Analytics-as-Code

L'Analytics as Code révolutionne le travail des data analysts. Cette approche permet de surmonter les défis de qualité liés à la duplication et à la modification manuelles des dashboards et requêtes SQL. En adoptant les méthodologies des développeurs, elle offre modularité et versioning, améliorant significativement la qualité et la reproductibilité des analyses.

La transition vers le code est cruciale mais complexe. Nous observons une évolution prometteuse : l'émergence de couches sémantiques en langages markup comme LookML, et le passage d'outils ETL graphiques vers des solutions code-first, telles que dbt. Ces avancées, bien que fragmentées, ouvrent la voie à une expérience analytique plus cohérente.

Des entreprises innovantes proposent des solutions intégrées, comprenant :

• Des langages de requête programmatiques pour une analyse modulaire (ex. Malloy)
• Des langages de requête programmatiques pour une analyse modulaire (ex. Malloy)
• Des plateformes unifiées pour data engineers et analysts (ex. Holistics)
• Des extensions VSCode pour la création visuelle et le markup (ex. Quary)

Ces outils promettent de transformer radicalement le workflow analytique, en le rendant plus efficace et collaboratif. Certaines solutions excellent en modularité mais peinent à démontrer un ROI rapide, tandis que d'autres, plus complètes, manquent encore de puissance face aux systèmes établis.

Le point de vue Theodo

Nous recommandons d'explorer ces technologies avec intérêt mais prudence. Leur potentiel est indéniable, mais leur maturité et leur intégration dans des environnements complexes restent à prouver. Une évaluation minutieuse est nécessaire pour déterminer leur valeur ajoutée par rapport aux solutions cloud et aux stacks modernes existantes.