La DataGouvernance, pierre angulaire de la transformation data-driven, est la cause de bien des malentendus et d’échecs de projets de transformation.
DataGalaxy propose la première plateforme pour accompagner les organisations dans la réussite de cette transformation.
L’approche unique de DataGalaxy s’appuie sur deux axes indissociables :
la prise en compte de la maturité culturelle data des équipes et une mise en oeuvre agile de la gouvernance des données.
Découvrons votre point de départ et faisons évoluer votre maitrise des données au niveau supérieur !
Constat
Avec un telle expertise pour la collaboration et l’acculturation comment avez vous pu passer à côté de l’aspect documentation des données ? Allez, avouez, vous n’êtes pas vraiment à cet endroit de la matrice !
Aucun – préoccupez vous plutôt de passer dès que possible au niveau 2.
Et si vous cochiez une autre case mais en jouant franc-jeu cette fois ?
Constat
La collaboration fonctionne plutôt très bien dans votre organisation. Néanmoins, du point de vue de la documentation des données, tout n’est pas clair. Pas d’inquiétude, votre position est plutôt encourageante et va vous permettre d’avancer rapidement.
Le seul indicateur disponible est le nombre d’objets recensés.
Cet indicateur suivra probablement une courbe par palier sur les données techniques, chaque scan d’une nouvelle source apportant un nombre d’objets considérables. Pour les données métier, la courbe ressemblera plutôt à une courbe logarithmique avec une progression lente mais constante.
Puisque vous avez recensé et défini bon nombre de données, il devient important de les classifier par domaine. Ceci vous permettra notamment d’assigner des propriétaires. Vous pouvez également voir qui pourrait s’occuper de certaines propriétés de façon transverse (par exemple sur les données personnelles). Mettre en œuvre une telle organisation matricielle permet d’accélérer le déploiement global (attention à bien coordonner les actions).
Constat
Avec votre capacité à collaborer et partager les connaissances il est étonnant que vous ne soyez pas plus avancé sur la maturité patrimoniale de vos données. Est-ce-que vous avez bien pris en compte les spécificités de gérer et partager la connaissance des données ? Peut-être ne disposez vous pas du bon outil ou son déploiement est il incomplet ?
Remplissage des attributs : cet indicateur reflète la complétude des informations. Plus vous avez d’attributs renseignés, plus riche est votre référentiel de données
Nombre d’objets par attribut : pour les attributs monovalués, cet indicateur vous permettra de comprendre la répartition des objets par valeur. Vous pouvez par exemple répartir la charge de maintenance de façon équitable entre les différents stewards.
Vous pouvez également vous intéresser au nombre de Domaines (les Domaines vous permettent d’organiser vos objets de façon transverse et vous permettent de connaître le niveau d’organisation de votre patrimoine).
Réalisez un mini audit de votre outil de gestion de la connaissance des données.
S’il s’agit d’un wiki par exemple, nul doute qu’il représente un vrai frein dans votre cheminement vers la gouvernance. Choisissez un outil efficace sur le rapatriement des données techniques, qui permet l’enrichissement des informations et surtout qui soit spécifique à le gestion de la connaissance des données (Data Catalog évolutif ou plateforme de gouvernance) : cet outil devra vous permettre d’atteindre votre objectif de maturité sans avoir à en changer dans les prochains mois.
Constat
Avec l’adhésion de toute votre entreprise, vous êtes clairement en très bonne voie pour parvenir à cette gouvernance 2.0. Il reste à mettre en oeuvre les cycles de vie de la donnée pour permettre de s’inscrire dans un cercle vertueux – plus fluide – de mise à jour continue.
Le “Pourcentage de règles suivie (mesurées)” – c’est-à-dire pour lesquelles vous disposez d’un chiffre à une fréquence mensuelle a minima – vous permet de valider l’application de ces règles et la bonne gestion de vos données. Cet indicateur sera bien sûr complété d’un système d’alerte et de plan d’actions pour les objectifs non tenus.
La répartition des objets par rôle prend une autre dimension, puisqu’il vous permet d’appréhender la capacité des personnes à appliquer leur rôle au sein de la communauté data.
Appuyez-vous sur votre principal atout : le fait d’avoir des équipes fédérées et acculturées. Préparez quelques présentations sur la gestion des cycles de vie : comment planifier et mettre en œuvre de nouvelles données, comment obsoléter celles qui ne font plus de sens, … En quelques mois, vous devriez avoir atteint le niveau de maturité final.
Constat
Vous êtes au top ! Probablement bien informé des notions de domain driven architecture et avec des équipes métiers complètement data driven, vous disposez de tous les atouts pour accomplir votre stratégie Data. mais attention de ne pas vous endormir : comme vous le savez, la maturité data est plus un état d’esprit qu’un point d’arrivée final.
Les “Délais dans les Statuts (hors validé)” vous donne l’information de la rapidité de votre cycle de vie et l’”Inactivité sur les objets” vous permet de savoir quelles données dorment. Pour les données validées, ces indicateurs reflètent aussi la stabilité de vos définitions.
