E-BOOK

Les 5 ruptures technologiques d’un Data Catalog de nouvelle génération

Guillaume Bodet - CEO - Zeenea

“Développer un produit technologique, quel qu’il soit, c’est faire très tôt un ensemble de choix d’architecture logicielle et de conception. Dans ce document, je vais vous décrire les choix que nous avons fait chez Zeenea, et qui selon nous constituent le fondement d’un data catalog de nouvelle génération - automatisé, intelligent, simple.”

les-5-ruptures-technologiques-data-catalog-fr

Overview

Data Quality usually refers to a company’s ability to ensure the longevity of its data. At Zeenea (a data catalog provider), we believe Data Quality is ensured through the 9 following dimensions - all essential to extract value to your company:

🔸 Completeness

🔸 Accuracy

🔸 Validity 

🔸 Uniqueness

🔸 Consistency

🔸 Timeliness

🔸 Traceability

🔸 Clarity

🔸 Availability


We will detail these dimensions with the help of a simple example in part one. We will then elaborate on how Data Quality management is an important challenge for organizations seeking to extract maximum value from their data.

We will also draw parallels between these different Data Quality dimensions and the different risk management phases to overcome - identification, analysis, evaluation, and processing. This will enable you to hone your risk management reflexes by tying in Data Quality improvement processing to a company objective (and evaluating the ROI on each quality dimension).

Once we have established the main features of an enterprise Data Quality management tool, we will detail how a Data Catalog - though not a Data Quality tool - can contribute towards Data Quality improvement (through the clarity, availability, and traceability dimensions mentioned above).

Présentation

Développer un produit technologique, quel qu’il soit, c’est faire très tôt un ensemble de choix d’architecture et de conception qui vont par la suite conditionner la capacité du produit à répondre aux sollicitations du marché et aux demandes des utilisateurs. L’architecture logicielle est l’un des principaux leviers d’exécution des entreprises technologiques.

Quand nous avons décidé de fonder Zeenea avec mes associés, notre ambition était (et reste) de construire un champion mondial du catalogue de données - sans arrogance : ce type d’ambition est commun à tous ceux qui se lancent dans une aventure technologique.

Nous avions une vision partagée, un financement confortable et plus de 50 ans d’expérience cumulée dans l’innovation et la data - des atouts considérables pour se lancer dans l’aventure.

Dans ce document, je vais vous décrire certains choix que nous avons réalisés, très tôt, et qui selon nous constituent le fondement d’un data catalog de nouvelle génération - automatisé, intelligent, simple.

Ces choix ne se sont pas faits de façon arbitraire, mais au contraire pour répondre d’une part à ce que nous considérons comme les enjeux d’un data catalog (ce sont ceux de la découverte exploratoire des données), et d’autre part aux contraintes de la mise en place d’un data catalog à l’échelle de l’entreprise.

Ils nous font confiance


et bien d'autres encore...