Modélisation des données dans un monde post-COVID-19

Modélisation des données dans un monde post-COVID-19


À la suite de la pandémie de COVID-19, les organisations du monde entier ont dû se transformer du jour au lendemain. Les entreprises qui avaient retardé la transformation numérique, ou qui n’y avaient pas du tout pensé, ont soudainement réalisé que le déplacement de leurs analyses de données vers le cloud est la clé pour faire face et survivre à la perturbation du COVID-19. La phase suivante consiste à rebondir et à prospérer dans un monde post-COVID-19.

Franchement, les entreprises qui ont investi dans la gestion et la gouvernance des données sont mieux placées non seulement pour affronter la tempête, mais aussi pour tracer la voie à suivre, car elles disposent de données précises et fiables. Sans bonnes données, il est difficile de prendre de bonnes décisions.

La modélisation des données a toujours été le meilleur moyen de comprendre les sources de données complexes et d’automatiser les normes de conception. Aujourd’hui, le rôle de la modélisation des données s’est élargi en tant que point central de collaboration entre les producteurs de données, les gestionnaires de données et les consommateurs de données. En effet, la modélisation des données est le meilleur moyen de visualiser les métadonnées, et les métadonnées sont désormais au cœur de la gestion des données d’entreprise, ainsi que de la gouvernance et de l’intelligence des données.

Modélisation des données pour le cloud : le besoin de vitesse

Partout dans le monde, les entreprises créent rapidement des applications commerciales innovantes pour soutenir leurs clients, partenaires et employés en cette période difficile. Mais même si la vitesse est essentielle, les entreprises doivent prendre le temps de modéliser et de documenter de nouvelles applications pour la conformité et la transparence.

Déplacer des données vers le cloud ? Aucun problème. Cependant, vous ne pouvez pas gérer ce que vous ne pouvez pas voir. C’est pourquoi la modélisation des données est un élément essentiel de la gestion des métadonnées, de la gouvernance des données et de l’intelligence des données. Il fournit une vue intégrée des modèles de données conceptuels, logiques et physiques pour aider les parties prenantes commerciales et informatiques à comprendre les structures de données et leur signification.

La modélisation des données est la première étape pour s’assurer que l’entreprise peut utiliser, comprendre et faire confiance aux informations critiques.

modeleur de données erwin (erwin DM) est la solution de modélisation de données la plus fiable depuis plus de 30 ans. Il aide les organisations à trouver, visualiser, concevoir, déployer et standardiser des actifs de données d’entreprise de haute qualité. Et il est intuitif, ce qui vous permet de mettre en place et d’exécuter rapidement de nouveaux modèles à mesure que vous évoluez pour répondre aux nouvelles réalités commerciales.

erwin et flocon de neige

Erwin récemment annoncé un partenariat avec Snowflake pour aider les entreprises à accélérer la migration vers le cloud tout en assurant une bonne gouvernance des données. Le natif Erwin DM l’intégration permet aux clients d’automatiser la création de modèles de données Snowflake ; concevoir ou générer du code pour les schémas de base de données Snowflake ; désosser les schémas Snowflake existants dans les modèles erwin ; et comparer, analyser et synchroniser les modèles Snowflake avec les bases de données qu’ils représentent.

Ces intégrations fournissent aux clients la modélisation des données, la génération de code, le mappage des données, le lignage, la documentation et l’analyse d’impact nécessaires qui sont à la base d’un programme de gouvernance des données durable.

Connectivité Snowflake native

L’ingénierie inverse est le processus de création d’un modèle de données à partir d’une base de données existante ou d’un script. erwin DM crée une représentation graphique des objets de base de données sélectionnés et des relations entre les objets. Cette représentation graphique peut être un modèle logique ou physique.

erwin DM prend désormais en charge Snowflake en tant que base de données cible en utilisant Prise en charge de JDBC basée sur Codemesh pour la connectivité Snowflake.

snowblog1 Image1

Figure 1 – Connectivité intégrée pour Snowflake

Après le processus de reverse engineering, vous pouvez effectuer les tâches suivantes :

  • Ajouter de nouveaux objets de base de données
  • Créez la documentation système pour effectuer les opérations suivantes :
    • Comprendre comment les objets sont liés les uns aux autres, puis s’appuyer sur la structure des données
    • Démontrer visuellement la structure de la base de données
  • Reconcevoir la structure de la base de données pour s’adapter à l’évolution des besoins

La plupart des informations que vous procédez au reverse engineering sont explicitement définies dans le schéma physique. Cependant, l’ingénierie inverse dérive également des informations du schéma et les intègre dans le modèle. Par exemple, si votre base de données Snowflake existante comprend des déclarations de clé primaire et étrangère, le processus de rétro-ingénierie dérivera des relations d’identification et de non-identification et des noms de rôle par défaut en fonction de ces métadonnées. Si la conception physique n’a pas toutes les contraintes d’intégrité référentielle (RI) définies, vous pouvez déduire certaines de ces informations logiques. De plus, vous pouvez utiliser des noms de colonne pour déduire ces clés et relations.

