Microsoft BI et Azure

Avec l’arrivée de Satya Nadella à la tête de Microsoft en février 2014, l’entreprise de Redmond a adopté une stratégie 
entièrement tournée vers son cloud Azure. 

Microsoft  procède  ainsi  progressivement  à  la  migration  de  ses  plus  anciennes  solutions  vers  le  cloud  (avec  plus  ou 
moins de succès). 

C’est  ainsi  que  sa  base  de  données  relationnelle  se  retrouve  sous  Azure  sous  les  produits  Azure  SQL  managed 
instance et Azure SQL Database. Mais ces bases ne sont pas des plus adaptées au Data Warehouse, pour cela on 
peut  alors  se  tourner  vers  Azure  Data  Warehouse.  Comme  nous  l’avons  vu  plus  haut,  le  métamodèle 
multidimensionnel n’est  pas  porté  dans  le  cloud,  mais  le  métamodèle  tabulaire  se  retrouve  sous  l’appellation Azure 
Analysis Services. Integration Services n’a été supporté que très récemment par Azure Data factory, qui en préfigure 
très  probablement  l’avenir.  Reporting  Services,  Master  Data  Services  et  Data  Quality  Services  n’ont  toujours  pas 
d’équivalent PaaS sous Azure. 

Cependant,  sa  nouvelle  offre  Power  BI  a  entièrement  été  repensée  autour  du  cloud,  qui  est  actuellement  son 
environnement naturel. 

À l’heure actuelle, créer son système décisionnel entièrement dans le cloud Azure est envisageable, mais nécessite 
une hybridation de technologies On­premise, IaaS et PaaS, qui aurait pour effet de compliquer le projet plutôt que de 
le simplifier. Il est à parier que dans l’avenir une intégration Azure de la suite BI et notamment des outils de la suite 
SQL Server sera réalisée progressivement, à moins qu’un éditeur s’empare de cette problématique. 

C’est pourquoi, nous avons choisi lors de la révision de ce livre de nous consacrer à la mise en place d’un système 
décisionnel entièrement On­premise. 

Mes  dernières  expériences  m’ont  mené  à  concevoir  des  projets  décisionnels  dans  le  cloud  avec  succès.  C’est  donc 
possible.  Il  y  a  toutefois  des  problématiques  autour  du  transfert  de  données  et  de  l’authentification  qui  s’ajoutent  à 
ceux  d’un  projet  On­Premise.  Il  faut  par  exemple,  en  cas  de  grosses  volumétries,  transférer  les  données  des  systèmes 
source  au  fil  de  l’eau  via  des  Web  API  et  orchestrées  par  un  service  bus,  au  lieu  de  se  contenter  d’un  traitement  ETL 
quotidien.  C’est  donc  une  étape  supplémentaire  propre  à  la  problématique  du  Big  Data  qui  s’ajoute  au  projet.  Bien 
entendu,  une  fois  ces  problèmes  surmontés,  le  système  décisionnel  bénéficie  de  toute  la  puissance  du  cloud  en  termes 
d’élasticité, de disponibilité et de sécurité. 

© Editions ENI – Tous droits réservés – Copie personnelle de abbaari abbaari - 1-