Qu’est-ce que l’intégration de données ? 12 définitions pour mieux la comprendre

August 27, 2020 · Henning Lund · Intégration de données

Ces dernières années, les volumes de données utilisés par les entreprises ont connu une croissance exponentielle. Soyons honnêtes : il est devenu vital pour les entreprises de comprendre leurs jeux de données et de les organiser. Parallèlement à ce phénomène, toute une série de nouvelles disciplines de l’intégration de données s’est développée, avec un jargon entièrement nouveau : migration de données, data warehousing, synchronisation de données, big data et business intelligence (pour n’en citer que quelques-unes) sont devenus de véritables tendances. Qu’est-ce que l’intégration de données, au fond ? Cela fait un moment que je rassemble un glossaire des termes les plus courants de l’intégration de données... Le voici. 

Qu’est-ce que l’intégration de données ?

L’intégration de données consiste à combiner des données issues de différentes sources et à offrir aux utilisateurs une vue unifiée de ces données. Elle a un usage très commercial pour les entreprises qui souhaitent intégrer différents systèmes (par exemple un CRM et un ERP) afin d’éviter les silos d’information. L’expression est devenue courante aujourd’hui, mais en réalité elle n’est pas si ancienne. Le premier système d’intégration de données fondé sur des métadonnées structurées a été conçu à l’University of Minnesota en 1991, pour l’Integrated Public Use Microdata Series.

Migration de données

La migration de données est le processus qui consiste à transférer des données d’un système à un autre tout en changeant de stockage, de base de données ou d’application. Les entreprises y ont généralement recours pour migrer vers ou depuis une plateforme matérielle, mettre à niveau une base de données ou passer à un nouveau logiciel. Autre scénario typique : la fusion de deux entreprises qui doivent regrouper leurs systèmes parallèles en un seul.

Synchronisation de données

La synchronisation de données consiste à établir la cohérence entre les données d’un stockage source et d’un stockage cible, et inversement, puis à harmoniser ces données en continu au fil du temps. Les entreprises l’utilisent généralement pour assurer la cohérence entre leurs différents systèmes. En règle générale, la synchronisation de données ne doit pas être considérée comme une tâche « ponctuelle » : maintenir la cohérence exige un effort continu.

Data warehousing

Le data warehousing (entrepôt de données) est un système utilisé pour le reporting et l’analyse des données, considéré comme une composante centrale de la business intelligence. Les entrepôts de données sont des référentiels centraux de données intégrées provenant d’une ou de plusieurs sources hétérogènes. Ils stockent des données actuelles et historiques et servent à produire des rapports analytiques (par exemple des comparaisons et tendances annuelles ou trimestrielles, des analyses quotidiennes des ventes, etc.) pour les utilisateurs de toute l’entreprise.

ETL

ETL signifie Extract-Transform-Load (extraction, transformation, chargement) et désigne le processus par lequel les données sont chargées d’un système source vers un entrepôt de données en trois étapes :

• Étape 1, Extract : les données sont extraites du système source et rendues accessibles pour la suite du traitement.
• Étape 2, Transform : les données sont transformées de la source vers la cible selon un ensemble de règles. Il s’agit notamment de convertir toutes les données mesurées dans la même dimension et avec les mêmes unités, afin de pouvoir les réunir ensuite.
• Étape 3, Load : les données sont chargées dans la cible finale, qui peut être un fichier, une base de données ou un entrepôt de données.

Visualisation de données

La visualisation de données fournit une représentation visuelle des données. L’objectif est de communiquer l’information de manière claire et efficace au moyen de graphiques statistiques, de diagrammes et d’infographies.

 Nettoyage de données

Le nettoyage de données (on parle aussi de data cleansing ou de data cleaning) est le processus qui consiste à détecter et à corriger ou supprimer les enregistrements corrompus ou inexacts d’un jeu d’enregistrements, d’une table ou d’une base de données. Il s’agit souvent d’identifier les parties incomplètes, incorrectes, inexactes ou non pertinentes des données, puis de remplacer, modifier ou supprimer ces données sales ou grossières.
Le nettoyage de données devrait être une priorité pour toute entreprise, car un système dont les données ne sont pas dignes de confiance ne sera pas utilisé. C’est aussi une étape indispensable avant tout projet d’intégration de systèmes.

Harmonisation de données

L’harmonisation de données consiste à combiner des données issues de différentes sources et à offrir aux utilisateurs une vue comparable de données provenant de différentes études. Grâce à l’harmonisation de données, les entreprises peuvent combiner des données de sources hétérogènes en produits d’information intégrés, cohérents et univoques.

Standardisation de données

La standardisation de données est le processus qui consiste à ramener les données à un format commun, ce qui permet la recherche collaborative, l’analytique à grande échelle et le partage d’outils et de méthodologies sophistiqués.

Gestion des données de référence

La gestion des données de référence (Master Data Management) est le processus qui consiste à identifier les informations les plus critiques d’une entreprise et à relier l’ensemble de ces données dans une source unique, appelée fichier maître, qui sert de point de référence commun. La gestion des données de référence fluidifie ainsi le partage des données entre les collaborateurs et les services, et facilite l’utilisation de différentes architectures système, plateformes et applications. Elle aide les entreprises à relever les défis auxquels elles font face en matière de reporting cohérent, de conformité réglementaire, de fort intérêt pour l’architecture orientée services (SOA) et pour le Software as a Service (SaaS).

Big data

Le big data change profondément la façon dont les personnes collaborent au sein des entreprises, en donnant aux collaborateurs une vision plus approfondie pour prendre de meilleures décisions. Le terme big data désigne un volume de données si important ou si complexe que les applications traditionnelles de traitement des données ne suffisent plus, et que les données deviennent difficiles à analyser, capturer, rechercher, partager, stocker, transférer, visualiser ou mettre à jour. L’une des difficultés tient au fait qu’aujourd’hui, le big data est généré en permanence par tout ce qui nous entoure. Il est produit par divers processus numériques et par les échanges sur les réseaux sociaux, mais aussi par des systèmes, des capteurs et des appareils mobiles. Ces volumes croissants rendent difficile l’extraction d’une réelle valeur des données générées.

Tout projet big data réussi doit inclure une intégration du big data, qui comprend :

• Trouver et découvrir les sources d’information.
• Profiler l’information.
• Comprendre les données et leur valeur.
• Les suivre au moyen de métadonnées.
• Analyser et améliorer la qualité des données.
• Transformer les données sous une forme exploitable pour l’analyse big data.

Chiffrement SSL

À une époque où l’intégration de données se fait de plus en plus à la demande, je ne pouvais pas omettre le chiffrement SSL de cette liste. SSL (Secure Sockets Layer) est la technologie de sécurité standard pour établir une liaison chiffrée entre un serveur web et un navigateur. Chez RapidiOnline, nous nous sommes spécialisés dans des solutions d’intégration de données sûres et sécurisées, grâce à une transmission des données chiffrée par SSL et sans stocker de données en dehors des systèmes que nous intégrons (par exemple Salesforce et Microsoft Dynamics NAV). Découvrez notre technologie et nos solutions d’intégration pour en savoir plus.

Cette liste n’est pas exhaustive, et j’en ai peut-être oublié quelques-uns, mais c’est un début. N’hésitez pas à me laisser un commentaire pour ajouter les termes de l’intégration de données qui, selon vous, devraient y figurer. Je serai ravi de les inclure dans une mise à jour.