Guide Google expliquant comment construire une culture basée sur les données

Les données suggèrent qu'une culture des données est importante.

Pour chaque entreprise, la révolution numérique ouvre des opportunités mais engendre également des risques sans précédent. La prolifération des ressources en ligne peu coûteuses présage de nouveaux produits, de nouveaux marchés et de nouvelles opportunités pour enrichir les relations client. Mais elle annonce également une concurrence féroce et des perturbations perpétuelles.

Lorsque nous sommes confrontés au changement, il est important de garder en tête les principes fondamentaux qui ne changent pas : bien connaître le marché, se concentrer sur ses clients, peaufiner son offre et se tenir prêt à l'adapter à de nouvelles conditions, rechercher l'efficacité.

En d'autres termes, il s'agit de regrouper toutes les données recueillies et de les utiliser efficacement. Le but est de construire une culture d'entreprise basée sur ces données. Selon les personnes impliquées, le résultat peut être entièrement différent. Si vous fournissez le même ensemble de technologies et de données à deux équipes différentes dans le but d'innover ou de résoudre un problème difficile, vous pouvez obtenir deux résultats très différents. Pour commencer à construire une culture efficace, les différentes équipes devront s'aligner sur leurs objectifs et leurs données.

La culture est en soi un catalyseur. Selon l'article de McKinsey & Company Pourquoi une culture des données est-elle importante ? : "La culture peut être un problème ou une solution à effet multiplicateur. Lorsqu'une entreprise dissocie sa mission liée aux données de sa stratégie commerciale et de ses opérations principales, il n'est pas surprenant que les résultats des analyses ne correspondent pas aux attentes. En revanche, lorsque l'enthousiasme pour l'analyse de données s'étend à tout l'ensemble de l'entreprise, il devient une source d'énergie et de dynamisme. La technologie est quelque chose de tellement remarquable. Imaginez jusqu'où elle pourrait nous porter avec une culture adaptée.

N'oubliez pas que l'utilisation des données n'est pas une idée nouvelle. Depuis les débuts du commerce, les gens ont observé les faits, identifié ce qui compte et cherché des modèles à exploiter. Les statistiques modernes datent de 1749 et la gestion basée sur les données a radicalement augmenté le PIB mondial pendant plus d'un siècle, devenant de plus en plus sophistiquée. Ces moments révolutionnaires sont basés sur des données. Nous y sommes parvenus, car nous avons su utiliser les données à bon escient.

La façon d'organiser nos activités dépend de la quantité et de la qualité des données dont nous disposons. Les fermiers de l'Antiquité s'appuyaient sur des données simples comme les conditions météo, alors que les industriels brevetaient des machines-outils normalisées. Au début de l'ère de l'informatique, nous disposions des mathématiques appliquées et de la recherche opérationnelle. Maintenant, nous avons besoin d'une méthode plus efficace, qui puisse s'étendre à tout l'ensemble de l'entreprise.

Comment on s'y prend ? Commençons par évaluer l'ampleur des opportunités. En 2002, la capacité de stockage numérique dépassait la capacité analogique totale. Depuis, le taux de croissance annuel composé des données détenues par une entreprise type s'élève à environ 60 %. Non seulement la quantité de données a augmenté, mais les données proviennent désormais d'un ensemble plus diversifié de sources, telles que les navigateurs, les capteurs, les smartphones et les appareils mobiles, sans oublier les ordinateurs. Le taux de croissance annuel composé de cette évolution est incalculable.

Google réfléchit énormément à ces opportunités. Lorsque tout a commencé, notre mission consistait à organiser toutes les informations à travers le monde et, au fil des ans, nous avons résolu un certain nombre de problèmes fascinants liés à l'obtention d'insights et au déploiement d'actions reposant sur de grandes quantités de données de différents types. Aujourd'hui, nous le faisons à une vitesse époustouflante.