Pour plus d’informations sur JDBC basé sur Codemesh, reportez-vous à Paramètres de connexion à la base de données.

Pour plus d’informations sur les objets Snowflake et les types de données actuellement pris en charge, reportez-vous au Flocon de neige Liste de support d’objet.

Accélérez votre migration vers Snowflake

Les organisations qui envisagent de migrer vers la plate-forme de données cloud de Snowflake ont deux objectifs : elles souhaitent migrer rapidement et en toute sécurité leurs données à partir de systèmes sur site hérités, et elles veulent garantir la qualité et la gouvernance globale de ces données. La première étape de ce processus consiste à convertir les structures de table physiques sur la plate-forme héritée pour qu’elles soient conformes à Snowflake. Sans automatisation, c’est une entreprise longue et coûteuse.

erwin DM peut documenter automatiquement vos anciens entrepôts de données et datamarts existants en procédant à la rétro-ingénierie de vos structures de SGBD et en créant un modèle de données physique. Vous pouvez utiliser ce modèle pour créer un modèle logique de vos structures de données ou vous pouvez convertir le modèle physique directement en un modèle compatible avec Snowflake. erwin DM prend en charge plus de 20 systèmes de gestion de base de données de manière native afin que vous puissiez utiliser le processus de conversion pour la plupart des environnements. Par exemple, vous pouvez documenter automatiquement une base de données Oracle et convertir le modèle de données suivant en Snowflake, en utilisant le modèle converti pour générer le DDL pertinent pour le déploiement dans votre environnement Snowflake. Les types de données sont mappés dans le modèle pour permettre une conversion transparente.

snowblog1 Image2

Figure 2 – Assistant pour créer un nouveau modèle dérivé conforme à Snowflake

Cette fonctionnalité erwin DM permet à une organisation de déplacer son ancien modèle vers Snowflake sans extraire et modifier manuellement le DDL de l’entrepôt de données existant.

Si vous utilisez déjà erwin DM pour vos systèmes actuels, le processus est encore plus rapide car vous n’avez pas besoin de faire de rétro-ingénierie !

La vérité compte

Une approche basée sur les données n’a jamais été aussi précieuse pour répondre aux questions complexes mais fondamentales auxquelles les entreprises doivent répondre.

Les données étayent désormais les décisions que peu de dirigeants pensaient prendre il y a 90 jours. Il aide les chefs d’entreprise à comprendre des informations fondamentales telles que leur flux de trésorerie, et c’est également un guide à mesure que leur entreprise progresse dans cette crise (ou les crises futures).

Des données fiables éclairent ce qui se passe dans votre entreprise et vos processus commerciaux. Il peut même vous montrer où votre infrastructure et vos systèmes critiques ont besoin d’un meilleur support.

Les organisations qui ont de bonnes pratiques de gestion des données, de gouvernance des données et d’intelligence des données sont bien mieux placées pour relever les défis et prospérer en cas de crise. Le déplacement de vos données critiques vers la plate-forme de données cloud de Snowflake vous offre l’agilité et la flexibilité nécessaires pour vous adapter rapidement, en répondant aux nouvelles demandes plus rapidement qu’avec vos anciennes plates-formes sur site. erwin DM aide à accélérer ce mouvement.

Pour voir erwin DM en action sur Snowflake, regardez ce court métrage vidéo alors inscrivez-vous pour un essai gratuit.

À propos du blogueur invité :

John Carter occupe le poste de directeur de l’ingénierie de l’automatisation chez erwin et travaille dans le domaine informatique depuis plus de 20 ans. Il dirige l’équipe d’automatisation gérée d’erwin, aidant ses clients à développer des solutions intelligentes pour la documentation automatique, la génération de code et d’autres initiatives d’automatisation basées sur les métadonnées.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.