Migration de données
Une étude récente faite par Experian montre que 9 entreprises sur 10 sont engagées dans des projets de migration de données et 85 % d’entre elles rencontrent des problèmes significatifs (dépassements de coûts ou de budget) au cours de leur réalisation.
D’autres situations sont plus difficiles à comptabiliser mais ont un impact majeur sur la perception de la qualité d’un nouveau système. On peut donner l’exemple de données mal migrées qui donnent l’impression que le nouveau système a des problèmes (bugs). L’impact ici peut être autant chez les utilisateurs internes que chez les clients ; ce qui occasionnera des coûts reliés à la satisfaction ou l’attrition de clients.
​
Il existe des mythes concernant un projet de migration qui contribuent à causer ces problèmes. Par exemple : Une migration n’est qu’un export de la source et un import dans la cible ou encore partons de ce que nous avons dans la source et amenons-ça dans la cible.
Une migration est une activité demandant analyse et planification. Ces activités ainsi que la réalisation du projet impliquent vos ressources mais comme source d’information et non comme chef d’orchestre du projet. En effet, les projets de migrations ne font pas partie des opérations courantes et ne sont pas documentés dans les manuels de processus d’affaires courants. Les meilleures pratiques, les algorithmes de validation et les outils de fiabilisation ne font peut-être pas partie du coffre d’outils de votre département TI.
​
Depuis près de 30 ans Softconcept a réalisé des dizaines de mandats dans une variété d’environnements et de contraintes impossibles à recréer dans une seule organisation.
​
La mise au point d’une méthodologie rigoureuse ET flexible permet d’assurer la migration, la consolidation et le transfert d’environnements de façon efficiente, efficace et prévisible.
Phase 1 : Étude initiale
L’étude initiale permet de préciser les éléments suivants : le périmètre du projet (scope), la démarche utilisée, l’équipe projet, les intervenants, les environnements techniques, les comités, les charges, la planification, l’organisation des livrables et les outils à mettre en place pour gérer les différentes phases du projet.
Phase 2 : Spécifications (analyse)
L’objectif principal de la spécification des règles de migration est d’analyser champ par champ, les données sources et cibles pour définir les règles de migration (ETL).
Phase 3 : Réalisation (tests unitaires et intégration)
La phase de réalisation doit permettre de développer les programmes (ou requêtes) et les outils nécessaires pour effectuer la migration des données du système source vers le système cible.
Phase 4 : Certification Statique
Les objectifs de la Certification Statique sont de valider les travaux de migration de données et de fiabilisation et de préparer l’identification des contrôles de certification qui seront effectués lors des Bascules.
Phase 5 : Certification Dynamique
La Certification Dynamique s’exécute une fois que les traitements de la plate-forme applicative ont été qualifiés/homologués et que les données reprises ont été certifiées correctes. La Certification Dynamique consiste à dérouler des scénarios de tests pour simuler le fonctionnement de la plate-forme cible avec des données migrées.
Phase 6 : Bascule et suivi
La Bascule est le processus qui permet, le moment venu, de passer de l’ancien Système d’Information au nouveau Système d’Information.
Fiabilisation des données
La migration de données est l’occasion de donner une vision de la qualité des données du Système d’Information source, car les règles de migration définissent la façon dont elles vont être reprises, en précisant leur format et leur contenu. On peut définir par exemple qu’une donnée est numérique et s’apercevoir qu’elle contient des caractères alphabétiques. Compte tenu de ce constat, une analyse des données sources doit être effectuée pour vérifier l’adéquation des données avec les règles de migration. Cette analyse est faite le plus tôt possible dans le cadre des travaux de migration des données (audit des données). Les anomalies détectées sont alors transmises à un chantier spécifique que l’on appelle « Fiabilisation des données ». Par exemple : la structuration, normalisation et validation des adresses.