Notre objectif est de fournir des insights numériques et de donner la possibilité aux consommateurs et aux entreprises d'agir, à la fois par le biais de nos activités publicitaires avec les entreprises et aujourd'hui grâce aux outils et services proposés par Google Cloud en matière de gestion des données et d'insights. Nos produits aident les entreprises du monde entier, telles que ANZ, Mayo Clinic, Sanofi, UPS et plus encore à accélérer la transformation numérique et l'innovation. Prenons l'exemple d'AirAsia, qui est en passe de devenir une "compagnie aérienne numérique". Sa transformation lui a déjà permis d'extraire de nouveaux insights, de gagner en agilité et d'offrir des expériences plus personnalisées pour se démarquer dans son secteur. "Nous devions devenir une compagnie aérienne numérique pour offrir plus de services aux clients, personnaliser l'expérience client et améliorer les réservations et la billetterie", explique Nikunj Shati, Responsable produit chez AirAsia. "Nous sommes passés de la gestion des données à la prise de décision basée sur les données."

Nous avons également appris plusieurs choses sur notre organisation interne et sur la façon d'optimiser les données et ce, tout au long de notre propre parcours mais également en aidant nos clients à résoudre des problèmes complexes. Cet e-book s'appuie sur certaines de ces leçons pour expliquer l'importance de la culture des données. Tout se résume aux quatre piliers clés suivants : opérer en toute confiance, démocratiser les insights, améliorer l'agilité de l'entreprise et utiliser des outils intelligents.

L'organisation des opérations de données à grande échelle repose sur plusieurs éléments remarquables. Les progrès technologiques en termes de données facilitent l'accessibilité et en simplifient la gestion. La gestion et l'utilisation des données à grande échelle sont difficiles. Elles présentent un nouveau défi par rapport à la façon dont nous utilisions les données dans le passé. Dans de nombreux cas, la difficulté est compensée par l'amélioration des processus et les outils d'aujourd'hui qui permettent de mieux interpréter les données. Bien sûr, une meilleure accessibilité implique de nouveaux défis en termes de sécurité, de qualité et d'interprétabilité.

Les entreprises performantes sont efficaces, car elles proposent d'excellents processus qui permettent de concevoir d'excellents produits qui reflètent une excellente compréhension et prise en compte des besoins de leurs clients. En d'autres termes, toutes les grandes entreprises ont mis en place une culture interne efficace qui permet de produire de tels résultats. Les gens s'adaptent en faisant preuve de curiosité et de créativité. Le cas échéant, ils remettent en cause le statu quo et innovent en fonction de nouveaux insights. Ils exploitent la puissance des données qui leur sont confiées, en les adaptant et en y appliquant des processus pour générer une valeur ajoutée à partir de celles-ci.

Cela n'a jamais été aussi vrai qu'aujourd'hui, alors que les changements numériques titanesques mettent en évidence la nécessité nouvelle et radicale d'adapter la culture à la collecte et à l'utilisation des données à grande échelle. Il est important d'être efficace dès le départ, car l'histoire nous montre autre chose : ceux qui visent de nouveaux objectifs ne renoncent jamais à recueillir davantage de données, tant qu'elles sont exploitables. Les progrès dans le cloud computing, la gestion des données, l'analyse de données et les technologies d'intelligence artificielle ne ralentissent pas. Il doit en être de même pour les entreprises dans leur volonté de changer le monde.

Lorsque les entreprises cherchent à repenser leur culture des données ou à en créer une nouvelle, elles nous disent souvent que ces quelques produits Google Cloud leur ont été utiles.

