CAS D’ETUDE
Architecture Cloud et Big Data au Service de la BI
OBJECTIFS
Dans le cadre de la démarche d’une gestion data driven d’un acteur majeur de l’assurance, l’objectif de notre mission est de mettre à disposition un service de Self-BI basé sur une mise à jour événementiel.
MISSION
L’avantage concurrentiel des entreprises découle de l’aptitude à capter et à interpréter l’information. Dans ce contexte, ESENS intervient sur toute la chaine de traitement de la donnée afin d’améliorer la capacité décisionnelle de son client, grand nom du secteur de la finance et des assurances.
-
Modélisation BI
Nous analysons le besoin métier et les règles de gestion dans le but de reproduire ses comportements dans un modèle Etoile. Ce modèle est inscrit dans un DataWarehouse sous PostgreSQL et modélisé à travers divers objets Microstrategy. Il doit représenter les spécificités business tout en permettant un croisement multi-source des données afin de permettre une pluralité des analyses.
-
Architecture
Mettre à jour un outil BI en temps réel nécessite une forte conciliation du mode de communication événementiel et de la forte cohérence référentielle nécessaire à un DataWarehouse. Des POCs sont ainsi réalisés afin de valider les solutions selon des critères de faisabilité, de délais, de coût et de maintenance.
-
Alimentation Temps Réel
Le client a orienté sa stratégie SI autour d’une vision microservices. Les sources de données sont donc normalisées et en full-API. Pour cela, une architecture basée sur les services AWS est mise en place. Elle permet, à partir d’un ESB transmettant des objets business de manière state-transfer, de mettre en à jour en continu une base RDS, tout en maintenant les propriétés ACID ainsi que la disponibilité de cette dernière.
-
Initilisation de la Base
Afin de partir d’un état viable, il est nécessaire d’initialiser la base avant d’alimenter cette dernière. Pour cela les providers fournissent des snapshot dans une base orientée documents. Nous transformons et insérons les données à l’aide de scripts Spark et de requêtes PlSQL en base, le tout orchestré afin d’assurer en permanence la disponibilité des données pour les utilisateurs.
STRATEGIE
Le challenge est double : fonctionnellement, cela passe par une conciliation de l’ensemble des règles métiers tout en gardant la souplesse d’analyse permettant un service en self-BI et techniquement par une interface entre différentes logiques de communication.
