Contexte & Objectifs

Une entreprise spécialisée dans la gestion des ressources humaines visait à centraliser son environnement de données pour en faciliter l'accès par différents agents, notamment à des fins de reporting. De plus, elle souhaitait un système flexible pouvant s'adapter à des utilisations futures, telles que des applications d'IA.

Le projet a commencé parce qu'ils prévoyaient de passer leur gestion des ressources humaines à un nouveau système, ce qui posait un risque de perte de données. Pour atténuer ce risque, nous avons développé un entrepôt de données moderne, fournissant une base solide pour une gestion efficace des données.

Démarche

Tout d'abord, nous avons analysé les données dans les bases de données sources. Cette analyse a pris en compte des facteurs tels que la taille des données, la présence d'indices, et la possibilité de mettre en œuvre une logique incrémentielle pour des mises à jour quotidiennes des données. Cette démarche permet d'éviter de télécharger des tables entières chaque fois que nous avons besoin d'une mise à jour.

Ensuite, nous avons analysé les rapports utilisés par les agents et le back-office de l'entreprise pour prioriser la charge de travail tout en gardant une vue d'ensemble du but à long terme. Nous avons organisé les données de la base SQL, documenté toutes les transformations effectuées, déterminé la fréquence d'utilisation de chaque rapport et les avons priorisés en fonction des perspectives commerciales, de la complexité des requêtes et de la fréquence d'utilisation.

Enfin, nous avons réalisé une refonte de la base de données pour mettre à jour les champs de données et configurer l'infrastructure dans Azure avec un modèle de données approprié. De plus, nous avons migré les rapports clés identifiés initialement vers le nouveau cadre. Ces rapports serviront d'exemples concrets pour les utilisateurs finaux et les équipes de développement internes à exploiter.

Résultats

La plateforme de données mise à jour offre une gamme de fonctionnalités, incluant la configuration de l'infrastructure, la mise en œuvre d'un modèle de données d'entrepôt, la conception d'une architecture avec plusieurs options, et la fourniture de la meilleure recommandation pour le client. Elle garantit la gouvernance des données et crée une documentation pour l'équipe du client. L'architecture d'entrepôt de données basée sur le cloud rassemble différentes sources de données dans un cadre ETL, permettant la génération de rapports analytiques et l'analyse des perspectives.

Nous avons migré sept rapports importants et complexes de l'ancienne structure de base de données vers la nouvelle. Ces rapports sont utilisés par les agents du client et le personnel du back-office pour leur analyse quotidienne.

Notre équipe a coordonné efficacement le processus d'ingestion quotidienne des données, géré la logique de transformation des données, et établi un réseau sécurisé pour une communication fluide entre les divers composants. De plus, nous avons configuré un Key Vault pour stocker en toute sécurité toutes les informations d'identification et configurations essentielles.