• Cloud SQL pour migrer facilement les charges de travail sur site vers un environnement Google Cloud entièrement géré
• Cloud Spanner et Cloud Bigtable : services de base de données cloud natifs pour une évolutivité à très grande échelle
• BigQuery pour un entreposage de données ultrarapide à l'échelle du pétaoctet
• Looker pour l'informatique décisionnelle moderne, l'analyse intégrée et les applications basées sur les données
• Dataproc pour le traitement du big data à l'aide des clusters Hadoop et Spark
• Dataflow pour traiter les données par lot et par flux rapidement et sans serveur
• Pub/Sub pour envoyer des messages depuis ou vers des applications indépendantes
• Dataprep pour préparer rapidement et visuellement des données à des fins d'analyse ou de machine learning
• AutoML pour entraîner des modèles de ML personnalisés sans grande expertise
• AI Platform pour déployer des modèles de ML sur site ou sur Google Cloud

L'agilité est un atout particulièrement recherché aujourd'hui par les entreprises qui doivent toujours se montrer à la hauteur des attentes et faire face à une technologie en constante évolution et à d'immenses quantités de données disponibles. Mais qu'est-ce que l'agilité et comment l'atteindre ? Chez Google Cloud, nous pensons que l'agilité repose sur des personnes, des processus et des données, ainsi que sur les technologies qui permettent d'affiner ces données. Elle permet aux employés de votre entreprise de se concentrer sur ce qui leur plaît, et non sur des tâches difficiles. Le but est de pouvoir choisir les outils et services auxquels ils accèdent et de les rendre disponibles quand ils en ont besoin. Il s'agit de consacrer moins de temps et d'efforts aux tâches ordinaires pour faire plus de place à la réflexion et aux nouvelles idées.

Aujourd'hui, ce que les experts en technologie disent souvent, et qui est assez évident dans notre monde moderne, c'est que les outils dont ils ont besoin sont des outils de données. Les entreprises sont submergées par les données et il en arrive de plus en plus chaque jour. Pour atteindre l'agilité, il faut s'appuyer sur les découvertes des autres, tester des outils sur mesure et ne pas avoir peur de les utiliser à grande échelle. Ces outils incluent des bases de données gérées pour supprimer les tâches triviales. Ces outils, qui incluent l'analyse de big data, sont simples et faciles à maîtriser pour permettre à de nombreux utilisateurs de travailler avec les données, et pas seulement quelques-uns. Ces données incluent toutes les données collectées par une entreprise, traitées de manière reproductible afin qu'elles soient toujours utiles et diffusées dans des formats visuels et exploitables. Il s'agit d'outils capables d'interroger ces données pour prendre de meilleures décisions et même d'apprendre aux données ce que vous recherchez afin d'obtenir des prédictions.

Lorsque nous évoquons le concept d'agilité, nous faisons référence aux attitudes et à la technologie qu'une entreprise utilise. Lorsque tout a commencé, Google utilisait la technologie standard. À mesure que notre entreprise s'est développée, nous avons appris un certain nombre de leçons essentielles. En raison de leur importance, nous avons été contraints de réagir et de nous adapter (agilité). Nous nous sommes rendu compte qu'il n'était pas efficace de demander à nos développeurs de gérer leurs propres piles. En développant la technologie Google, nous nous sommes concentrés sur la simplicité, l'automatisation et l'ouverture. Nous avons appris que lorsque les utilisateurs peuvent accéder à une technologie intégrée et entièrement gérée, les données jouent un rôle complètement différent. Désormais, au lieu de passer du temps à rechercher des données pertinentes ou à bricoler du matériel ou les logiciels nécessaires pour rechercher ou analyser ces données, les Googleurs n'ont plus à se préoccuper du manque de compétences ou d'agilité pour exploiter, mettre à l'échelle ou gérer les données. Nous pensons que ce genre d'état d'esprit peut aider les utilisateurs à mieux collaborer et réduire, voire éliminer les silos et les goulots d'étranglement qui l'on rencontre souvent. Nous avons constaté que cela fonctionne en interne lorsque nous développons des produits comme Gmail, qui ont évolué depuis leur création tout en restant simples et collaboratifs, même à l'échelle de l'entreprise.

