Introduction :

Dans cet article, je partagerai avec vous notre approche sur la mesure de la maturité Data Catalogue. Pour cela je vous propose de

  • Revenir sur la notion de maturité data gouvernance
  • Illustrer cette notion grâce à quelques modèles du marché
  • Analyser comment appliquer un modèle dans votre entreprise, communiquer autour de celui-ci et en évaluer les résultats
  • Nous pourrons ainsi comprendre l’importance et la puissance de cette approche pour factualiser les actions à entreprendre lors de l’implémentation de votre initiative de Data Catalogue.

CONCEPTS DE BASE

Lorsque nous cherchons à modifier un état, il est essentiel d’analyser l’existant, le point départ. En effet, comment atteindre une cible si nous ne connaissons pas les différentes étapes pour y arriver? comment définir les étapes si nous ne connaissons pas le point de départ.

C’est pourquoi, la première étape d’une démarche de data gouvernance consiste en la prise de conscience de son niveau de maturité, quel qu’il soit.

Qu’est ce que la maturité? Le Larousse nous dit que la maturité est “un état de l’esprit, d’un talent qui est parvenu à la plénitude de son développement.”

Évaluer sa maturité de gestion des données consiste donc à mesurer la capacité de l’organisation à gérer ses données à un instant donné.

Ou, comme le dit la référence de tout praticien de la data gouvernance “Une méthode pour classer les pratiques de traitement des données au sein d’une organisation afin de caractériser l’état actuel de la gestion des données et son impact sur l’organisation.”  DMBOK, Data Management Body of Knowledge, 2nd edition

En plus d’apporter une vision précise et factuelle des forces et faiblesses de la gestion des données, l’évaluation de la maturité de gestion des données permet de :

  • Identifier, prioriser et implémenter les opportunités d’amélioration
  • Faciliter la communication interne autour des initiatives de data management en mettant en lumière les concepts, pratiques…

Différents modèles d’évaluation coexistent sur le marché pour évaluer votre maturité. Chaque modèle:

  •  Dispose d’un nombre de niveaux différents (entre 4 et 6) avec chacun ses propres caractéristiques, champs d’actions ou démarche.
  • A ses avantages et inconvénients. En effet, ces approches (très souvent payantes) font partie des services proposés par des bureaux de conseils ou éditeurs. Ainsi certains seront plus adaptés à votre démarche / votre secteur / votre organisation.

De manière totalement arbitraire et non exhaustive, nous en retenons 3 afin d’avoir une idée de l’approche générale :

  • Le modèle Oracle Data Gouvernance
  • Le modèle Gartner EIM Maturity Model
  • Le modèle CMMI DATA MANAGEMENT MATURITY MODEL

ORACLE DATA GOUVERNANCE

Ce modèle contient 5 niveaux de maturité

  •  “Rien”, aucun processus de gouvernance
  • “Initial”: L’IT a l’autorité sur la data avec peu d’implication métier
  • “Managed” certaines lignes métiers sont impliquées avec des Data Owners/Stewards. La gestion de la data est en mode réactif
  • “Standardized” : une organisation data est en place et transversale. Les processus de gestion sont établis.
  • “Advanced” l’organisation data se situe au niveau enterprise, la data gouvernance est considérée comme critique dans toutes les fonctions et des objectifs quantitatifs sont définis et atteints
  • “Optimized”:  la data gouvernance est au cœur de tous les sujets. Les décisions sont prises sur la base de la data et chaque acteur est conscient des enjeux et des processus

Ce modèle peut être implanté grâce à trois étapes :

  •  “Explore” phase durant laquelle on comprend et priorise les besoins en data gouvernance, on crée le planning d’implémentation et on établi un data governance council
  • “Expand” on étend la data gouvernance dans l’entreprise avec un focus clair sur la valeur ajoutée apportée aux métiers
  • “Transform” optimisation des coûts liés à la qualité de la donnée. Tous les aspects du data management sont en ligne avec les besoins métier

GARTNER EIM MATURITY MODEL

Présenté pour la première fois en décembre 2008, le modèle de maturité de Gartner examine la gestion des données dans son ensemble.

