L'importance de la précision des données en temps réel dans votre entreprise

Obtenir des données précises en temps réel est essentiel pour les entreprises. Cela nécessite d'identifier des modèles à l'aide de métadonnées, de regrouper ces informations dans des fichiers de métadonnées et de garantir l'exactitude des métadonnées via un cadre de gestion des métadonnées.

Considérez l'exactitude des données en temps réel, une caractéristique de qualité des données faisant référence à des valeurs et des formats corrects, un must pour une entreprise rentable et en croissance. Les entreprises ont besoin de données précises en temps réel pour faire face à l'afflux de la demande des consommateurs. Un tiers des cadres dirigeants et des professionnels de la finance s'accordent à dire qu'ils accordent de plus en plus d'importance à leurs données financières en temps réel.

Malheureusement, de nombreuses organisations continuent de lutter pour obtenir des informations commerciales à partir de leurs données en temps réel. Les entreprises collectent des heures et des heures de flux de données en streaming, mais peuvent n'avoir besoin que de quelques minutes de ce flux pour prendre une bonne décision.

Même décider comment valider les volumes de données accumulés pose des problèmes pour déterminer rapidement si un ensemble de données est plus précis qu'un autre. Faites le mauvais appel et contribuez à ce qu'une entreprise perde 14 millions de dollars.

Heureusement, les métadonnées, les données sur les données, promettent d'aider à obtenir l'exactitude des données en temps réel. Cet article lancera le lecteur dans un voyage en utilisant les métadonnées pour obtenir la précision des données en temps réel.

Utilisation des métadonnées pour valider l'exactitude des données en temps réel

Il peut sembler contre-intuitif de parler de générer plus de données pour aider à maintenir l'exactitude des données existantes. Mais les métadonnées ont plusieurs super pouvoirs :

• Si elles sont exactes, les métadonnées fournissent un contexte sur les informations qu'elles décrivent, prouvant ainsi l'exactitude des données. Un programme informatique peut transformer ces métadonnées en un schéma ou une représentation.
• Les définitions de métadonnées contiennent toute combinaison de descriptions techniques, commerciales ou opérationnelles d'ensembles de données. Ainsi, les systèmes, les processus ou les personnes peuvent utiliser des métadonnées pour caractériser les clients, les achats, les produits, les emplacements, etc.
• Les algorithmes peuvent utiliser des métadonnées techniques pour signaler à un autre processus ou à une autre personne de prendre d'autres mesures.
• Les métadonnées peuvent englober une grande quantité de données, ce qui rend ces données plus faciles à trouver.

Deux experts, Romero et Calders, ont tiré parti de ces atouts de métadonnées avec une approche appelée profilage de l'information. Ils proposent un cadre appliquant des métadonnées pour former un schéma de profilage, puis joignant les résultats à l'aide de métadonnées.

Pour aller plus loin dans ces découvertes, les entreprises peuvent utiliser leurs règles métier pour guider la formation des métadonnées du schéma et regrouper les données dans des paquets enveloppés par des métadonnées. Ces organisations disposeraient d'un moyen plus efficace de traiter les données en temps réel en utilisant des algorithmes pour rechercher des modèles de données et récupérer des ensembles de données correspondants.

Exploration d'un exemple de précision des données en temps réel

À quoi ressemblerait l'utilisation des métadonnées pour la précision des données en temps réel dans la vraie vie ? Gordon et Shankaranarayanan, du Babson College, donnent un aperçu.

Supposons que le flux de la société A contienne des centaines de messages instantanés chaque heure. Un client, John Doe, envoie un SMS indiquant qu'il souhaite acheter un vélo à la société A. La société A souhaite confirmer que ces messages proviennent de John Doe et qu'il souhaite acheter un vélo.

Tout d'abord, une application créerait un profil John Doe, des métadonnées sur John Doe. Supposons que les métadonnées sur John Doe aient des valeurs basées sur le numéro de téléphone, le type de téléphone mobile utilisé et le statut d'adhésion à la société A. Cette représentation de John Doe serait bonne comme les données contenues dans le système de gestion de la relation client de la société A.