Il sera également important d’identifier le cycle de vie de vos éléments et en faire une règle de gestion de votre Data Catalog. Il est intéressant de formaliser la révision de vos termes métiers une fois par an à titre d’exemple.
Enfin, un indicateur qualitatif serait l’adéquation du méta modèle avec votre (vos) secteur(s) d’activité : quels sont les attributs indispensables qui vous manquent ou les superflus que vous maintenez ? Avez vous mis en œuvre les règles propres à votre métier ? Avez-vous intégré votre Data Catalog avec votre outil de Contrôle qualité?
Restez informé des dernières évolutions sur le métadata management et pourquoi ne pas faire profiter vos pairs de votre expérience et de vos connaissances ? Impliquez-vous dans des communautés d’experts comme DataChampions !
Constat
Il semblerait que vous ayez de réelles facultés de communication mais que votre connaissance patrimoniale soit encore complètement silotée. Probablement passez-vous beaucoup de temps à échanger des dictionnaires dans des fichiers Excel, des fiches de définitions dans Word, ou partager des liens sur quelques wiki disséminés un peu partout
Aucun – préoccupez vous plutôt de passer dès que possible au niveau 2.
Il faut capitaliser sur votre force principale qu’est la collaboration. Identifier une équipe projet qui aura pour mission de définir votre premier use case et lister toutes les données qui s’y rapportent.
Ce projet sera la première pierre de votre édifice, il faut donc qu’il soit un succès. Pensez à impliquer les utilisateurs métier pour pouvoir lancer une dynamique globale. Et choisissez un outil qui permet de centraliser les informations (éviter Excel par exemple).
Constat
La collaboration fonctionne plutôt très bien dans votre organisation. Néanmoins, du point de vue de la documentation des données, tout n’est pas clair. Pas d’inquiétude, votre position est plutôt encourageante et va vous permettre d’avancer rapidement.
Le seul indicateur disponible est le nombre d’objets recensés.
Cet indicateur suivra probablement une courbe par palier sur les données techniques, chaque scan d’une nouvelle source apportant un nombre d’objets considérables. Pour les données métier, la courbe ressemblera plutôt à une courbe logarithmique avec une progression lente mais constante.
Puisque vous avez recensé et défini bon nombre de données, il devient important de les classifier par domaine. Ceci vous permettra notamment d’assigner des propriétaires. Vous pouvez également voir qui pourrait s’occuper de certaines propriétés de façon transverse (par exemple sur les données personnelles). Mettre en œuvre une telle organisation matricielle permet d’accélérer le déploiement global (attention à bien coordonner les actions).
Constat
Avec votre capacité à collaborer et partager les connaissances il est étonnant que vous ne soyez pas plus avancé sur la maturité patrimoniale de vos données. Est-ce-que vous avez bien pris en compte les spécificités de gérer et partager la connaissance des données ? Peut-être ne disposez vous pas du bon outil ou son déploiement est il incomplet ?
Remplissage des attributs : cet indicateur reflète la complétude des informations. Plus vous avez d’attributs renseignés, plus riche est votre référentiel de données
Nombre d’objets par attribut : pour les attributs monovalués, cet indicateur vous permettra de comprendre la répartition des objets par valeur. Vous pouvez par exemple répartir la charge de maintenance de façon équitable entre les différents stewards.
Vous pouvez également vous intéresser au nombre de Domaines (les Domaines vous permettent d’organiser vos objets de façon transverse et vous permettent de connaître le niveau d’organisation de votre patrimoine).
Réalisez un mini audit de votre outil de gestion de la connaissance des données.
S’il s’agit d’un wiki par exemple, nul doute qu’il représente un vrai frein dans votre cheminement vers la gouvernance. Choisissez un outil efficace sur le rapatriement des données techniques, qui permet l’enrichissement des informations et surtout qui soit spécifique à le gestion de la connaissance des données (Data Catalog évolutif ou plateforme de gouvernance) : cet outil devra vous permettre d’atteindre votre objectif de maturité sans avoir à en changer dans les prochains mois.
Constat
Félicitations, vous êtes en bonne voie vers la gouvernance des données.Il va falloir désormais prendre en compte le cycle de vie de vos métadonnées : comment les faire évoluer en fonction des changements business ou réglementaires ainsi que des évolutions techniques. Et bien sûr continuez de former et acculturer tous les collaborateurs à la bonne utilisation des données.
Le “Pourcentage de règles suivie (mesurées)” – c’est-à-dire pour lesquelles vous disposez d’un chiffre à une fréquence mensuelle a minima – vous permet de valider l’application de ces règles et la bonne gestion de vos données. Cet indicateur sera bien sûr complété d’un système d’alerte et de plan d’actions pour les objectifs non tenus.
La répartition des objets par rôle prend une autre dimension, puisqu’il vous permet d’appréhender la capacité des personnes à appliquer leur rôle au sein de la communauté data.
