1. 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, et leur protection vis-à-vis d’une utilisation non autorisée ou frauduleuse
2. Une approche adaptative : 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. Une promotion de la donnée et de la science de la donnée dans un objectif de performance business : les points de différenciation et les points de douleur de l’entreprise sont un terrain favorable pour développer et accompagner l’usage de la data science notamment au travers d’analyses fines du marché et des clients, de la conception/ amélioration des produits, de la performance des processus, de la performance des fournisseurs et plus globalement de la Supply chain, de la maîtrise des projets, …
4. Une intégration aux gouvernances existantes : on l’a 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. 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 de la donnée porte ainsi sur ses épaules un défi commun au pilotage de la performance, à la gestion de la qualité et à la gestion des connaissances, à savoir définir des objectifs, des standards, des rôles et responsabilités sur les données. Mais pour servir les enjeux de l’organisation, son défi principal est de promouvoir la transversalité et d’accompagner un usage et un enrichissement « dé-siloté » et collaboratif de la donnée
6. L’anticipation d’une révolution copernicienne par la donnée. Plusieurs révolutions vont challenger fortement la gouvernance de la donnée. Elles posent des questions pour lesquelles à ce stade on n’a que des pistes de réponses
a) L’ouverture massive de la donnée : comment concevoir la gouvernance de la donnée 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
b) L’effacement des frontières de l’entreprise dans un écosystème de plus en plus interactif, co-décisionnel : entreprise & partenaires, entreprise & clients, etc.
c) La convergence produit / Data : déjà présente dans certains secteurs, elle se propagera et impliquera une mutation de la « data gouvernance » en véritable « product management »
d) La convergence Data / IA : Cette convergence dessine un bouleversement potentiellement vertigineux du triptyque « hommes – méthodes – machines » avec l’automatisation, l’autoadaptation, l’autonomisation des processus et de certaines décisions pouvant aboutir à une fusion entre processus et data
e) Dans tous les cas, ces révolutions militent pour une 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