Nos clients nous expliquent comment ils ont adapté leurs technologies et leur culture à une nouvelle attitude agile. Par exemple, une entreprise multimédia mondiale, a migré plusieurs centres de données et 1 200 services vers Google Cloud. Atteindre l'agilité était un facteur déterminant dans la migration de cette entreprise. Les services de niveau supérieur lui permettent de proposer plus rapidement un produit de meilleure qualité et de laisser ses équipes internes se consacrer aux tâches qui relèvent de leur domaine d'expertise, c'est-à-dire développer des services musicaux et non pas gérer des centres de données. L'entreprise a travaillé pour mettre les données appropriées à la disposition des équipes au moment où elles en avaient besoin, gagnant ainsi en agilité grâce à des outils permettant d'analyser les données et de les traiter en continu.

L'infrastructure d'analyse de Twitter, conçue comme un lac de données, collecte des pétaoctets de données chaque jour et doit être répliquée sur plusieurs destinations pour répondre rapidement aux besoins des utilisateurs. L'entreprise a décidé de répliquer les ensembles de données dans Cloud Storage pour pouvoir ensuite utiliser BigQuery, Cloud Bigtable et Dataproc sur Google Cloud, ainsi que d'autres services. Les utilisateurs peuvent accéder aux données dont ils ont besoin via le libre-service, ce qui améliore l'agilité de l'entreprise.

L'institution financière mondiale HSBC a migré son entrepôt de données sur site vers Google Cloud pour gagner en agilité, réduire les charges de travail et intégrer l'automatisation dans ses processus. Elle a réussi à éliminer la dette technique et à créer une plate-forme de données axée sur l'innovation, et non sur la gestion de l'infrastructure. Depuis sa migration, HSBC a amélioré ses procédures de développement et de test et dispose d'une seule source d'informations fiable dans l'entrepôt de données et de vues autorisées pour un accès sécurisé aux données. Les utilisateurs ne sont pas contraints d'explorer les données et les clients obtiennent ce dont ils ont besoin plus rapidement.

En définitive, une entreprise agile est une entreprise prospère capable de répondre aux demandes du marché, à l'évolution des besoins des clients et aux défis imprévus. Réfléchissez à la façon dont vos employés et vos données interagissent actuellement et déterminez s'il est possible d'améliorer ces interactions.

On sait, d'après les recherches, que la création d'une culture des données produit des résultats commerciaux réels. La culture que vous créez sera spécifique aux besoins et objectifs de votre entreprise et, dans l'idéal, permettra de rassembler les personnes, les processus et les données.

Bien sûr, la partie données est essentielle. Nous avons déjà parlé de la façon de configurer votre infrastructure technologique pour que vos données fournissent les insights dont vous avez besoin et permettent à votre entreprise de gagner en agilité. Il est également important d'appliquer l'intelligence à vos données de sorte qu'elles vous soient utiles sur le moment, mais également à l'avenir. Des outils d'IA et de ML que nous n'aurions jamais imaginés il y a 10 ans sont désormais disponibles et utilisés, pas seulement dans le secteur de l'enseignement ou dans certaines grandes entreprises. Les entreprises nous disent qu'avec ce type d'analyse avancée, les entreprises sont en mesure de prendre de meilleures décisions et de conserver une longueur d'avance sur leurs concurrents.

Toutefois, dans un esprit de culture collaborative des données, les outils d'analyse avancés et les résultats doivent être facilement accessibles pour tous. Une fois que vous avez déterminé quelles équipes ont besoin de quelles informations, vous pouvez fournir aux utilisateurs les données appropriées pour effectuer leur travail. Cela peut consister à optimiser les opérations et les processus métier, à mener des activités de recherche et des de développement ou à répondre aux questions quotidiennes. Poser des questions analytiques basées sur des données en temps réel ouvre la voie à de nouvelles idées et à l'innovation. En plus de connaître les chiffres de vente du mois dernier, vous pouvez appliquer les données pour comprendre l'historique des achats multicanaux d'un client lorsqu'il effectue des achats en ligne. Vous obtenez ainsi des offres en temps réel basées sur son historique et sur le contenu de son panier.

