Thursday, December 28, 2017

Conduire la transformation vers le Data Centric


Le modèle de projet en spirale (Spiral Project Model)


En cette nouvelle année 2018
Polygone de Mandel
 voyons comment conduire la transformation de l'Entreprise vers le "Data Centric"

Dans les contextes d'informatiques héritées d'années de projets, et d'empilement d'applications de tous types, le patrimoine SI des entreprises est tout, sauf "Data Centric" : les données y sont éparses, redondantes, incohérentes, mal synchronisées, et dans des états de qualités mal maîtrisés.

La transformation de l'Entreprise, pour qu'elle dispose d'un SI "Data Centric", est un programme de changement compliqué, à conduire avec méthode. C'est une approche où les grands classiques de l'Architecture d'Entreprise ne proposent pas de référence.

La promesse du Data Centric


Un monde de processus et de logiciel, articulé sur des données de qualité, permettrait :

  • de capitaliser sur les connaissances (expérience client, ...), en mobilisant les atouts technologiques actuels,
  • de limiter les redondances et incohérences, néfastes à l'image, freins à l'efficacité,
  • d'évoluer plus rapidement, en s'articulant sur les invariants portés par les données.
L'Architecture Flexible est la réponse typique, conceptuellement solide, à cette promesse. Nous avons vu que son approche top-down rencontrait maintenant le savoir faire acquis autour des micro-services. Ceci est en passe de révolutionner le monde du développement logiciel, et celui des architectures, en association avec la généralisation des démarches agiles (voir à ce sujet la synergie agile vs flexible).

Disposer d'une telle solution flexible, idéale dans l'absolu, en rupture par rapport aux Architectures calées sur une cible immuable, est un précieux acquis. Mais comment parvenir à cet objectif, comment migrer le patrimoine et les données ? Il n'y a pas de recette miracle qui nous dote instantanément d'un système répondant aux imprévus, et d'une agilité tous azimuts. Certes on s'accorde sur la nécessité de mettre de l'ordre dans les référentiels, mais les résistances sont multiples et le projet aléatoire.

La solution du Big Bang, jadis systématique, est impraticable, car le SI existant reste la référence opérationnelle, et sa transformation est infiniment complexe.

Dès lors, comment évoluer pas à pas, prudemment, en minimisant les risques, et apportant le plus de valeur au plus tôt ?


Naviguer dans l'incertain


Pour migrer vers le Data Centric, nous devons mener de front plusieurs projets, chaque projet ayant sa propre incertitude.

On pourrait imaginer un chemin rationnel, une "road map" rassurante : On sait d'expérience que cette rationalité est illusoire, car les projets ne se dérouleront pas comme prévu. Nous avons déjà utilisé la métaphore du labyrinthe pour expliquer ces aléas, sources d'échecs.

Imprévu des projets, mais aussi incertitudes dans l'assemblage des projets : autant d'occasions de surprises et déconvenues.

La démarche déterministe aboutit, comme dans un labyrinthe, à de fausses issues. Pour autant faut-il abandonner toute anticipation et se précipiter tête baissée dans les projets, par exemple en  comptant sur son agilité ? Ceci ne protège pas cependant des errements, blocages, et volte-faces impossibles. En effet, même si l'on est magicien du logiciel, les rigidités des comportements humains, les contraintes économiques, les faits d'image, ... rappellent les imprudents à la réalité. Un projet ne se réduit pas à la validation de spécifications et à la simple réalisation de code.

A défaut donc de disposer d'un chemin tout tracé, comment naviguer dans l'incertain ?


Une approche méthodique


Il nous faut découvrir notre chemin pas à pas, et, à chaque étape, se protéger au maximum des aléas de chaque projet, et des dépendances entre projets.

Le parcours doit être opportuniste pour s'adapter aux difficultés rencontrées. Il doit aussi être méthodique pour progresser dans la transformation globale, vers le Data Centric.


Identifier les axes d'amélioration


Le patrimoine existant n'a pas les atouts du Data Centric. Il convient de l'améliorer progressivement, par parties, selon les opportunités, à des vitesses adaptées...

Pour cette progression, dans le contexte de l'entreprise, quelques axes d'amélioration ont du sens. Ce sont par exemple, selon le contexte :

  1. Normalisation des objets
  2. Multiplication des interactions
  3. Développement technique, fonctionnel, organisationnel
  4. Gestion des latences et temporalités
  5. Industrialisation


Ces cinq axes sont génériques, et on les retrouve facilement d'un cas à l'autre (publication à venir sur le site de l'Architecture Flexible).