Le modèle comporte 6 phases de maturité, chacune ayant ses propres caractéristiques et actions

  •  Niveau 0 “Unaware”: rien n’existe clairement autour de la data gouvernance
  • Niveau 1 “Aware”: l’entreprise prend conscience de la nécessité de s’organiser autour de la data. Les métiers commencent à saisir la valeur de la donnée mais tout est à l’état embryonnaire
  • Niveau 2 ”Reactive”: les métiers ont clairement conscience de la valeur de la donnée. La donnée est partagée entre système et département avec des propriétaires identifiés. On commence à mesurer des indicateurs mais les actions de font toujours en mode réactif.
  • Niveau 3 “Proactive”: La gestion des actifs de la donnée font partie du quotidien des data owners et stewards. L’organisation de la data gouvernance est formalisée et encadrée par des polices et procédures. La gouvernance data est au cœur de tous les projets.
  • Niveau 4 “Managed”: la donnée est vue comme un actif critique de l’entreprise. Les procédures sont partagées et connues de tous les acteurs. Les indicateurs sont développés et partagés à travers des tableaux de bord
  • Niveau 5 “Effective”: la data est considérée comme un avantage compétitif. Des SLA autour de la data (rafraîchissement, qualité, reporting) sont en place

En terme d’implémentation, l’approche est divisée en 7 étapes:

  •  La vision:  les objectifs et la structuration de l’initiative
  • La Stratégie: Le plan à long terme qui permettra la réalisation de cette vision
  • Les indicateurs: les éléments qui vont démontrer la valeur ajoutée
  • La Gouvernance: les principes de gestion de la data sont établis
  • Rôles et responsabilité: L’organisation ainsi que les rôles et responsabilités sont définis
  • Cycle de vie: l’architecture et les flux de données sont établis
  • Infrastructure: les technologies servent la donnée

CMMI DATA MANAGEMENT MATURITY MODEL

Le modèle CMMI (Capability Maturity Model Integration)  dispose d’une assise solide : il a été élaboré par un consortium inter-entreprises et basé sur les travaux de plus de 50 contributeurs. Il est également inspiré du  DAMA et les concepts du DMBoK

Ce modèle est très complet : il peut même être considéré comme un recueil de process, bonnes pratiques et idées. Il fait un focus sur les Process areas auxquelles vous appliquez votre modèle de maturité.

  • Stratégie de gestion des données
  • Gouvernance des données
  • Qualité des données
  • Plateforme et architecture
  • Opérations de données
  • Processus de soutien

Cette approche très granulaire nécessite cependant une charge de travail conséquente.

CMMI est également sur 5 niveaux:

  •  Initial: approche très ad-hoc des opérations autour de la data
  • Managed: les acteurs sont identifiés, les data policies et process sont en place
  • Defined: Les standards et processus sont implémentés de manière consistante. La donnée devient critique pour l’organisation
  • Quantitatively Managed / Measured: les indicateurs sont définis et mesurés. La donnée devient un avantage compétitif.
  • Optimized: Les processus sont également optimisés, les bonnes pratiques sont en place et partagées

Cette approche de focus sur les process recoupe largement la notion de data management framework illustré dans la ROUE DAMA (The DAMA-DMBOK2, data management framework.)

APPLIQUER LE MODÈLE DANS VOTRE ENTREPRISE

Alors comment appliquer ces modèles dans votre entreprise ? voici les étapes à suivre :

