Introduction

Il était une fois la donnée

Si dans les années 1980 jusqu’à 2010, dates auxquelles je me suis totalement passionné par l’informatique et le développement. Un super informaticien se distinguait tout d’abord par son expertise dans un ou plusieurs langages (tels que Basic, Fortran, C, C++, Java, PHP, etc.), il s’avère que l’avenir s’annonce sous des augures bien différents. L’écrasante domination des langages semble arriver à son terme noyée, sans doute dans tant de diversité. Le but final n’est plus de savoir coder avec le moins de caractères/lignes possible telle ou telle directive, ni même de pouvoir réutiliser de manière optimale une portion de code. Ce temps semble bel et bien révolu. Certains invectiveront l’avènement du no-code ou du low-code mais une fois de plus le vrai débat n’est pas ou plus dans la manière de traiter l’information mais dans l’information elle-même. Il semblerait en fait que notre vision de la gestion des processus métier soit arrivée à un second niveau de maturité. Nous en demandons toujours plus à nos programmes, ils doivent mieux réagir, mieux remplacer nos tâches, mieux évoluer et finalement devenir meilleurs que nous, humains. La plupart des programmes sont devenus trop complexes avec le temps. Bien souvent à cause de juxtaposition d’exceptions et de l’ajout de nouveaux besoins toujours récurrents, le constat est clair : ils sont devenus difficiles à maintenir, et même parfois imprévisibles.

En quelques mots, si le domaine de l’informatique s’était jusque-là focalisé sur les processus, nous vivons actuellement un véritable virage qui remet en question bon nombre...

Pourquoi ce livre ?

On trouve de nombreux livres sur les données et ses enjeux, et tout particulièrement aujourd’hui. On trouve aussi beaucoup de littérature sur telle ou telle technologie qui permet de comprendre, récupérer, manipuler ou transporter les données. De fait, dans la constellation des solutions de gestion de données, il doit exister un livre pour à peu près tout. L’idée de cet ouvrage n’est surtout pas d’ajouter un nouvel élément à cette constellation et d’ajouter de la complexité au brouillard. L’objectif est plutôt de fournir un ciment entre ces ouvrages, un guide pratique pour ceux qui veulent s’engager dans cette voie et mettre un pied dans le monde de la data. Vous l’avez compris, le monde de la data est vaste, et produire un guide qui permet de s’orienter dans cet univers paraît aujourd’hui indispensable.

Certains m’en voudront peut-être, mais on ne parlera pas - encore - du tsunami de données qui se déverse sur les entreprises et dans nos vies courantes, de la loi de Moore, etc. Tout cela est devenu aujourd’hui une évidence et surtout une réalité. Ce qui est important est que ces données sont surtout une richesse brute - « Data is the New Oil » - qu’il faut exploiter mais surtout maîtriser et contrôler. Cet ouvrage n’abordera pas non plus les statistiques de tous les grands cabinets d’études qui vous décrivent ces faits, car beaucoup d’autres ont très largement couvert ce sujet. Il n’est pas non plus utile de vous citer tous les cas d’usage autour de la donnée parce que la donnée concerne absolument tous les cas d’usage. Chaque projet implique toujours de la donnée. La...

À qui s’adresse ce livre ?

Vous l’aurez compris, ce livre s’adresse à tous ceux qui veulent aborder la donnée dans son approche pragmatique. Étudiants, Ingénieurs données, Data Scientists, développeurs, chefs de projets mais aussi CDO (Chief Data Officer) ainsi que tous ceux qui veulent mieux comprendre et traiter les données trouveront dans ce manuel différentes clés afin de mieux appréhender et maîtriser ce nouvel or noir.

Bien sûr, cette approche de la donnée n’a pas pour prétention d’être exhaustive. Certains diront même qu’elle ne va pas assez dans le détail. Ils auront raison car l’idée directrice de cet ouvrage est véritablement de fournir un guide pratique, une base solide pour mieux comprendre l’univers autour de la donnée.

Afin d’illustrer certains concepts ou matérialiser des exemples, le langage Python est utilisé dans cet ouvrage ; c’est certainement l’un des langages les plus appropriés pour gérer les données, si ce n’est le plus courant. Mais que ceux qui ne sont pas familiers avec ce langage se rassurent car sa connaissance n’est absolument pas un prérequis à la lecture de ce livre.

Pour finir et ainsi vous laisser - enfin - vous plonger dans ce monde merveilleux de la data, il faut ajouter que beaucoup de détails sur certains concepts présentés dans ce livre peuvent être évidemment remis en question. En effet, certain concepts ou architectures mentionnés ou expliqués dans cet ouvrage (cf. Data Fabric, Data Lake, etc.) ne possèdent pas de définition au sens Larousse ou Robert du terme. Certains puristes pourrons même contester certains détails ou mentions qui sont...