Gouvernance des données : définition et principes clés
La gouvernance des données est un levier majeur pour améliorer la performance et accélérer la transformation des entreprises. En effet, la donnée est aujourd’hui un actif majeur des entreprises avec des caractéristiques très particulières . Elle est facile à échanger et a une valeur unitaire souvent faible et/ou éphémère. De plus, la donnée est facile à pirater, peu connue des utilisateurs ou bénéficiaires, intangible, et parfois difficile à localiser, etc.
Chez iQo, nous accompagnons la Stratégie Data des entreprises au travers d’un meilleur cadre d’exploitation des données pour ouvrir sur de nouvelles perspectives de valorisation en interne et vis-à-vis des clients et des partenaires.
Sommaire
La gouvernance des données : pour gérer un actif stratégique des entreprises
La gouvernance des données peut devenir un levier de performance et de transformation des entreprises, notamment au travers :
- d’un meilleur ciblage commercial
- de la conception de produits et services innovants et le challenge du business-model
- de la mise sous tension et l’agilité du système de production, grâce à la mesure en continu et l’échange de données avec l’écosystème (OpenData et Data Supply Chain)
- d'une approche Data For Good pour renforcer les enjeux de RSE
- de l’amélioration de la relation / information clients et partenaires
- d‘une amélioration du pilotage stratégique des entreprises et de la prise des décisions au travers de l’analyse des données
- de l'amélioration de l'expérience collaborateur
Que faut il attendre d’une bonne gouvernance des données ?
La gouvernance des données est d’abord un cadre organisationnel qui permet d’organiser la création, le stockage et la gestion des données pour garantir leur disponibilité, leur cohérence, leur utilisabilité, leur intégrité et leur sécurité. Avec comme objectif de gérer la donnée comme un « produit » répondant au besoin des métiers, des clients et des partenaires.
6 principes pour organiser la gouvernance des données
1. Définir un cadre de gouvernance des données
À partir du moment où la donnée devient une source de revenus et/ou de performance, son exploitation doit être suivie et pilotée. Le cadre de gouvernance des données en charge de ce suivi doit garantir l’atteinte des objectifs business de la donnée ainsi qu’une qualité et une sécurité des données irréprochables.
Cela passe par la prise en compte de plusieurs dimensions clés :
- leur fiabilité en termes de qualité
- leur intégrité en termes de préservation
- leur disponibilité à toute heure et en tout lieu
- leur protection vis-à-vis d’une utilisation non autorisée ou frauduleuse
2. Adopter une approche adaptative de votre gouvernance des données
Selon la complexité des activités et le niveau de maîtrise de la donnée ou des pratiques d’analyse, la gouvernance des données doit adopter un style pouvant aller du « commandement » à la délégation / autonomisation des utilisateurs et bénéficiaires de la donnée.
Ce choix n’est pas unique pour l’entreprise. Il doit être défini pour chaque périmètre d’usage (fonctions ou processus), réévalué dans le temps et adapté si nécessaire dans une logique agile.
3. Promouvoir la donnée et la data science dans un objectif de performance business
Les axes de différenciation et les pain points » de l’entreprise sont un terrain favorable pour développer et accompagner l’usage de la data science notamment au travers de :
- l'analyse fine du marché et des clients
- la conception/ amélioration des produits
- la performance des processus
- la Supply chain
- la maîtrise des projets
4. Intégrer la gouvernance des données aux gouvernances existantes
Nous l’avons vu : la donnée s’impose de plus en plus comme un sujet clé pour l‘entreprise. Il se rajoute à d’autres sujets structurants comme un nième sujet qui peut aboutir à une nième strate de gouvernance des données.
Un défi majeur est d’intégrer cette gouvernance le plus possible aux gouvernances existantes et de favoriser l’acculturation pour ne pas donner le sentiment « d’ajouter une couche » à un dispositif de pilotage qui a besoin d’agilité.
5. Privilégier une approche collaborative
La donnée est le fruit d’un processus, d’une transversalité, pouvant aussi bien impliquer les différentes fonctions internes de l’entreprise que les partenaires ou les clients.
La gouvernance des données porte ainsi sur ses épaules un défi : définir des objectifs, des standards, des rôles et responsabilités sur les données. Ce défi est commun :
- au pilotage de la performance
- à la gestion de la qualité
- à la gestion des connaissances
6. Anticiper une révolution copernicienne par la donnée.
- L’ouverture massive de la donnée. Comment concevoir la gouvernance des données lorsque les entreprises s’inscriront massivement à des « Data LinkedIn », lieu ou des « recruteurs de données » assureront la mise en relation d’acteurs économiques pour partager, commercialiser, augmenter leurs données ? Quel impact aura cette ouverture sur la business value de la donnée ? Cela passera probablement par un renforcement des pratiques de Data Lifecycle Management et plus globalement d’Information Lifecycle Management.
- L’effacement des frontières de l’entreprise dans un écosystème de plus en plus interactif, co-décisionnel : entreprise & partenaires, entreprise & clients, etc.
- La convergence produit / Data. Déjà présente dans certains secteurs, elle se propagera et impliquera une mutation de la « data gouvernance » en véritable « product management ».
- La convergence Data / IA . Cette convergence dessine un bouleversement potentiellement vertigineux du triptyque « hommes - méthodes - machines » avec l’automatisation, l’auto-adaptation, l’autonomisation des processus et de certaines décisions pouvant aboutir à une fusion entre processus et data.
- La convergence des gouvernances technologiques (IT, data, IA) et métier. Elle nécessitera l’édification de nouvelles normes plus ouvertes sur l’extérieur et une révolution dans les compétences régaliennes et opérationnelles de l’entreprise.
La gouvernance des données au travers d'une intégration stratégique
Arrivé à ce stade on comprend qu’en raison de son potentiel considérable, mais aussi des défis qu’elle représente pour l’entreprise, l’exploitation de la donnée doit impérativement alimenter la réflexion stratégique des entreprises.
Cela est d’autant plus vrai que son utilisation massive peut infléchir le business model et donc le positionnement stratégique de l’entreprise. Et les évolutions technologiques en cours ou à venir, pourvoyeuses de quantités phénoménales de données, ne feront que renforcer cette tendance !
Data & IA
Jérôme PRIOUZEAU
Associé iQo
son profil LinkedIn