Qu'est-ce que la data governance ?

La data governance fait référence à l'ensemble des pratiques, des politiques et des rôles liés à l'acquisition, à la gestion et à l'utilisation efficaces des données, garantissant que les données fournissent autant de valeur qu'elles le peuvent au sein d'une entreprise. La data governance confirme la qualité et la sécurité des données d'une entreprise dans toute l'organisation, en déterminant qui peut utiliser quelles données et quand. Souvent, le data management et la data governance sont utilisés de manière interchangeable, mais cela est incorrect. Le data management réfère davantage à la gestion technique des données, tandis que la data governance réfère aux politiques de gestion des données au sein d'une organisation, notamment pour déterminer qui peut utiliser quelles données et à quel moment.

Les données constituent l'actif le plus important d'une entreprise. Cette célèbre déclaration est une indication claire de la valeur des données. Avec la numérisation croissante, chaque entreprise a accès à d'énormes volumes de données. L'utilisation rationnelle de ces données pourrait être un facteur décisif pour le succès d'une organisation. Pour cela, les entreprises doivent préparer leurs données pour qu'elles soient propres et fiables. C'est précisément l'objectif de la data governance.

Une stratégie de data governance est une nécessité pour toute entreprise qui travaille avec des big data, car elle définit comment votre entreprise bénéficie de processus et de responsabilités cohérents et communs. Elle met également en évidence les données qui doivent être soigneusement contrôlées dans votre environnement. La data governance garantira automatiquement que les exigences de conservation (par exemple, l'historique de qui a modifié quelle information et quand) sont respectées pour assurer la conformité.

Un cadre de data governance efficace permet d'obtenir des données de haute qualité qui aideront les organisations à prendre des décisions commerciales plus intelligentes.

En résume, la mise en œuvre de la data governance au sein d'une organisation implique de nombreuses tâches :

• Définir le type de données utiles et leurs normes de qualité
• Définir les méthodes d'acquisition, de nettoyage, de stockage et d'extraction des données
• Attribuer des rôles et définir des responsabilités pour le data management
• Créer des politiques et des flux de travail pour l'utilisation des données
• Contrôler en permanence les pratiques en matière de données et recueillir des informations en retour.

La data governance s'applique à un large éventail d'entreprises. Par exemple, une société de commerce électronique peut posséder d'énormes volumes de données clients. Ces données comprennent l'historique des achats, les préférences des clients et les commentaires. Grâce à un système efficace de data governance, l'entreprise de commerce électronique peut normaliser la collecte, le stockage et l'extraction de ces précieuses informations. Ensuite, les différents services de l'entreprise peuvent utiliser ces données pour prendre des décisions plus avisées. Par exemple, le service marketing peut utiliser ces données pour créer des publicités hautement personnalisées et des recommandations de produits aux clients. Grâce à la data governance, l'entreprise de commerce électronique peut garantir la responsabilité des données. Elle renforce la confidentialité des données et réduit les violations de données.

Pourquoi les entreprises ont-elles besoin de la data governance ?

Même si la plupart des organisations disposent de volumes de données stockées numériquement ou physiquement, la plupart de ces données sont dans un format non standardisé. En outre, les organisations ne peuvent pas toujours être sûres de la fiabilité des données en raison de leur âge, de leur source, etc. Les employés ou les chefs d'entreprise hésitent souvent à s'appuyer sur ces données pour prendre des décisions, car ils s'inquiètent de leur qualité. La data governance est un processus qui rend les données d'une organisation fiables. Elle permet également de s'assurer que des informations de haute qualité sont disponibles dans l'ensemble de l'entreprise. Elle permet à chaque service de prendre des décisions sur la base de ces données. La data governance est également le moteur de la transformation numérique d'une entreprise.

Comment les organisations peuvent-elles mettre en œuvre la data governance ?

La mise en œuvre de la data governance pour une grande entreprise peut sembler une tâche compliquée. L'énorme volume de données, les systèmes disparates, les nombreuses personnes impliquées dans la création et la consommation des données, tout cela fait de la data governance une tâche difficile. Il est préférable d'aborder la data governance étape par étape.

Phase 1 : préparer le terrain pour la data governance

Pour préparer la data governance, il est essentiel de commencer par les bases en répondant aux questions suivantes :

Pourquoi

Une entreprise doit d'abord définir la vision et la mission de son plan de data governance. Elle doit également définir les objectifs du programme de data governance : augmentation des revenus, amélioration de la prise de décision ou transparence. Elle doit également déterminer comment mesurer le succès du programme. Une vision claire aide les employés et les autres parties prenantes à voir comment cette initiative de data governance peut avoir un impact sur leur vie professionnelle quotidienne et comment elle peut les aider.

Qui

L'attribution des rôles et des responsabilités est une étape cruciale. Cette étape permet de définir qui sera le principal responsable des différentes tâches liées à la mise en œuvre du cadre de data governance. Souvent, les organisations adoptent une approche à trois niveaux pour mettre en place des équipes de data governance. Le comité de pilotage, le bureau de data governance et le groupe de travail sur la data governance sont trois composantes principales de cette approche. Ensemble, ces groupes décident des prochaines étapes de la mise en œuvre du cadre de data governance.