Ensuite, un programme informatique prend ce profil John Doe et le met en correspondance avec le flux de texte dans le flux, avec des règles métier définissant ce qu'il faut rechercher dans le flux de données. Une fois que le logiciel voit les données correspondant au schéma Doe de John, il les regroupera dans un fichier de métadonnées de contenu. Ce fichier de métadonnées de contenu serait consultable par des personnes qui seraient assurées que les messages texte provenaient de John Doe (si la qualité des métadonnées répondait aux besoins de l'entreprise).

En outre, un algorithme créerait un profil d'achat pour déterminer la probabilité que John Doe achète un vélo, comme la façon dont Amazon détermine les produits à recommander à ses clients. Ensuite, un algorithme peut appliquer ce profil d'achat et évaluer la probabilité que John veuille acheter un vélo.

La précision des métadonnées est essentielle

Notez que l'utilisation de métadonnées pour créer un schéma et un lot dépend fortement de la précision des métadonnées. Sinon, il serait impossible de garantir l'exactitude des données en temps réel.

Dans l'exemple ci-dessus, si John Doe avait changé son numéro de téléphone et que ses métadonnées avaient toujours l'ancien numéro de téléphone, alors les métadonnées de John seraient inexactes. De même, le fichier de métadonnées avec les ensembles de données en temps réel devrait être étiqueté correctement. Si les métadonnées avec les fichiers texte de John Doe avaient le mauvais nom de client, une personne ne trouverait pas le fichier texte de John.

Ainsi, les mêmes raisons et processus que les entreprises utilisent pour surveiller les données et les nettoyer, afin de fournir constamment des données de haute qualité, s'appliquent également aux métadonnées. Les métadonnées utilisées pour la validation en temps réel doivent être suffisamment précises pour avoir confiance dans l'exactitude des données en temps réel.

Un cadre de gestion des métadonnées

Suffirait-il alors d'automatiser la surveillance et le nettoyage des métadonnées ? Non. L'obtention d'une qualité de métadonnées suffisante pour être utiles et accessibles à l'entreprise dépend d'un cadre de gestion des métadonnées.

Les personnes, les processus et les technologies de l'organisation constituent ce cadre de gestion des métadonnées et les règles métier qui le créent.

Par exemple, si un département normalise ses noms de clients dans un système et qu'un autre département formate les noms de clients différemment dans une application distincte, son cadre de gestion des métadonnées est fragile. De quel service l'organisation utilise-t-elle les métadonnées ?

Le développement d'un cadre de gestion des métadonnées pour garantir une précision adéquate des données en temps réel nécessite :

• Évaluations de la gestion des métadonnées sur les structures existantes et leur impact. À partir de cette base de référence, les entreprises peuvent déterminer les processus à modifier.
• Stratégie de données, un plan d'utilisation des données pour assurer le fonctionnement et la croissance de l'entreprise
• La gouvernance des données, un programme qui coordonne l'accès aux métadonnées et la sécurité, pour rester conforme.
• Connaissance collective des données sur l'importance et la valeur des métadonnées pour déterminer l'exactitude des données en temps réel. De plus, les employés devraient savoir comment définir de bonnes métadonnées.
• Exigences commerciales solides concernant les attributs et les valeurs qui définissent quoi ou qui les métadonnées décrivent.

Derniers mots

En 2020, les entreprises ont compris pourquoi elles avaient besoin d'une qualité de données en temps réel tout en se méfiant de l'obtention d'informations commerciales à partir de ces données. Les volumes de données et les vitesses de données élevés présentent aux entreprises des obstacles importants pour garantir rapidement l'exactitude de chaque élément de données dans un flux de texte ou de message.

La conservation des données en temps réel à l'aide d'un schéma de métadonnées et de règles métier permet d'obtenir plus de valeur tout en économisant les ressources de l'entreprise en analysant des données non pertinentes. Le regroupement des résultats et l'étiquetage de ces ensembles de données à l'aide de métadonnées permettent de trouver plus rapidement des données précises. Mais l'utilisation des métadonnées de cette manière nécessite des métadonnées précises et une structure de gestion des métadonnées adéquate afin que l'entreprise ait confiance dans l'exactitude de ses données en temps réel.