Lorsque les analyses avancées sont intégrées à des applications et outils familiers, elles font déjà partie des workflows quotidiens des utilisateurs, leur permettant ainsi d'obtenir facilement les réponses dont ils ont besoin. Cela élimine également les silos entre les équipes. Par exemple, les responsables commerciaux ou marketing n'ont pas besoin de demander des rapports à leurs homologues de l'équipe d'analyse des données. Au lieu de cela, ils peuvent travailler ensemble sur un seul ensemble de données pour prendre des décisions basées sur les données plus rapidement. De plus, grâce à un entrepôt de données fiable, les capacités sont suffisantes pour permettre à tous d'obtenir les insights et les rapports dont ils ont besoin.

Un client des services d'analyse Google Cloud, l'American Cancer Society, utilise AI Platform pour identifier de nouvelles structures dans les images de pathologie numériques. L'organisation a entraîné des modèles d'analyse d'images basés sur l'IA pour identifier des indicateurs de cancer, ce qui a permis aux chercheurs de les identifier plus rapidement et d'améliorer les résultats des patients. Il est désormais possible d'analyser les images 12 fois plus rapidement qu'auparavant.

LG CNS se sert également des outils d'analyse de données de Google Cloud pour identifier les défauts dans ses lignes de fabrication. L'entreprise avait déjà entraîné des modèles de machine learning, mais grâce à Google Cloud, elle a pu les entraîner plus rapidement et gagner en précision. LG CNS a économisé environ un million de dollars par ligne de production par an grâce à ce processus plus efficace.

Chez Google Cloud, nous intégrons notre technologie d'IA et de ML à des systèmes tels que BigQuery pour l'entreposage de données, ainsi qu'a des solutions telles que Contact Center AI et la compréhension de documents Ces types d'insights ne doivent pas être réservés à un petit nombre d'utilisateurs au sein d'une entreprise ni être difficilement accessibles. Nous avons créé BigQuery ML avec une interface SQL familière. Vous n'avez donc qu'à écrire une requête pour pouvoir utiliser le machine learning. Et grâce à nos fonctionnalités d'analyse avancées intégrées, vous pouvez vous préparer à la prochaine génération de technologies intelligentes.

Nous sommes convaincus que l'intelligence devrait être intégrée à l'ensemble des processus, des personnes et des données. Une fois que les utilisateurs ont ce dont ils ont besoin et que le processus est simple, ils peuvent concrétiser leurs idées.

Dans notre monde moderne, nous avons accès à des données à la fois enrichissantes, surprenantes et, par-dessus tout, utiles. Pour obtenir les meilleurs résultats possibles, nous avons besoin d'une grande quantité de données disponibles, que ce soit par le biais de graphiques, de rapports ou directement intégrées dans les workflows métier courants. Cette combinaison de données et de connaissances humaines peut ouvrir de nouvelles perspectives en termes de business plans et de projets, et générer de nouveaux insights et idées.

Aujourd'hui, nous avons le choix entre de nombreuses technologies. Toutefois, elles ne permettront pas à l'entreprise de progresser si les personnes qui les utilisent ne peuvent pas y accéder facilement. Avec toutes les sources de données actuellement disponibles (capteurs IoT, applications métier, données marketing, etc.), une entreprise peut très vite se retrouver avec des silos de données dupliquées dans l'ensemble de ses services, avec des équipes différentes qui utilisent différents ensembles d'informations ou des ensembles de données en double.

Arriver à obtenir une seule source de données fiable et accessible par tous au moment où ils en ont besoin et dans le format souhaité, c'est un peu comme le Saint-Graal. Cela consiste à transférer les données nécessaires dans l'entrepôt de données, à créer les modèles de données dans des systèmes d'informatique décisionnelle d'entreprise tels que Looker, qui peuvent regrouper des données provenant de 10 à 20 applications SaaS ou de plusieurs clouds publics, puis à mettre à la disposition de vos équipes cette source d'informations fiable, sans délai de provisionnement ni goulots d'étranglement en cours de route. La gouvernance des données est également essentielle pour que les utilisateurs disposent d'un accès approprié et pour protéger les données pendant leur utilisation et tout au long de leur cycle de vie. Dans la pratique, il peut s'agir d'un analyste de données qui génère des rapports en libre-service pour répartir les chiffres de vente ou d'un spécialiste en machine learning qui crée des modèles pour prédire les revenus ou créer un outil. La culture des données se caractérise également par la collaboration entre équipes et non par des équipes qui se rencontrent uniquement lorsqu'elles ont besoin d'effectuer une tâche. Lorsqu'une culture des données fonctionne bien, et qu'elle est soutenue par la technologie, les utilisateurs ont le temps et les ressources nécessaires pour mener à bien de nouveaux projets qui pourraient faire avancer l'entreprise. 

