Le data lineage est défini comme le cycle de vie de la donnée. Il veut être une représentation détaillée de la donnée dans le temps : origine, provenance et transformations. Cette notion est loin d’être nouvelle, pourtant un nouveau paradigme s’opère…

[À lire ou relire] Cartographie des données : quels enjeux pour les entreprises ?

Dans le monde du Data Warehouse, par exemple, le data lineage était assez simple à obtenir. Ce système de stockage centralisé permettait “by design” d’obtenir assez simplement un data lineage des données stockées dans ce même endroit.

Depuis l’arrivée du Big Data, l’écosystème data évolue vite, des technologies et systèmes de stockage variés apparaissent complexifiant le SI des entreprises. Il est devenu impossible de garder, ni d’imposer, un outil centralisé et unique dans l’entreprise. Les logiciels et méthodes utilisés par les urbanistes et architectes SI de “l’ancien monde” deviennent de moins en moins maintenables rendant leur travail vite obsolète et illisible.

 

Cartographie urbaniste

 

Alors comment visualiser un data lineage efficace et performant dans un environnement Big Data ?

Afin d’avoir une vision globale des données du SI de l’entreprise, des nouveaux outils apparaissent. On parle de catalogue de données d’entreprise. Il permet de faire remonter depuis tous les systèmes de stockage et de traitement de la donnée un maximum de métadonnées dans une interface “user-friendly”. Centralisant l’ensemble de ces informations, il devient possible de créer un data lineage dans un environnement Big Data à différents niveaux :

 

  1. Au niveau jeux de données.
    Il peut s’agir d’une table dans Oracle, un topic dans Kafka ou encore d’un répertoire dans le data lake. Il met en évidence les traitements et jeux de données qui ont permis de créer le jeu de donnés final.

Data lineage au niveau jeu de données
Toutefois, ce standard de data lineage ne permet pas, à lui seul, de répondre à l’ensemble des questions que les utilisateurs de la donnée se posent. Il reste, entre autres : la question sur des données sensibles ? Quelle colonne a été créée et par quels traitements ? etc.

 

  1. Au niveau colonne.
    Une manière plus granulaire d’aborder ce sujet est de représenter les différentes étapes de transformations d’un jeu de données sous une timeline d’actions / évènements. En sélectionnant un champ spécifique, je vais pouvoir voir quelles sont les colonnes et actions qui ont permises de le créer.

Data lineage au niveau colonne

Continuez en vidéo 

Voir la vidéo de la conférence Data Lineage – cartographier les données de son SI

Ce talk présenté par Matthieu Blanc – VP Product de Zeenea – lors de la conférence DataXDay offre un aperçu et des pistes de reflexion. Pour voir sa conférence et télécharger les slides, merci de compléter ce formulaire. Vous serez redirigé.e vers la vidéo (20 minutes).

video data linea - cartographie des données SI