouent les données dans toute stratégie de Data Fabric, les applications construites sur les données fournissent des informations et interagissent avec les consommateurs. L’architecture doit tenir compte de l’intégration unique entre les données et les applications sur les systèmes Mainframe. Sans cette considération, comprendre où les applications existent et comment exposer les données avec la logique d’application appliquée deviennent des défis inévolutifs.
Afin de démocratiser les données pour un accès sécurisé dans toute l’entreprise – la marque du succès de toute structure de données – il est d’abord essentiel de comprendre la signification sous-jacente des données Mainframe dans le contexte de l’application. Les applications et les données ont évolué ensemble, les données étant « interprétées » par les applications de manière non standard. Heureusement, les progrès technologiques ont trouvé un moyen de permettre l’accès à ces précieuses informations. Entrer interfaces de programmation d’applications (API).
API et accès au mainframe
De nos jours, vous ne pouvez pas mentionner les données et le mainframe dans la même phrase sans parler des API. Les API sont les clés de déverrouillage de l’accès en temps réel aux données Mainframe dans le cadre d’une architecture Data Fabric.
Certaines API permettent une forme d’accès aux données indépendante du contexte, où vous pouvez voir les données, comprendre ce qu’elles sont et les utiliser – mais il y a un hic. Toutes ces données seront présentées sans contexte, ce qui entravera leur utilité et leur valeur, selon le cas d’utilisation.
D’autres API permettent d’accéder aux données Mainframe via une logique métier bien définie. Par exemple, une transaction CICS transporte à la fois la logique d’application et les données.
Le meilleur scénario combine une API dans une structure de données, où l’accès aux données inclut une description des métadonnées de ce que fait l’API. Cela permet d’identifier et de délimiter les services fournis par la source de données spécifique, y compris le Mainframe. Une architecture de Data Fabric utilise des métadonnées pour cataloguer et donner un sens aux données collectées à partir d’une myriade de sources. Dans le cas de données provenant de z/OS, elles sont si étroitement liées à la logique de l’application que les métadonnées ne sont pas disponibles sans que l’application n’ait accès aux données.
Les API jouent également un rôle clé dans la modernisation de l’entreprise. Ils donnent accès à la logique et aux données d’application Mainframe que les développeurs peuvent utiliser conjointement avec leur environnement de développement intégré (IDE) préféré. Les développeurs peuvent se concentrer sur l’innovation – créer de nouvelles applications avec l’IDE de leur choix ou améliorer les applications existantes – avec des API pour intégrer les pipelines de déploiement. Cette modernisation permet aux organisations de tirer parti des données commerciales existantes pour créer de nouvelles applications Web, mobiles ou personnalisées, transformant ainsi les expériences des utilisateurs internes et externes.
De Sécurité perspective, ouvrir l’accès aux données de la bonne manière minimise les risques. Il est vrai que plus les données s’éloignent de la source d’origine, moins vous avez de contrôle sur elles. Cependant, de nombreuses API offrent un moyen d’accéder aux données Mainframe sans compromettre la sécurité. Ces API permettent aux clients d’extraire de manière sélective uniquement les données dont ils ont besoin pour une application spécifique lorsque cela est nécessaire. Les données restent dans le système d’enregistrement hautement sécurisé du mainframe, ce qui réduit considérablement le risque d’une violation potentielle. Pour encore plus de mesures de sécurité, les API peuvent inclure des couches de protection supplémentaires avec validation de l’accès des utilisateurs et limiter l’accès aux seules données requises pour une application particulière.
L’avenir de l’architecture de Data Fabric
Les déploiements de Data Fabric devraient quadrupler d’ici 2024, ce qui améliorera l’efficacité de l’utilisation des données et réduira de 50 % les tâches de gestion des données pilotées par l’homme.3
Les organisations de ce marché hautement concurrentiel s’attendent à prendre l’avantage sur la concurrence grâce à des décisions fondées sur les données. Les données stockées dans les systèmes d’enregistrement sont sans doute le composant le plus important pour éclairer ces décisions commerciales et opérationnelles. Par exemple, avec des actifs de données supplémentaires mis à disposition via une structure de données, un responsable de la chaîne d’approvisionnement peut comprendre plus rapidement et plus complètement les relations entre les retards des fournisseurs et les défis de production. Ces informations donnent à l’organisation le temps de développer une réponse appropriée. Essentiellement, une stratégie de Data Fabric aide à améliorer les décisions avec les bonnes informations, ce qui donne au leader de la chaîne d’approvisionnement le temps de se procurer de nouveaux fournisseurs ou clients.4
Un autre outil puissant consiste à incorporer des algorithmes d’apprentissage automatique (ML) dans une architecture de Data Fabric. Ces algorithmes peuvent rapidement parcourir les données opérationnelles pour fournir des recommandations d’action ou, dans certains cas, agir automatiquement. Par exemple, l’automatisation des tâches manuelles correctives libère un temps considérable pour que les employés se concentrent sur d’autres projets qui apportent une plus grande valeur à l’entreprise. De plus, le ML peut être utilisé pour appliquer des règles ou des normes sur les informations partagées dans la structure de données. Cet avantage est avantageux dans les situations de conformité où les règles de gouvernance sont appliquées aux informations dans l’ensemble de la structure de données, quel que soit l’emplacement.
L’avantage du Mainframe
Dans un monde concurrentiel axé sur les données, voire gouverné par les données, centrer votre stratégie de Data Fabric sur les données du mainframe et les qualités de service de la plate-forme peut être très gratifiant.
Alors que le volume de données continue de croître et que le besoin de données de qualité augmente, la façon dont les entreprises choisissent de gérer leurs données aura un impact direct sur l’expérience client et, en fin de compte, sur de meilleurs résultats commerciaux.
Alors, travaillez avec Broadcom pour servir les données Mainframe comme plat principal dans votre stratégie de Data Fabric et voir vos informations commerciales se transformer en un festin de valeur croissante.
- IDC. La création et la réplication de données augmenteront plus rapidement que la capacité de stockage installée, selon les prévisions IDC Global DataSphere et StorageSphere. https://www.businesswire.com/news/home/20210324005175/en/Data-Creation-and-Replication-Will-Grow-at-a-Faster-Rate-Than-Installed-Storage-Capacity-According-to- les-prévisions-IDC-Global-DataSphere-et-StorageSphere
- Gartner. Gartner identifie les 10 principales tendances technologiques en matière de données et d’analyse pour 2019. Accédé https://www.gartner.com/en/newsroom/press-releases/2019-02-18-gartner-identifies-top-10-data-and-analytics-technolo
- Gartner. Vous vous efforcez de devenir une organisation axée sur les données ? Commencez par 5 initiatives clés de D&A. https://www.gartner.com/en/information-technology/insights/data-and-analytics-essential-guides
- Gartner. L’architecture Data Fabric est la clé de la modernisation de la gestion et de l’intégration des données. https://www.gartner.com/smarterwithgartner/data-fabric-architecture-is-key-to-modernizing-data-management-and-integration
Copyright © 2023 IDG Communications, Inc.
