Les rôles & le parcours de la donnée¶
SAAM couvre toute la chaîne, du provisionnement de l'infrastructure jusqu'à la décision métier. Chaque rôle intervient sur un maillon précis — mais tous partagent le même espace, la même authentification et le même catalogue de données.
01 · La chaîne de valeur¶
Un cas d'usage type suit ce fil :
| Rôle | Intervient sur | Rôle dans la chaîne |
|---|---|---|
| DataOps | Organisation, cluster, catalogue de composants, accès | Fonde la plateforme |
| Data Engineer | Connexions, Data Flows, Jobs planifiés (Airflow) | Alimente |
| Data Analyst | SQL sur le lakehouse, visualisations, exploration | Analyse |
| Data Scientist | MLflow, Model Serving, inférence dans les flux | Modélise |
| Métier | Questions en langage naturel, dashboards, gouvernance | Décide |
flowchart LR
DO[DataOps<br/>fonde] --> DE[Data Engineer<br/>alimente]
DE --> DA[Data Analyst<br/>analyse]
DA --> DS[Data Scientist<br/>modélise]
DS --> ME[Métier<br/>décide]
ME -. gouvernance & accès .-> DO02 · Un espace, cinq entrées¶
Toutes ces activités vivent dans le même produit. La navigation de gauche regroupe les fonctions par intention :
- Explorer & analyser — Catalogue SQL, Notebooks, Visualisation, Parler aux données.
- Industrialiser — Data Flow, Jobs programmés, Connexions & secrets, Modèles IA, Model Serving, APIs de données.
- Gouverner — Gouvernance (patrimoine, qualité, lineage), Gestion des accès, Applications.
- Stack technique — Tableau de bord, Monitoring, Clusters Kubernetes, Composants Core, Data Platform, Jobs.
- Réglages — Organisations, Réglages, Licence.
Contexte organisation & cluster
En haut de l'écran, deux sélecteurs indiquent en permanence l'organisation et le cluster actifs. Toutes les actions data (requêtes, flux, jobs) s'exécutent dans ce contexte, avec l'identité de l'utilisateur connecté. Un mauvais contexte est la première cause de « je ne vois pas mes données » : vérifiez-le avant tout.
Ce que chaque rôle doit savoir de l'autre¶
- Le Data Engineer dépend du DataOps pour disposer d'un cluster avec MinIO, Trino, Airflow, Spark installés.
- Le Data Analyst ne voit que les tables auxquelles son groupe a droit — droits définis par le DataOps (Contrôle d'accès).
- Le Data Scientist consomme les tables produites par les Data Engineers et expose des modèles que les flux ré-utilisent.
- Le Métier s'appuie sur la gouvernance (qualité, lineage) pour faire confiance à un chiffre avant de décider.
Suivant : Parcours DataOps →