Comment

Les équipes chargées de la data governance doivent commencer par une analyse du patrimoine de données actuel de l'organisation. D'énormes volumes de données entrent et sortent chaque jour des organisations. Essayer de faire entrer toutes ces données dans le cadre de la data governance n'est pas forcément une bonne idée. Les équipes de data governance doivent donc choisir les actifs de données spécifiques devant être inclus dans le cadre. Par exemple, une société de commerce électronique peut choisir de n'inclure dans un premier temps que l'historique des achats dans le plan de data governance. L'étape suivante consiste à définir les formats de données acceptables et à élaborer des flux de données et des politiques pour l'ensemble de l'organisation. Il s'agit d'un schéma directeur pour une mise en œuvre progressive de la data governance.

Phase 2 : mise en œuvre du plan de data governance

Étape 1 : assurer la disponibilité des données

Les équipes de data governance doivent s'assurer de la disponibilité des actifs de données spécifiques qu'elles souhaitent normaliser et contrôler. Dans les grandes entreprises, les données sont réparties dans différents silos d'informations tels que les systèmes de suivi des clients, les applications de gestion d'entreprise, les registres des ventes et même les systèmes des partenaires. Toutes ces données doivent être facilement accessibles en un seul endroit. Les entreprises peuvent avoir besoin de concevoir un mécanisme d'intégration pour ces ressources de données distribuées.

Étape 2 : assurer l'intégrité des données pour mettre en œuvre la data governance

Des données propres, normalisées et fiables constituent l'élément crucial du cadre de data governance. Pour trouver la définition de données propres et fiables, commencez par demander aux équipes qui consomment les données au quotidien. Demandez-leur quel format de données leur est le plus logique. En fonction de leurs réponses, mettez en place un processus d'amélioration des données en plusieurs étapes, comme indiqué ci-dessous.

• Profilage : seules certaines parties d'un actif de données sont utiles pour les décisions commerciales. Par exemple, la localisation d'un client peut être pertinente, alors que son sexe ne l'est pas. Commencez par définir les composants essentiels d'un actif de données. Puis éliminez tous les éléments sans importance.
• Analyser et normaliser les données : l'un des plus grands défis de la data governance est la diversité des formats de données. Depuis les conventions de dénomination jusqu'aux attributs des données, il peut y avoir plusieurs disparités. Le cadre de data governance devrait inclure une technologie permettant d'analyser et de normaliser les données. Il peut s'agir d'ajouter des balises de données, de normaliser les attributs et de normaliser les conventions de dénomination.
• Enrichir les données : les équipes de data governance doivent s'efforcer d'enrichir les actifs de données. Cela peut impliquer de combiner deux ou plusieurs parties des données en un seul endroit. Cela implique également d'augmenter les données avec des informations et des métadonnées complémentaires.

Étape 3 : assurer la responsabilisation et le respect des politiques en matière de données

Les efforts de data governance ne se limitent pas aux membres des équipes de data governance. Pour qu'un plan de data governance soit couronné de succès, l'ensemble de l'organisation doit y contribuer. Chaque actif de données spécifique doit avoir un propriétaire qui est responsable de l'intégrité de ces données particulières. Ces propriétaires, avec l'aide de politiques et de flux de travail, doivent s'assurer que leurs actifs de données conservent en permanence un niveau de qualité élevé. Cette étape nécessite également un changement de la culture de l'organisation en matière de données pour adopter la data governance. La data governance n'est pas un projet ponctuel. Il s'agit d'un processus continu.

Étape 4 : retour d'information et suivi continus

Les systèmes et les flux de travail pour la data governance doivent faire l'objet d'un suivi et d'un retour d'information continus. Cela s'avère crucial car le cadre de la data governance est un système hybride qui implique des personnes et des technologies. Alors que la technologie a besoin de mises à jour et de corrections de problèmes, les personnes ont besoin d'une motivation et de rappels constants. Le système de retour d'information est essentiel pour évaluer si les efforts de data governance répondent aux critères de réussite et aux objectifs. Si ce n'est pas le cas, cela indique que certains ajustements du cadre de data governance sont nécessaires.

La mise en œuvre d'un cadre de data governance est un processus itératif. Il ne peut être amélioré que par un suivi et un retour d'information continus.

