Vous vous demandez comment modéliser une transformation ? Cet article est fait pour vous. Il présente un cadre structurel conçu pour organiser les données stratégiques et opérationnelles d'une organisation. Il définit une série d'entités clés, telles que les ambitions, les défis et les initiatives, tout en précisant leurs attributs spécifiques et leurs indicateurs de performance. Il met l'accent sur les interconnexions logiques, illustrant comment les projets mobilisent des r

Chez Gabriel Greenfield, nous accompagnons des organisations qui ont investi des années dans leur gouvernance des données. Et aujourd'hui, beaucoup d'entre elles posent la même question : "Notre Data Gouvernance nous prépare-t-elle à gouverner l'IA ?" Oui, mais pas automatiquement. Les fondations sont là. La traduction, elle, doit être construite consciemment. Voici les 10 piliers de cette traduction, avec ce que nous observons concrètement sur le terrain. ① Qualité des donné

Contexte Dans le contexte d’une mission de Data Science/Intelligence Artificielle, Gabriel Greenfield accompagne un client sur des projets liés aux énergies renouvelables. A ce jour, nos travaux concernent des projets d’énergie solaire (photovoltaïque) et des projets purement techniques (statistique, développement informatique) en interne chez le client. Nos réalisations Calcul automatisé et journalier de métriques (ex : température moyenne des capteurs) sur un site photovo

Le Data Catalog est un référentiel de données qui capture le contexte métier pour l’entreprise. Il permet de capturer les caractéristiques de la donnée (notions, définitions, termes, sémantique) dans son usage par un domaine métier en lui associant celles de son (ses) implémentation(s) et/ou usage(s) par des systèmes (identifiant, notions, définitions, termes, sémantique, format, syntaxe, type, liste de valeurs autorisées …) Il peut être une application ou un assemblage app

Définir le « Data Catalog » est un exercice périlleux puisque les leaders et experts envisagent pour la plupart d’entre eux des perspectives d’usages et des caractéristiques différentes. En revanche, l’ensemble des Data Catalog du marché semblent partager l’association de deux caractéristiques : la gestion des métadonnées métiers (contexte, métier, solution, technologique …). et la gestion des métadonnées de solutions techniques ou d’implémentation (système de stockage de do

La dernière décennie a été marquée par la révolution du « data-first ». Les entreprises se sont empressées de collecter des mesures, de créer des tableaux de bord et de laisser les algorithmes guider leurs décisions. Mais que se passerait-il si cette approche avait involontairement mis de côté quelque chose d'aussi précieux : la compréhension approfondie des processus métier et l'expertise humaine ? Les conséquences imprévues du « Data-First » Ce document révèle une tendance

Les API sont très souvent mis en avant dans le domaine de l’intégration et du middleware. Pourtant, seuls, ils ne peuvent pas représenter toute la diversité des patterns d’intégration. En effet, il faut combiner plusieurs technologies d’intégration pour couvrir tous les cas d’usage. Par exemple, nous pouvons rapprocher les deux grands patterns du marché de l’intégration (logique modulaire portée par l’API Management et logique de masse portée par l’intégration Data) afin de f

Les API sont très souvent mis en avant dans le domaine de l’intégration et du middleware. Pourtant, seuls, ils ne peuvent pas représenter toute la diversité des patterns d’intégration. En effet, il faut combiner plusieurs technologies d’intégration pour couvrir tous les cas d’usage. Par exemple, nous pouvons rapprocher les deux grands patterns du marché de l’intégration (logique modulaire portée par l’API Management et logique de masse portée par l’intégration Data) afin de f

Data-as-a-Service et qualité de la donnée au service de l’innovation : les nouvelles plateformes du Data Management La nouvelle génération des plateformes de données se déploie avec pour maître mot « une donnée en libre service, pour tous, en temps réel ». Le sens qu’il faut donner aux multiples initiatives que l’on observe sur le marché de la Data démontre le souhait de rendre l’utilisateur métier plus autonome dans l’utilisation de la donnée. Cela ne signifie pas que la tec