La data est le principal carburant des entreprises. Mais toutes les informations ne permettent pas de créer de la valeur. La mise en place d’une gouvernance des données représente une étape importante dans une logique Data-Driven.

La data est au cœur de toute entreprise. C’est un chantier incontournable, mais complexe. Ce défi ne peut être relevé qu’en passant de l’infobésité à une gestion des informations « utiles ». Mais pour l’instant, encore trop d’entreprises se contentent d’énormes silos de données !
Cette collecte massive et anarchique se fait au détriment d’une approche stratégique, structurée et pertinente. La performance et la qualité du traitement de la data constituent la clé de voûte de la majorité des projets menés par les organisations. Une gestion optimisée du capital informationnel est déterminante dans un contexte de forte concurrence.

Une gouvernance de la donnée « utile »

Ce projet est complexe, car il englobe de multiples questions et problématiques : stratégie, organisation, communication, politique d’innovation, aspects réglementaires…
Ce n’est donc pas un chantier « technique » réservé à la DSI, mais un programme « organisationnel » : impliquant tous les métiers, il doit être soutenu au plus au haut niveau.

Cette démarche repose principalement sur le MDM (Master Data Management) dont l’objectif est de constituer un référentiel de qualité. Quatre étapes sont prioritaires :

  • L’identification du patrimoine informatif de l’entreprise : Il est indispensable de savoir où se trouvent les data de référence.
  • La définition de la qualité des données décisionnelles : cette étape consiste à les trier en fonction de leurs qualités : accessibilité, validité, précision et utilité.
  • La préparation des données : de nombreuses informations contiennent des erreurs. Leur vérification et leur mise en conformité sont une opération longue et coûteuse. Il est donc recommandé de s’attacher en priorité au traitement des données essentielles. Il faut les contrôler, les consolider, les nettoyer des valeurs aberrantes, compléter les valeurs absentes puis les mettre en forme.
  • La définition d’un mode de consommation de ces données qui soit en cohérence avec les contraintes, les objectifs de l’organisation, mais aussi les usages internes et externes.

Cette mission peut être assurée par un CDO (Chief Data Officer), un poste-clé pour de nombreuses entreprises. 66 % des sociétés interrogée lors d’une récente étude mondiale en ont nommé un. La proportion n’était que de 45 % en 2015, selon une enquête menée par Forrester. Le CDO devra développer la vision stratégique et déterminer les enjeux liés à l’acquisition et à l’exploitation de la donnée de son entreprise. Sa position transversale favorisera l’évolution de toute l’organisation vers une logique Data-Driven.

CDO et les clés du royaume de la data

Il s’appuiera sur cinq piliers pour pérenniser cette nouvelle organisation et établir un ensemble cohérent :

  • Les règles : définition et l’évolution des règles d’administration ;
  • Les rôles : répartition des responsabilités des différents acteurs ;
  • Les valorisations : gestion des coûts, valeur et gestion du patrimoine ;
  • Le contrôle : mise en place de mécanismes permettant de s’assurer que les règles établies sont appliquées ;
  • Les risques : évaluation et gestion des menaces liées aux données « utiles » (dont celles à caractère personnel) : vol, perte… Soit tout ce qui concerne la cybersécurité d’un point de vue technique, mais aussi réglementaire (conformité avec le RGPD dès mai 2018 qui implique d’instaurer différents processus garantissant la confidentialité des traitements de ce type de données).

Mais quel modèle d’organisation de la gouvernance des données doit-on retenir ? Trois tendances se dégagent. À chaque entreprise de sélectionner celui convient le mieux à ses contraintes et ses objectifs (dont leur transformation digitale) :

  • Le modèle distribué : la gouvernance des données est pilotée par chaque métier ou fonction. Il convient en particulier aux groupes ayant des filiales ;
  • Le modèle centralisé : elle est assurée par une entité pour l’ensemble de l’entreprise afin de lutter contre l’hétérogénéité de la data ;
  • Le modèle fédéré : ce dispositif est mené par une équipe qui s’appuie sur des relais au sein des métiers. Il offre plus de souplesse tout en garantissant une maîtrise des data) et favorise l’innovation en local.

Quel que soit le modèle retenu, le maillon essentiel reste le facteur humain. La transformation digitale apporte son lot de nouveaux métiers et de langages. La réussite de cette évolution nécessite aussi de rassurer et d’informer tous les collaborateurs afin qu’ils soient pleinement impliqués dans ce projet.

0 Comments