Faisons le point sur le DataOps et le FinOps, deux méthodes rapides et itératives qui permettent d’optimiser les projets, et qui participent à l’amélioration continue de la valorisation des données.
Le DataOps : un DevOps spécifique aux projets data
En 2009, l’informaticien belge Patrick Debois conceptualisait une nouvelle approche destinée à réconcilier deux métiers aux enjeux parfois opposés : le développeur (Dev) d’une part, l’administrateur de systèmes et d’architectures (Ops) d’autre part.
Baptisée DevOps, cette nouvelle approche a introduit deux nouveautés majeures.
- La prise en compte des contraintes de déploiement dès la phase de programmation.
- La généralisation des méthodes agiles à l’ensemble du projet informatique.
DataOps : un triple challenge
Toutefois, les projets informatiques ne sont plus les mêmes qu’il y a dix ans. Plus complexes et plus longs, les chantiers data se caractérisent aussi par un faible taux de transformation (seuls 53% des POCs sont déployés en production). Dans ce contexte, la méthode DataOps s’attaque à trois challenges.
Le challenge humain
En favorisant la communication et la coopération entre les équipes, le DataOps permet de réconcilier des intérêts parfois divergents entre les métiers, les profils techniques et les responsables IT et finance.
Le challenge méthodologique
À l’heure actuelle, cet aspect est encore trop souvent négligé dans les projets data. Par exemple, on ne se pose pas suffisamment de questions, en amont, sur la meilleure façon d’associer les gestionnaires de données (data engineers, data scientists, data stewards) et les consommateurs des données (business analysts, métiers, etc.).
Le challenge technologique
L’intégration, la data science, le traitement des données… Pour tous ces aspects, les outils à disposition sont pléthoriques. Choisir les bonnes solutions – et surtout réussir à les faire fonctionner ensemble – représente un véritable cheval de bataille pour les équipes.
DataOps : le déroulé d’un projet
Comme le DevOps, le DataOps vise à automatiser la conception et le déploiement vers la production. Tout commence par le design et le packaging du pipeline. Puis les équipes travaillent sur le déploiement et l’orchestration. Ensuite, une phase de monitoring conduit au déploiement vers l’environnement d’intégration. Cette transition d’un environnement à l’autre repose sur un workflow de validations qui favorise la communication et la collaboration entre les équipes. Une fois qu’une étape est validée, on ouvre un nouveau cycle de staging pour la phase de recette, avec, là encore, des étapes dédiées pour le packaging, le déploiement, l’orchestration et le monitoring.
Le FinOps, ou comment optimiser le budget d’un projet data
Le FinOps, c’est l’alter-ego du DataOps pour tout ce qui concerne la supervision financière. Cette méthode s’avère particulièrement pertinente pour les projets qui s’appuient sur le cloud plutôt que sur une solution on-premise.
Concrètement, le FinOps consiste à établir un dialogue avec les financiers en début de projet. L’idée, c’est de définir les charges de stockage, de compute et de traitement, qui font partie des frais les plus importants lors d’un déploiement sur le cloud. À partir de là, un cycle s’amorce. Les équipes contrôlent la consommation et cherchent à l’optimiser de façon continue. Par exemple, on peut choisir de redimensionner la capacité des serveurs, de compute, ou encore les processus d’acquisition des données.
Comme le DataOps, le FinOps puise sa philosophie dans les méthodes agiles, avec en ligne de mire la satisfaction des attentes métiers (ici, les financiers). Mais cette méthode permet aussi aux architectes et aux développeurs de faire les bons choix en matière de solutions. Autrement dit, de sélectionner celles qui seront les moins coûteuses et les plus pertinentes pour le client. En définitive, le FinOps permet aux directions IT et Finance de mieux gérer leurs budgets et d’organiser leurs showbacks et chargebacks.
