Là où les dirigeants peinent à surmonter les défis liés aux données mainframe

Aperçu

Les données mainframe offrent un potentiel d'amélioration considérable pour les initiatives d'IA et les projets d'analyse de données avancée. De nombreuses grandes organisations, en particulier, stockent des décennies de données transactionnelles, d'inventaire et clients essentielles dans des mainframes existants. Pouvoir récupérer et exploiter ces données à grande échelle représente une formidable opportunité pour les entreprises modernes. De plus en plus de dirigeants en prennent conscience pour leurs propres projets d'IA et d'analyse.

D'après une récente enquête menée par Rocket Software et Foundry auprès de plus de 200 dirigeants et décideurs d'entreprise, 46 % d'entre eux estiment que les données mainframe peuvent améliorer la qualité, l'exactitude et l'exhaustivité des ensembles de données existants. De plus, 44 % des répondants reconnaissent que ces données offrent une vision plus globale des opérations commerciales. Cette transparence permet aux équipes de prendre de meilleures décisions et de déceler des opportunités qui seraient passées inaperçues auparavant. Enfin, 42 % des personnes interrogées admettent que les données mainframe peuvent renforcer les initiatives d'IA existantes et enrichir les analyses.

Les données mainframe offrent non seulement une vision plus complète de l'activité de l'entreprise, mais elles stimulent également l'innovation. L'IA et les capacités d'analyse de données en Enterprise constituent aujourd'hui un véritable atout concurrentiel, et l'exploitation des données mainframe permet aux entreprises de se démarquer encore davantage de la concurrence.

Tout cela semble parfait, n'est-ce pas ? La réalité est plus complexe. Vingt-huit pour cent des répondants déclarent utiliser massivement les données mainframe dans le cadre d'initiatives axées sur les données. Et quatre dirigeants sur dix (42 %) peinent à intégrer les données mainframe aux sources de données cloud existantes.

Alors, pourquoi tant de dirigeants d'entreprise commencent-ils seulement à s'intéresser à l'exploitation des données mainframe dans leurs initiatives d'IA et d'analyse ? La réponse réside dans une combinaison de défis et d'obstacles bien réels, associés à quelques considérations qui relèvent peut-être davantage de la perception que de la réalité.

Explorons davantage.

L’utilisation des données mainframe présente des défis uniques

Le potentiel des données mainframe est évident, mais le problème réside dans le fait que de nombreuses entreprises ne savent pas vraiment comment les exploiter au mieux. Les personnes interrogées ont identifié plusieurs domaines où de réels défis persistent au sein des équipes informatiques. Le principal obstacle à l'utilisation des données mainframe aujourd'hui est la complexité de leur récupération et de leur extraction. Cinquante-neuf pour cent des personnes interrogées ont cité cet obstacle comme principal, juste devant les préoccupations liées à la sécurité, à la confidentialité et à la conformité (56 %).

Outre ces principaux défis, une part significative des personnes interrogées a également cité le manque de compétences internes (31 %) et le manque d'évolutivité (31 %) comme des obstacles à l'exploitation des données mainframe. Alors que les organisations cherchent non seulement à adopter, mais aussi à développer l'utilisation de l'IA au sein de leur organisation, des solutions de modernisation mainframe évolutives et accessibles seront essentielles pour obtenir les meilleurs résultats possibles.

L'enquête révèle également que les dirigeants souhaitent que les données mainframe soient exploitables par les professionnels, qu'ils soient techniques ou non. Près des deux tiers des répondants (64 %) ont déclaré que leur entreprise rencontrait des difficultés pour rendre les données mainframe accessibles à l'ensemble de l'organisation, et 36 % ont qualifié ce problème de très complexe. Autrement dit, les entreprises savent que leurs données mainframe recèlent un potentiel inexploité, mais elles ne savent pas comment l'exploiter.

Vient ensuite la question de la perception. Près des trois quarts (76 %) des dirigeants interrogés ont déclaré trouver l'accès aux données mainframe et aux métadonnées contextuelles très ou assez difficile. Et près de la moitié (42 %) des chefs d'entreprise ont jugé l'intégration des données mainframe aux sources de données cloud très complexe. Face à la perception relativement répandue de la difficulté d'accès et d'intégration, les organisations peuvent hésiter à exploiter leurs données mainframe dans des modèles d'IA et d'analyse.

Surmonter les défis liés aux données mainframe nécessite des solutions sur mesure

Pour surmonter les défis liés aux données mainframe, les entreprises doivent mettre en œuvre une solution globale. Nombre d'entre elles sont déjà engagées dans un processus de modernisation. Ce processus exige des solutions flexibles, évolutives et capables de les accompagner à chaque étape. Des solutions comme la suite de données Hybrid Cloud de Rocket Software offrent aux dirigeants les outils nécessaires pour simplifier et rendre plus accessibles l'intégration des données cloud et mainframe. Cet ensemble de solutions assure également une évolutivité essentielle et offre une vue simplifiée des données de l'entreprise, qu'elles soient structurées ou non.

Les organisations doivent également préserver l'intégrité et l'exactitude de leurs données sans compromettre la vitesse. Cela exige des pipelines efficaces et des capacités d'apprentissage automatique permettant de fusionner les données mainframe et cloud sans complexifier excessivement les opérations. Des outils comme Rocket^® Data Replicate and Sync permettent aux équipes informatiques de répliquer et de synchroniser en temps réel et en toute sécurité des données en direct dans le cloud ou tout autre environnement nécessaire. Ces outils offrent aux dirigeants les ressources adéquates pour simplifier la gestion de l'intégrité et de la vitesse des données, et permettent une réplication et une synchronisation performantes en temps réel sur diverses plateformes, des mainframes sur site au cloud.

L'étude menée par Rocket Software et Foundry a révélé que 42 % des décideurs privilégieraient une solution préconfigurée pour atteindre ces objectifs. 28 % ont indiqué opter pour une solution sur mesure développée en interne, et 30 % envisagent les deux options. Le choix le plus judicieux dépend de l'activité et du cas d'usage spécifiques. Quel que soit le chemin choisi, collaborer avec un partenaire de confiance comme Rocket Software permet aux dirigeants d'accéder à un large éventail de solutions et de services. Ces solutions contribuent à moderniser les systèmes et à faciliter l'accès aux données mainframe pour les initiatives d'IA et d'analyse à long terme.

Le plus important est que toute tentative d'intégration de données mainframe dans les initiatives d'IA et d'analyse d'entreprise soit sûre et évolutive, et qu'elle permette aux utilisateurs finaux de toute l'entreprise de se prendre en charge. Injecter des données mainframe dans des projets de données avancés représente une fusion de l'ancien et du nouveau, ce qui explique son attrait. Mais ces défis ne sont pas insurmontables. Les organisations qui adoptent les bons outils pour exploiter les données mainframe de manière sécurisée et à grande échelle bénéficieront d'un avantage majeur sur celles qui s'appuient uniquement sur des données en temps réel.

Découvrez comment Rocket Software peut aider votre organisation à surmonter ses défis les plus complexes en matière de données mainframe et à tirer le meilleur parti de ses initiatives en matière d'IA.