Académique Documents
Professionnel Documents
Culture Documents
Bi 2019 6 PDF
Bi 2019 6 PDF
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.