Pourquoi envisager la méthodologie DataOps ?

Pierre-Alexandre Maury
Jan 2 · 3 min read

Un objectif: Minimiser le temps de cycle data !

Le temps de cycle data* est le temps qu’il faut pour une équipe Data (data engineers, data scientists, data analysts) pour délivrer un service et/ou produit. Ce temps est variable et souvent long. La principale raison est que nos équipes sont très souvent soumises à besoin urgent ou à un représentant du métier voulant une réponse rapide à sa demande. Ce temps est souvent beaucoup plus court que celui nécessaire pour l’implémentation. C’est donc ce décalage entre les attentes utilisateurs et les annonces faites par les différents développeurs qui sont la source de frustrations.

Une erreur : le héroïsme

Un challenge : gérer le travail non planifié

Le travail non planifié, c’est à dire celui qui n’est pas initialement présent dans le backlog/sprint, peut être un bug en production ou encore une demande très urgente du métier. Le temps dépensé pour réaliser ces travaux, dans une organisation ayant recours au héroïsme, engendre le gel des développements.

Une solution : le DataOps

Il est possible de délivrer rapidement, de manière flexible et robuste des projets Data avec l’approche DataOps. Celle-ci promeut l’intégration continue et l’orchestration automatique. Ces trois piliers sont:

  • L’approche DevOps
  • La maîtrise statistique des procédés

YounitedTech

Le blog Tech de Younited, où l’on parle de développement, d’architecture, de microservices, de cloud, de data… Et de comment on s’organise pour faire tout ça. Ah, et on recrute aussi, on vous a dit ?

Thanks to Nicholas Suter.

Pierre-Alexandre Maury

Written by

YounitedTech

Le blog Tech de Younited, où l’on parle de développement, d’architecture, de microservices, de cloud, de data… Et de comment on s’organise pour faire tout ça. Ah, et on recrute aussi, on vous a dit ?