  • Sélection: définir, parmi tous les modèles existants, celui qui conviendra le mieux à votre organisation. Plusieurs paramètres sont à prendre en compte : Aspect budgétaire, flexibilité du modèle, alignement avec votre approche data gouvernance, reconnaissance du modèle dans votre secteur. Lorsque vous aurez sélectionné un de ces modèles, une étape de personnalisation du questionnaire est à prévoir. En effet, la série de questions proposées est standard, il est intéressant de la compléter pour mettre des emphases particulières sur des problématiques inhérentes à l’organisation.
  •  Effectuer l’évaluation: premièrement identifier le public cible afin d’être sûr que vos interlocuteurs soient à même d’apporter une vue sur la situation actuelle. Ensuite l’évaluation en elle-même pourra se faire de différentes manières, soit via des réunions, des interviews, des sondages. L’interview permet bien évidemment un travail plus qualitatif mais c’est aussi l’approche la plus chronophage…
  •  Analyse et visualisation des résultats, en général on restitue les résultats via un graphe en forme de toile d’araignée qui fournit une vue globale. Ce premier jet devient dès lors la base de référence pour mesurer l’évolution de la maturité. Vous analyserez également les forces et faiblesses derrière ces résultats ainsi que le besoin de ressources. Bien sûr, cette analyse doit être mise en relation avec deux éléments
  • La cible à atteindre : elle doit être définie en amont et est spécifique à chaque entreprise / chaque secteur. Ainsi une entreprise soumise à des contraintes particulières (secret défense, directive bancaire ou assurantielles) n’aura pas les mêmes objectifs qu’une société “lambda”
  • Les bests practices du secteur : c’est tout l’enjeu d’utiliser une matrice de maturité reconnue dans son secteur : non seulement le questionnaire sera plus pertinent mais des analyses sectorielles pourront servir de bases de comparaison.
  •  Actions: Comme pour tout projet, en analysant l’écart entre la situation actuelle et la situation désirée on pourra constituer une feuille de route. Basé sur les résultats, votre plan d’action à moyen et long terme doit vous permettre d’augmenter votre niveau de maturité et surtout le faire valider par le management afin de sécuriser les ressources et budgets de vos sponsors..

Deux points d’attention concernant votre plan d’action:

  •  Il est évident que les ressources jouent un rôle crucial dans l’exécution de votre plan. Il n’est pas rare que les plans s’étalent sur 12 à 24 mois selon votre maturité de départ.
  • Le focus. Selon la taille et la complexité de votre organisation, vous risquez de ne pas pouvoir adresser tous les processus de l’entreprise en une seule fois. Il vous faudra alors situer la démarche au niveau de process spécifiques (Par exemple l’envoi des commandes), au niveau d’une discipline (Data management ou data gouvernance) ou alors au niveau d’un département. L’important étant de ne pas vouloir tout améliorer tout, tout de suite mais bien de prendre le temps de définir votre base de référence et votre but identifier le chemin à suivre.

Ensuite, au fil du temps, reprendre cette approche afin de recréer une nouvelle base de référence et ainsi rentrer dans une démarche d’amélioration continue. Cette notion est essentielle.

En effet, plus vous gagnerez en maturité, plus la qualité et/ou l’efficacité de vos process, disciplines ou départements ira croissante … tandis que les risques liés à vos opérations auront tendance à diminuer.

Bien sûr cette démarche ne peut être une réussite que si vous faites un focus particulier sur la communication !

COMMUNIQUER VOTRE PLAN D’ACTION

La communication est au cœur de la réussite de votre initiative. En effet, bien que le sujet soit évident prégnant depuis de nombreuses années, il aà commencé seulement récemment à déborder le cadre de l’expertise pour aller dans les sphères plus fonctionnelles. Dès lors, il faut que chacun soit sensibilisé aux tenants et aboutissants de cette démarche et ce à chacune des étapes décrites ci-dessus.

Ainsi la communication des résultats et actions à entreprendre vont aider à la compréhension et l’adoption au sein de votre organisation!

Il est généralement observé que cette communication se déroule à deux niveaux :

  •  Au niveau entreprise à travers le partage d’une feuille de route permettant à chaque employé de comprendre pourquoi on travaille sur la data gouvernance et quelles sont les grandes étapes. Des outils tels que l’intranet de l’entreprise, les newsletters sont tout à fait adaptés à ce niveau de communication. Ça permettra également de mettre en corrélation les objectifs business avec votre initiative. Le fameux what’s in it for me!
  • Au niveau sponsors et acteurs, la communication devra être plus détaillée et plus fréquente afin que tout à chacun ai bien conscience du statut de l’initiative, des risques et surtout des succès. Plus votre communication sera transparente, plus l’indice de confiance sera élevé.

Notre modèle

Si on reprend l’approche CMMI/DAMA, on constate que la Data Gouvernance repose sur de nombreuses thématiques : architecture, analyse de données, stockage, sécurité…

DataGalaxy adresse la partie MetaData management, c’est-à-dire le data catalogage.

