5 bonnes raisons d’adopter une approche DevOps pour vos projets Data

Les projets d’analyse de données sont par nature fondamentalement liés au cœur de métier de l’entreprise. Pourtant, les écueils auxquels ils sont confrontés sont bien souvent d’ordre technique. Voici cinq bonnes raisons pour lesquelles DevOps constitue le meilleur moyen de réconcilier ces deux dimensions antagonistes afin de tirer le meilleur de vos investissements big data.

1. Devops permet de répondre plus vite aux besoins business

Les projets data sont souvent inspirés par des préoccupations business pressantes. On cherche des réponses rapides, des optimisations immédiates, sur des sujets souvent très concrets : une campagne marketing, une segmentation fine, la cause d’une défaillance… Or, s’il ne tient pas compte de cette urgence opérationnelle, le processus de mise en production de l’applicatif peut constituer un goulet d’étranglement capable de réduire à néant tous les efforts consentis en amont pour accélérer la conception et le développement du modèle d’analyse. Grâce à la mise en place d’une démarche DevOps en entreprise, les délais sont considérablement raccourcis, ce qui permet non seulement de réduire le time-to-market initial, mais aussi de procéder par la suite à davantage d’itérations pour affiner la solution.

2. Les data scientists peuvent se concentrer sur la donnée, et elle seule

De la collecte des données à la visualisation des résultats, les projets data mettent en œuvre des infrastructures complexes, relativement lourdes et difficiles à appréhender pour des non spécialistes, comme l’écosystème Hadoop par exemple. Pour les data scientists, dont l’expertise réside avant tout dans l’art de faire parler les données, les problématiques liées aux systèmes sous-jacents sont souvent un fardeau. De même qu’un pilote de course est plus performant lorsqu’il est entouré d’une équipe de mécaniciens aguerris, les data scientists créent davantage de valeur si des spécialistes les déchargent de ces questions techniques et leur permettent de disposer plus simplement, voire automatiquement, des environnements nécessaires. Rapprocher les expertises afin de tirer le meilleur de chacune, tel est précisément la philosophie de DevOps.

3. Les opérations valorisent leur expertise

En termes de puissance de calcul, de capacités mémoire, d’entrées/sorties, d’architecture, les applications analytiques ont des besoins très spécifiques, différents de ceux des applications transactionnelles. Elles mettent à rude épreuve les environnements qui n’auraient pas été dimensionnés en conséquence. Pour concevoir et optimiser les plateformes adéquates, les « Ops » (ou exploitants, les services de production informatique) n’ont pas nécessairement à entrer dans le détail des algorithmes. En revanche, il leur faut connaître les chaînes opératoires et les dépendances techniques mises en œuvre, ce que DevOps leur permet plus facilement. Plus au fait des projets et de leurs perspectives d’évolution, ils peuvent également anticiper davantage les questions cruciales du passage à l’échelle, puis de la montée en charge. En cela, DevOps valorise les compétences des Ops, qui deviennent partie prenante de l’innovation. Leur rôle n’est pas amoindri par l’automatisation, mais au contraire accru car il deviennent les référents en matière de performance et de qualité de service finales. Force de proposition et garde-fou, ils permettent aux projets de bénéficier plus vite d'innovations technologiques sur l'infrastructure technique et applicative.

4. Devops permet de mutualiser des ressources critiques

Un projet data nécessite des compétences de pointe à tous les niveaux : data scientists, architectes, administrateurs systèmes… Ces ressources sont rares dans l’entreprise et doivent souvent se partager entre les différents projets, à moins de les multiplier et donc d’augmenter les coûts. Une approche DevOps facilite cette mutualisation des compétences en introduisant davantage de fluidité dans l’organisation entre études et production informatique. Alors que le sujet est encore récent, c’est aussi un bon moyen de capitaliser rapidement sur les retours d’expérience et d’en diffuser largement les enseignements dans une logique d’amélioration continue et partagée.

5. DevOps introduit la culture qui inspire l’entreprise orientée données

DevOps n’est ni un référentiel de bonnes pratiques, ni une méthodologie gravée dans le marbre. C’est davantage un principe d’efficacité consistant à associer étroitement développement et opérations au sein des projets afin d’en accélérer la conclusion. Décloisonnement, agilité, collaboration renforcée, confrontation des idées et des expertises… la culture DevOps devient nécessaire aux entreprises qui veulent s’appuyer davantage sur leurs données. En initiant cette évolution au niveau des projets, la mise en œuvre de DevOps constitue un premier pas concret dans cette direction.