Avec l’intérêt toujours croissant des entreprises pour l’utilisation et la valorisation de leurs données, le nombre de projets de Data Management se multiplie. Souvent, le point clef qui va décider de la réussite ou non d’un tel projet est la mise en place de la gouvernance des données (Data Governance). On peut définir la Data Governance comme étant la stratégie de gestion des données de l’ensemble de l’entreprise ; elle impacte donc directement tout projet de Data Management.
La Data Governance prend en compte la définition des rôles et des responsabilités, garantit la qualité, l’intégrité et la sécurité des données et assure le suivi des bonnes pratiques en accord avec la culture de l’entreprise.
Comment bien définir les rôles ?
Contrairement à ce que l’on peut imaginer, constituer un comité chargé de la Data Governance uniquement avec des profils IT est difficilement envisageable et c’est bien souvent avec une majorité de profils provenant des métiers que l’on augmentera les chances de succès d’un projet de Data Management. Ce comité doit être capable de comprendre les données qui sont récoltées et de les analyser, tant sur le plan de la technique (avec l’ensemble des technologies et infrastructures que l’on retrouve en matière de gestion de données) que sur le plan de la compréhension des enjeux opérationnels et métiers. Rappelons ici que la data est avant tout créée et manipulée par le métier et les opérations et surtout c’est eux qui sont impactés lorsque les données sont fausses. Cela peut représenter un changement de paradigme important pour certaines directions informatiques dans la répartition des rôles et des responsabilités autour de la chaîne de valeur de la “data”. Pour autant, aborder la Data Governance sans une implication forte des DSI serait une erreur puisque leurs activités premières sont de garantir que les infrastructures, les applications et les flux par lesquels transitent les données soient stables, sécurisés, pérennes et performants.
Le comité doit être constitué d’un leader qui est souvent le responsable de l’ensemble du projet de Data Management. Ce leader doit avoir une grande expérience en Data Management pour comprendre l’ensemble des problématiques. Mais surtout, c’est son aisance à réconcilier le monde du SI et celui des métiers, tant sur le vocabulaire que sur la connaissance des enjeux, qui sera la compétence la plus essentielle. Cette double maîtrise permettra au leader d’être le liant entre 2 parties de l’entreprise qui peuvent avoir du mal à se comprendre par méconnaissance respective des périmètres, défis et difficultés de l’autre. Ce leader peut donc s’appuyer sur les responsables métier de l’entreprise qui vont être en charge chacun soit d’un type de données (ex : données client, données logistiques), soit d’un process (ex : commandes, production), soit d’une “business unit” ou encore d’une zone géographique. Ces représentants sont des relais de référence dans chacun des métiers concernés avec l’intention aussi de les sensibiliser au projet et à la gestion des données en général. Le nombre de ces responsables au sein du comité dépend directement du niveau de complexité, du besoin de granularité et du nombre de domaines fonctionnels.
La Data Governance intervient dans la définition de 3 axes : La stratégie, l’organisation et le SI.
La mise en évidence des enjeux stratégiques de maîtrise des données en lien avec la stratégie d’entreprise et plus encore de leur alignement entre eux. C’est primordial pour s’assurer d’un sponsorship fort de la direction.
L’analyse et la compréhension du rôle de la data au sein de l’entreprise. Pour cela une profonde connaissance des opérations et de la culture est essentielle.
La planification des actions concrètes de contrôle de la qualité des données. Il est nécessaire d’assurer la complétude, la fraîcheur et la fiabilité de la donnée pour aboutir à un résultat qui produira réellement de la valeur ajoutée.
Une priorisation des actions à mener en réalisant un état des lieux de la qualité de la donnée pour identifier les zones critiques qui nécessitent une amélioration.
La définition des processus de contrôle de la qualité des données dans le but d’assurer la compatibilité et la conformité avec la législation. L’intervention d’un expert en RGPD peut alors être envisagée.
Cartographier l’existant pour mettre en avant les flux, les applications obsolètes et les points de faiblesse.
Déterminer le périmètre d’utilisation des données en interne et en externe ainsi que le niveau de criticité de ces données.
Définir plus en détail les process de production et de gestion des données ainsi que des contrôles de la qualité, de la complétude et de l’unicité de ces données.
Définir les rôles et les responsabilités pour assurer le suivi de la qualité des données. C’est là qu’interviennent les responsables métiers.
Définir les bonnes pratiques de récolte et d’utilisation des données à l’aide d’indicateurs de performance, de normes et de mesures de la qualité.
Assurer les procédures de contrôle, limiter les risques et garantir la sécurité des données en établissant des politiques et des procédures.
Définir les lignes directrices pour le développement de l’architecture en alignement avec le schéma directeur SI de l’entreprise. Des compétences nouvelles seront nécessaires pour initier et accompagner la mise en œuvre de cette architecture avec notamment l’apparition de nouveaux profils, qu’ils soient plutôt orientés métier ou IT : “data stewart”, “data manager”, “data analyst”, “data scientist”, etc. Cette prise de conscience en matière d’émergence de nouvelles connaissances et compétences devra être plus largement partagée au sein des instances de Data Governance.
Créer un book de bonnes pratiques pour assurer la compréhension de l’utilisation de la Data dans l’ensemble de l’entreprise.
Définir des responsables du système d’information pour assurer la sécurité et l’intégrité des données.
Pour toute entreprise, la mise en place de la Data Governance est un enjeu stratégique qui nécessite l’expertise d’un leader possédant une connaissance à la fois des métiers et de l’informatique de l’entreprise. Des compétences en gestion de projet seront aussi indispensables pour un projet de Data Management et l’ouverture à des méthodes de gestion agile peut aussi être envisagée. On parle alors d’Agile Governance Model (AGM).