Un indicateur de maturité des projets



Sur chacun des axes des incréments sont définis. On peut se référer des incréments standards (publication à venir sur le site de l'Architecture Flexible).

Les bases d'un indicateur générique de maturité des projets sont ainsi constituées : cet indicateur est la boussole nécessaire à la "navigation" mentionnée ci-dessus.



Indicateur de maturité : cas MDM



Le schéma ci-dessus présente le cas d'un projet MDM en approche Data Centric de l'Architecture Flexible.

Dans le contexte particulier de l'Entreprise, on identifiera les axes d'amélioration et on caractérisera les incréments souhaitables sur chaque axe. Nous pourrons dès lors objectiver le mûrissement de chaque projet en le positionnant sur ces axes et incréments.


La démarche incrémentale : expansion en spirale


Pour maîtriser l'expansion d'un projet, on engage alors une démarche incrémentale : à chaque étape, on change d'un incrément un seul des paramètres du projet.
L'expansion du projet se fera alors en spirale, depuis son "nid" initial vers sa pleine maturité où ses composants son pleinement opérationnels sur tout le périmètre.

Expansion en spirale

L'exemple ci-contre schématise l'évolution de l'indicateur de maturité au gré des cinq étapes d'un projet.










La transformation globale de l'Entreprise par son SI


En utilisant le levier des composants de l'Architecture Flexible, c'est toute l'Entreprise, par son SI devenant progressivement Data Centric, qui est mise en mouvement  : ouverture vers le Digital, réduction des latences, dématérialisation, fonctionnement matriciel, agilité dans les écosystèmes...

13 comments:

  1. I am really loving the theme/design of your web site. Do you ever run into any web
    browser compatibility issues? A small number of my blog readers have complained about my
    blog not operating correctly in Explorer but looks great in Chrome.
    Do you have any suggestions to help fix this problem?

    ReplyDelete
  2. This is actually a fantastic blogs! More of these details are superb -it is nice to see one that current.
    planning permission Reading

    ReplyDelete
  3. Interesting topic for a blog. I have been searching the Internet for fun and came upon your website. Fabulous post. Thanks a ton for sharing your knowledge! It is great to see that some people still put in an effort into managing their websites. I'll be sure to check back again real soon. martynpattie

    ReplyDelete
  4. Validation of system architectures with stakeholder expectations is a best practice often followed by good enterprise architects.www.blurb

    ReplyDelete
  5. I have read your excellent post. This is a great job. I have enjoyed reading your post first time. I want to say thanks for this post. Thank you... architect

    ReplyDelete
  6. There is an enormous void between the interest and supply and subsequently making sufficient openings for work and pay rates. data science course in pune

    ReplyDelete
  7. Well, The information which you posted here is very helpful & it is very useful for the needy like me.., Wonderful information you posted here. Thank you so much for helping me out to find the Data science Course in Mumbai Organisations and introducing reputed stalwarts in the industry dealing with data analyzing & assorting it in a structured and precise manner. Keep up the good work. Looking forward to view more from you.

    ReplyDelete
  8. Just saying thanks will not just be sufficient, for the fantastic lucidity in your writing. I will instantly grab your articles to get deeper into the topic. And as the same way ExcelR also helps organisations by providing
    Data science course based on practical knowledge and theoretical concepts. It offers the best value in training services combined with the support of our creative staff to provide meaningful solution that suits your learning needs.

    ReplyDelete
  9. I feel very grateful that I read this. It is very helpful and very informative and I really learned a lot from it.
    project management certifications

    ReplyDelete
  10. Such a very useful article. I have learn some new information.thanks for sharing.
    data scientist course in mumbai

    ReplyDelete
  11. I am really enjoying reading your well written articles. It looks like you spend a lot of effort and time on your blog. I have bookmarked it and I am looking forward to reading new articles. Keep up the good work.
    Data Analytics Course in Mumbai

    ReplyDelete
  12. Excellent Blog! I would like to thank for the efforts you have made in writing this post. I am hoping the same best work from you in the future as well. I wanted to thank you for this websites! Thanks for sharing. Great websites!
    Data Analytics Course in Mumbai

    ReplyDelete