Gouvernance des Données

De la Donnée à la… sagesse

Le modèle d’Ackoff (DIKW)

• La donnée.
• L’information.
• La connaissance.
• La sagesse.

Les caractéristiques singulières de l’information

Le business de la Donnée

Pourquoi et comment les données portent la transformation de secteurs clefs de l’économie

• Dans la finance.
• Dans l’industrie ou la santé.
• Dans l’administration.
• Dans la distribution et l’e-commerce.

Rôle des données dans la transformation numérique

• Les données au cœur des nouveaux business models.
• La valeur des données dans la nouvelle économie.

Rôle des données dans l’innovation

• Les Datas : source d’innovation ?
• Les nouvelles formes de données (non structurées, issues de l’IoT.
• La Data au cœur des nouveaux usages.

L’économie de la donnée

• Valorisation des patrimoines informationnels.
• Monétisation des données...

Exemples : les parcours clients

Pourquoi gouverner la Donnée ?

Intérêts business : la qualité pour la performance

• Efficacité et efficience.
• Performance économique.
• Disponibilité et continuité de service.

Nécessité business : donner confiance

• Confidentialité, anonymisation.
• Indice de confiance : pourquoi il est majeur.
• Sécurité / confiance : Blockchain.

Sécurité business : limiter les risques

• Sécurisation, vol…
• Utilisation abusive : quels sont les risques ?
• Recherche de responsabilités.

Nécessité légale : respecter les lois

• Etat des lieux des cadres règlementaires : données personnelles, données financières, solvabilité.
• Réglementations régionales.

Exemples : la maîtrise des risques

• BALE.
• SOLVENCY.
• Etc.

Cycle de vie de la Donnée

Acquisition

• L’évolution des capacités d’entrée.
• De la saisie à l’acquisition automatique (dont IOT).
• La consommation.

Qualification

• Contrôle et gestion de la qualité des données.
• Gestion des non conformités (rejets / recyclage).
• Redressement.

Sécurisation

• Notion de données personnelles, sensibles.
• Décisions de cryptage, anonymisation, pseudonymisation.

Transformation, enrichissement, fabrication

• Données calculées, générées.
• Données et processus métiers…

Transmission, échange

• Batch.
• API.
• Services.

Utilisation

• Exploitation dans les systèmes opérants.
• Exploitation décisionnelle : de la Business Intelligence au Business Analytics ?
• Conservation : journal, historique, archivage, archivage probant.
• Etc.

Inutilisation

• Données non exploitables.
• Données parasites.
• Données non ou partiellement exploitées : quid des Data Lakes ?

Représentation, visualisation

• Business Intelligence.
• Data Visualisation.
• Business Analytics.

Traçabilité

• Les contextes de traçabilité : les applications, les flux, la traçabilité de bout en bout.
• Cas de la Blockchain : une nouvelle référence ?

Comment gouverner la Donnée ?

Définir et documenter

• Les types de données : référentielles, transactionnelles, décisionnelles.
• Données structurées, non structurées, transtructurées.

Modéliser

• Les métadonnées.
• Les objets métiers.
• Les données dans les processus.
• Les données des applications : la représentation des données, les flux.
• Les nouveaux modèles de données : étoile écrasée ou Big Table, Hub-Link-Satellite.

S’organiser pour gérer : rôles et responsabilités des acteurs

• Le rôle de propriétaire des données.
• Le rôle du responsable des traitements.
• Le rôle de pilote de la qualité et de la sécurité des données.
• Les rôles de gestion opérationnelle des données.
• Les nouveaux rôles de Chief Data Officer / Data Steward.
• Le RSSI / le DPO (délégué à la protection des données).
• Les Data Scientists.
• La comitologie.

Outiller : les solutions de gouvernance des données

• Les composantes : Master Data Management, Data Quality Management.
• Les pure players.
• Les solutions intégrées.

Partager : Les solutions de partage des données

La Gouvernance des Données par rapport à la gouvernance globale

Les données au sein de la gouvernance du SI

• Les données et COBIT5.
• Les données et TOGAF 9.1.
• Les données, BISL et le BABOK.
• Etc.

Démarches existantes et limites

• Data Management Body Of Knowledge.
• Data Governance Institute.
• IBM Governance Council.
• Enterprise Information Management.
• Le Data Management Maturity Model.
• Non Invasive Data Governance.
• Une approche des solutions de management des données : MIKE-2.
• Les cadres de gouvernance et les PME : rester pragmatique.

Organiser la Gouvernance des Données

• De la Gouvernance des Données à la gouvernance des projets.
• Supervision des opérations sur les données.
• Les organisations de Gouvernance des Données.

Etablir la fonction de Gouvernance des Données

• Etablir la politique des données.
• Etablir une charte : objectifs, organisation, comités, rôles et responsabilités.
• Définir les indicateurs et le reporting.

Mettre en place une Gouvernance des Données

Faire un état des lieux

• Identifier la maturité de l’entreprise ou de l’organisation.
• Recenser les actions réalisées.
• Recenser les actions identifiées et pas faites.
• Cartographier les risques et opportunités.
• Recenser l’outillage existant.
• Recenser les acteurs.

Identifier le prétexte à la prise de conscience (pourquoi ?)

• Identifier les enjeux métier opérationnels et stratégiques (y compris économiques).
• Identifier les freins métiers et IT.
• Évaluer les coûts d’une absence de Gouvernance des Données.

Identifier les rôles et responsabiliser des acteurs (qui ?)

• Les fonctions obligatoires.
• Les qualités requises pour les acteurs.
• Le rôle de chacun.

Outiller

• Harmoniser et rationnaliser l’existant.
• S’outiller progressivement.

Mettre en œuvre sur l’existant

• Cibler des Quick Win en fonction des problèmes.
• Prioriser les constituants du pilotage opérationnel.
• Etablir une Roadmap en fonction des gains opérationnels.
• Déployer progressivement et accompagner le changement.
• Intégrer le sujet des données dans les comités de gouvernance des processus.

Mettre en œuvre sur les nouveaux périmètres

• Inscrire la qualité des données dans la charte de l’architecture d’entreprise.
• Intégrer la cartographie des données dans les processus métier et dans le Système d’Information.
• Définir et déployer les cadres d’exigences des données.
• Lancer / compléter le dictionnaire d’objet métier.

Partager et valoriser

• Produire et expliquer les indicateurs : les données sur la Gouvernance des Données.
• Mesurer le retour sur investissement de la Gouvernance des Données.
• Rendre compte de la progression.
• Animer la communauté des parties prenantes et des acteurs.
• Valoriser l’action.

L’ensemble des thèmes abordés sera illustré au travers d’exemples et de cas concrets.