Pour parvenir à avoir confiance dans vos données, à les utiliser et à les interroger pour vous aider à avancer, vous devez disposer d'une base technologique capable de dégager des insights. Voici les questions que vous pourriez vous poser lorsque vous choisissez une technologie d'analyse de données :

• Pouvez-vous obtenir une vue intégrée des données de votre entreprise ?
• Les utilisateurs professionnels de votre entreprise peuvent-ils également consulter facilement les données dont ils ont besoin ?
• La plate-forme peut-elle ingérer les flux de données en temps réel (sans dépasser le budget) ?
• La plate-forme peut-elle gérer les types de données provenant de sources diverses ?

La mise en relation des utilisateurs pouvant produire un travail plus efficace demande un certain degré de planification. Si vous vous intéressez aux types d'employés impliqués dans les projets d'IA de votre entreprise, vous constaterez probablement que la première étape pour eux consiste à communiquer et à comprendre le travail des uns et des autres pour mener à bien le projet. Les outils et services qu'ils utilisent doivent pouvoir permettre cette mise en relation.

De nombreux clients nous font part de leur volonté de construire une culture davantage basée sur les données au moment où ils mettent à jour leurs technologies et planifient leur avenir. Par exemple, AirAsia a compris que les données continuaient à jouer un rôle de plus en plus important dans ses décisions commerciales. Ses équipes analysent plus de 6 Po de données par mois et devaient auparavant attendre de recevoir des rapports Excel hebdomadaires ou mensuels pour obtenir les résultats de toutes ces analyses. Aujourd'hui, l'entreprise utilise BigQuery et ses fonctionnalités de ML pour permettre à son équipe de 1 500 membres d'accéder aux données à tout moment. Elle effectue des requêtes ad hoc sur plus de deux ans de données en quelques minutes. Les membres de l'équipe accèdent à des interfaces simples, puis peuvent approfondir les informations si nécessaire. Cela a permis de réduire les coûts d'exploitation de 5 à 10 % (ce qui est très important dans ce secteur) et de mieux sécuriser les données par rapport à un stockage sur machines individuelles.

Notre entrepôt de données BigQuery vous permet de traiter des données dans des espaces de stockage d'objets, des bases de données transactionnelles, dans Sheets et plus encore, afin de ne jamais avoir à les dupliquer. Les ensembles de données publics sont également acceptés, ce qui vous permet d'exploiter tout le potentiel de vos données internes. Nous avons conçu nos produits de sorte que les utilisateurs puissent facilement les utiliser ensemble et partager des insights. Nous proposons également des fonctionnalités intégrées que vous pouvez utiliser dès maintenant et à l'avenir, telles que des outils de ML simples et d'autres analyses avancées.

La culture des données rassemble les personnes, les processus et les données. Nous avons évoqué l'importance d'avoir des données pertinentes et de pouvoir les utiliser facilement. L'intérêt de simplifier la collecte et l'utilisation des données est en partie de renforcer la fiabilité des données. Avec de nombreux systèmes sur site ou anciens, les données sont cloisonnées, puis maintes fois copiées par les utilisateurs, ce qui se traduit par l'existence de systèmes obsolètes à différents endroits. De plus, lorsque la taille des ensembles de données augmente, la qualité des données peut poser problème.