Comme pour la démarche de Data Gouvernance, il est nécessaire de pouvoir objectiver le déploiement d’un data catalogue.

Ainsi, nous nous sommes fortement inspirés de ces modèles de maturité pour développer notre propre vision sur la maturité de votre démarche de catalogage des données.

Notre modèle se base sur un constat : une démarche de data catalogage ne saurait être un succès que si nous deux axes sont pris en compte:

  •  Le premier axe est celui de la maturité patrimoniale qui reflète la connaissance des données d’un point de vue technique et fonctionnel dans votre entreprise
  • Le second axe est celui de la maturité culturelle afin que chaque acteur comprenne son rôle et ses responsabilités au sein de la chaîne de la valeur de la donnée.

Basé sur notre expérience et interactions avec nos clients, nous avons pu déduire les différents niveaux de maturité d’une démarche de data catalogue à savoir

  •  L’anarchie: pas de catalogue, peu ou pas de rôle data identifié dans l’entreprise
  • L’inventaire: les métiers perçoivent le besoin de comprendre la data et certaines lignes métiers ou initiative adressent ce point.
  • La cartographie: on gagne en maturité, votre data catalogue s’enrichit avec des définitions et/ou des contextualisations. Les prémices d’une organisation data se dessinent dans l’entreprise. On communique sur l’importance de la data
  • Le Management: les équipes data sont en place, les règles de gestion définies, mesurées et communiquées. La data est au coeur de vos activités
  • La Gouvernance 2.0: elle n’est pas une fin en soi. Ce niveau est l’aboutissement de votre première itération et va devenir votre nouvelle base de référence pour initier le cercle vertueux de l’amélioration continue autour de la data.

L’évaluation de la maturité

Pour évaluer votre maturité sur ces deux axes (et ainsi vous positionner dans notre modèle), nous appliquons la même approche que pour les modèles de maturité Data Gouvernance : une série d’indicateurs montrant votre niveau de maturité. Ces indicateurs servent, dans votre enquête ou sondage de point d’évaluation

Par exemple “Est-que tous les attributs de mes termes métiers sont remplis” et une échelle de réponse de 0 à 5 (où 0 est jamais et 5 toujours) En fonction du score obtenu vous pourrez vous positionner sur votre échelle de maturité ét prendre les bonnes actions pour évoluer.

No alt text provided for this image

Vous obtiendrez une vue de la maturité de votre démarche data catalogue qui pourra être partagée à travers vos différents canaux de communication!

Dans cet exemple, on voit clairement un data catalogue métier où le glossaire et les usages sont des axes prioritaires, mais il y a encore des pistes d’évolution avec la documentation des aspects techniques.

 Exploitation

De la même manière que pour les modèles d’évaluation de la maturité data gouvernance, le modèle d’évaluation de la maturité de votre démarche de catalogue va vous permettre de :

  • Factualiser votre démarche
  • Identifier plus facilement les axes d’amélioration. En effet les deux approches (data gouvernance et data catalogue) s’inscrivent vraiment dans une approche itérative d’amélioration continue de vos processus d’entreprise.
  • Faciliter la comparaison entre organisations soumises aux mêmes besoins et contraintes

Ainsi, nous pouvons vous indiquer que la majorité des entreprises avec lesquelles nous travaillons ou prospects avec lesquels nous échangeons se trouvent autour du niveau inventaire. Bien sûr, il s’agit d’une moyenne. Ainsi certains secteurs (bancaire, assurance) sont en avance.

Conclusion

Comme nous l’avons vu, une Matrice de maturité de la Data Gouvernance, est clairement un outil, un levier de votre initiative data. Sans elle, la factualisation et l’objectivation de votre démarche sont difficiles.

Ce type d’outil peut facilement être adapté pour objectiver votre approche de Data Catalogue, pilier d’une démarche de Data Gouvernance.

Le modèle que nous avons développé met l’emphase non pas tant sur les niveaux à atteindre que sur l’articulation entre maturité patrimoniale et maturité culturelle.

En effet, comme nous l’avons constaté, ce type d’approche embarque votre organisation dans une transformation qui sera basée majoritairement sur l’humain.

Rédacteur de l’article : Laurent Dresse, Evangéliste Data Gouvernance et Head of Consulting chez DataGalaxy.