Équipes et rôles de la data governance

La data governance est un concept fortement axé sur les personnes. Plusieurs équipes au sein de l'entreprise sont essentielles pour mettre en œuvre un cadre de data governance. Ces équipes comprennent :

• Le comité de pilotage : il s'agit d'une équipe de haut niveau qui dirige et supervise les efforts de data governance. Le comité de pilotage est souvent composé de cadres supérieurs des finances, du marketing, des ventes ou de la production. Le comité doit inclure au moins une partie prenante de toutes les organisations de haut niveau au sein d'une entreprise. Le comité implique des dirigeants qui ont le pouvoir d'allouer des budgets, d'élaborer des politiques et de faire monter les projets dans la liste des priorités.
• Bureau de la data governance : ce comité de gestion intermédiaire donne des orientations aux efforts de data governance. Les principaux rôles au sein de cette équipe sont le responsable de la gouvernance numérique, un coordinateur et des experts en technologie. Cette équipe travaille ensemble pour rédiger les politiques de normalisation des données, le flux de travail de data governance et les processus. Ils travaillent également avec le service informatique pour relever les défis technologiques liés à la mise en œuvre de la data governance.
• Groupe de travail sur la data governance : ce groupe travaille selon les recommandations du bureau de data governance. Ce groupe comprend généralement des propriétaires de données, un responsable de la qualité des données, des gestionnaires de données, des architectes de données et des analystes. La data governance est en effet un vaste projet qui exige la coopération de diverses équipes et personnes.

Quels sont les avantages de la mise en œuvre d'un système de data governance ?

La mise en œuvre d'un système de data governance présente de nombreux avantages :

• De meilleures décisions commerciales : la data governance permet aux décideurs d'accéder à des données propres et fiables. Elle leur permet de prendre des décisions cohérentes et sûres.
• Augmenter l'efficacité de la main-d'œuvre : avec des données normalisées disponibles dans toute l'entreprise, les équipes peuvent éviter la duplication des efforts. Tout le monde profite du cadre de données, et cela augmente l'efficacité globale.
• Sécurité des données : la data governance crée un niveau plus élevé de responsabilité autour des données. Chaque actif de données aura un propriétaire et un cycle de vie défini. Cela réduit les risques de violation ou d'utilisation abusive des données.
• Monétisation des données : grâce à la data governance, les entreprises peuvent libérer le pouvoir des données précieuses qu'elles collectent et génèrent. Des données fiables, normalisées et classées peuvent être utilisées pour de nouvelles sources de revenus.
• Éviter les violations liées aux données : avec des réglementations strictes en matière de protection des données, de nombreuses entreprises trouvent qu'il est difficile de contrôler les flux de données et finissent souvent par violer les réglementations en matière de protection des données. Avec un cadre de data governance très mature, chaque actif de données est comptabilisé, géré et possédé.

Quels sont les défis de la data governance et comment les relever ?

Défi 1 : personnes et perspectives

Souvent, dans les entreprises, le véritable potentiel des données de haute qualité est sous-estimé. Les employés sont souvent occupés par les activités opérationnelles et négligent les avantages du plan de data governance à long terme.

Solution : avoir une vision et une mission claires en matière de data governance.

Pour que les gens apprécient la nécessité et les avantages d'un plan de data governance, ils doivent avoir une compréhension approfondie de sa raison d'être. La mission et les objectifs de la data governance doivent être pratiques et simples, plutôt que fondés sur des termes abstraits.

Défi 2 : dépendance excessive à l'égard des équipes technologiques

Souvent, les organisations poussent les efforts de data governance vers les équipes centrées sur la technologie, comme l'informatique. S'il est vrai que l'équipe informatique peut être impliquée dans les efforts de data governance, elle n'est pas la seule partie prenante d'une stratégie de data governance.

Solution : combinez les efforts des entreprises et des services informatiques en faveur de la data governance.

Libérez l'informatique de la charge de la mise en œuvre et de la maintenance du plan de data governance et impliquez les équipes commerciales. Alors que l'informatique fournit l'infrastructure technologique, l'entreprise doit définir et appliquer des processus et des flux de travail pour tirer le maximum d'avantages commerciaux des données.

Défi 3 : silos de données et implémentations incohérentes

Les silos de données constituent un défi de taille pour la data governance. Dans de nombreuses entreprises, les données peuvent appartenir à différentes équipes et être stockées sous différents formats. Même avec un cadre de data governance en place, certaines équipes peuvent prendre du retard et ne pas adhérer à la norme.

Solution : la décentralisation des données et un changement culturel.

L'étape cruciale pour parvenir à la data governance consiste à déplacer les données des silos et à les intégrer dans un cadre centralisé de data governance. En outre, la data governance n'est pas seulement un projet mais une activité permanente. Par conséquent, il doit y avoir un changement culturel dans l'organisation qui favorise les données de haute qualité.

Défi 4 : pratiques de data governance et confidentialité des données

L'un des avantages du cadre de data governance est que des données de haute qualité sont disponibles pour toutes les équipes. Toutefois, s'il n'est pas correctement géré, cet accès universel à l'information peut entraîner des problèmes de confidentialité des données.

Solution : une propriété et une responsabilité strictes des données.

Les systèmes de data governance doivent séparer les différents niveaux de données avec des droits d'accès appropriés. Par exemple, les dossiers médicaux des clients du secteur de la santé doivent être considérés comme des données sensibles. Une organisation qui utilise les données de ses clients par le biais d'un système de data governance doit informer correctement ses clients du type de données qu'elle stocke et utilise. Il ne devrait pas y avoir d'utilisation secondaire des données. Les données collectées dans un but précis ne doivent pas être utilisées dans un but totalement différent.