Pour créer une culture basée sur les données, il est essentiel de faire en sorte que les utilisateurs puissent avoir confiance dans les données. Cela signifie qu'elles doivent être à jour et exactes. Il ne devrait donc y avoir aucun ensemble de données éloigné ni aucun projet cloisonné. Le norme d'excellence est d'avoir une seule source de données fiables dans votre entreprise connue de tous.

La confiance est une condition qui repose sur les personnes et les processus et qui est déterminante pour votre culture des données. C'est également une question de technologie big data. Plus vous collectez et analysez de données, plus la sécurité et la gouvernance sont importantes. La confiance dans vos propres outils et processus est un élément essentiel d'une culture basée sur les données.

Les données proviennent d'une grande variété de sources, mais elles nécessitent toutes le même niveau de protection de base, notamment le chiffrement, l'exfiltration et le contrôle des données. En outre, vous aurez probablement établi vos propres modèles de menace et vos priorités pour protéger les données. Selon votre secteur, vous pourriez être amené à travailler sur la mise en conformité avec des règles et réglementations spécifiques. La pile technologique de votre fournisseur cloud doit pouvoir fournir les fonctionnalités de sécurité et vous permettre d'utiliser les métadonnées, les catalogues de données et la traçabilité des données afin de gérer les données et de définir des règles. Pour faciliter la collaboration entre équipes, il doit être possible de définir facilement des règles d'accès et de partager les données de manière sécurisée.

Il est essentiel de mettre en pratique cette approche pour réussir le déploiement de votre analyse de données. Vous devez donc réfléchir à la façon globale dont vous allez mettre en œuvre vos outils et pratiques de sécurité. Chez Google, BeyondCorp est notre propre implémentation d'un modèle de sécurité zéro confiance qui s'appuie sur les principes de mise en réseau zéro confiance d'origine. L'objectif est d'étendre le contrôle des accès au-delà du périmètre réseau, c'est-à-dire aux appareils individuels et aux utilisateurs, afin qu'ils puissent travailler de façon sécurisée où qu'ils se trouvent et sans VPN. De manière générale, BeyondCorp inclut l'authentification unique, un proxy d'accès, un moteur de contrôle des accès, un inventaire des utilisateurs, un inventaire des appareils, des règles de sécurité et un dépôt de confiance. BeyondCorp Remote Access est une solution cloud qui offre cette fonctionnalité. Elle permet à vos utilisateurs d'accéder à des applications Web internes de manière sécurisée et à distance.

L'un de nos clients, une institution financière mondiale, avait des questions essentielles lors de sa préparation à la migration vers BigQuery : les données sont-elles protégées et peut-on en suivre la traçabilité ? L'infrastructure est-elle suffisamment fiable pour les applications critiques ? Notre client a utilisé le taggage de métadonnées et acquis une source d'informations unique en migrant vers Google Cloud. Ses données dans BigQuery sont toujours chiffrées et l'intégration native d'IAM (Identity and Access Management) garantit la protection des données à tous les niveaux d'accès, ainsi que la précision au niveau des colonnes. L'entreprise peut exécuter régulièrement des simulations de risques et a amélioré la sécurité, la gouvernance et sa conformité aux réglementations à l'aide de BigQuery.

Une plate-forme d'analyse de données fiable peut vous protéger contre les attaques ou les brèches de sécurité, mais elle doit également permettre de créer une culture des données fiable. Si les utilisateurs font confiance aux données qu'ils obtiennent, ils peuvent se concentrer sur l'innovation et les nouvelles idées. 

La culture des données constitue-t-elle un problème ou une solution pour votre organisation ? Et s'il s'agit d'une solution, à quoi ressemblera-t-elle ? Comment savoir si elle est bénéfique ? Ces questions peuvent vous aider à démarrer ou à faire progresser ce que vous avez déjà commencé. La culture des données sera différente selon les entreprises et les secteurs. Vous et vos collaborateurs saurez identifier ce qu'il y a de mieux pour vos équipes et votre entreprise et la culture des données que vous allez créer sera celle qui convient le mieux à votre entreprise.