Les indicateurs “Liens entre les objets (maillage)” et “Nombre d’objets isolés” représentent le niveau d’interdépendance de vos données. On considère en effet qu’une donnée isolée n’a probablement pas lieu d’exister car elle consomme du temps en maintenance alors qu’elle n’a pas d’utilité.
Pour franchir la dernière marche, appliquez les mêmes bonnes pratiques que précédemment : fonctionnement par itérations, découpage par domaine métier et mise en oeuvre d’un datamesh pour la maturité data et surtout continuer à impliquer toutes les équipes surtout métier : la vulgarisation et la communication sont primordiales pour expliquer les concepts complexes de cycle de vie des données.
Constat
Vous vous positionnez clairement parmi les champions de la Data Gouvernance. Néanmoins il vous manque encore un peu d’huile dans les rouages pour que tout soit véritablement fluide. Encore un effort, la gouvernance collaborative se trouve à portée de main !
Les “Délais dans les Statuts (hors validé)” vous donne l’information de la rapidité de votre cycle de vie et l’”Inactivité sur les objets” vous permet de savoir quelles données dorment. Pour les données validées, ces indicateurs reflètent aussi la stabilité de vos définitions.
Il sera également important d’identifier le cycle de vie de vos éléments et en faire une règle de gestion de votre Data Catalog. Il est intéressant de formaliser la révision de vos termes métiers une fois par an à titre d’exemple.
Enfin, un indicateur qualitatif serait l’adéquation du métamodèle avec votre (vos) secteur(s) d’activité : quels sont les attributs indispensables qui vous manquent ou les superflus que vous maintenez ? Avez vous mis en œuvre les règles propres à votre métier ? Avez-vous intégré votre Data Catalog avec votre outil de Contrôle qualité?
Si vous venez de la gouvernance 1.0, continuez votre travail d’acculturation qui semble porter ses fruits.
En revanche, si vous venez de la case Management, il y a peut être un risque d’essoufflement de votre stratégie d’acculturation. Avez-vous pensé à mettre en œuvre des conférences ou des formations sur la valeur ajoutée de la collaboration autour des données ? Dans une grande organisation, pensez également à la notion de décentralisation afin de passer à l’échelle. De plus en plus d’experts sont disponibles pour parler du DataMesh (vous pouvez par exemple voir le sit DataChampions pour trouver une communauté de spécialistes).
Constat
Il semblerait que vous ayez de réelles facultés de communication mais que votre connaissance patrimoniale soit encore complètement silotée. Probablement passez-vous beaucoup de temps à échanger des dictionnaires dans des fichiers Excel, des fiches de définitions dans Word, ou partager des liens sur quelques wiki disséminés un peu partout
Aucun – préoccupez vous plutôt de passer dès que possible au niveau 2.
Il faut capitaliser sur votre force principale qu’est la collaboration. Identifier une équipe projet qui aura pour mission de définir votre premier use case et lister toutes les données qui s’y rapportent.
Ce projet sera la première pierre de votre édifice, il faut donc qu’il soit un succès. Pensez à impliquer les utilisateurs métier pour pouvoir lancer une dynamique globale. Et choisissez un outil qui permet de centraliser les informations (éviter Excel par exemple).
Constat
La collaboration fonctionne plutôt très bien dans votre organisation. Néanmoins, du point de vue de la documentation des données, tout n’est pas clair. Pas d’inquiétude, votre position est plutôt encourageante et va vous permettre d’avancer rapidement.
Le seul indicateur disponible est le nombre d’objets recensés.
Cet indicateur suivra probablement une courbe par palier sur les données techniques, chaque scan d’une nouvelle source apportant un nombre d’objets considérables. Pour les données métier, la courbe ressemblera plutôt à une courbe logarithmique avec une progression lente mais constante.
Puisque vous avez recensé et défini bon nombre de données, il devient important de les classifier par domaine. Ceci vous permettra notamment d’assigner des propriétaires. Vous pouvez également voir qui pourrait s’occuper de certaines propriétés de façon transverse (par exemple sur les données personnelles). Mettre en œuvre une telle organisation matricielle permet d’accélérer le déploiement global (attention à bien coordonner les actions).
Constat
Votre référentiel de données est accessible aux utilisateurs IT et métier, bravo ! Atteindre cette étape nécessite souvent beaucoup de travail. Néanmoins, il est probable que vous commenciez désormais à avoir des problèmes de qualité dans vos données et des questions sur comment passer à l’étape suivante.
Remplissage des attributs : cet indicateur reflète la complétude des informations. Plus vous avez d’attributs renseignés, plus riche est votre référentiel de données.
Nombre d’objets par attribut : pour les attributs monovalués, cet indicateur vous permettra de comprendre la répartition des objets par valeur. Vous pouvez par exemple répartir la charge de maintenance de façon équitable entre les différents stewards.
Vous pouvez également vous intéresser au nombre de Domaines (les Domaines vous permettent d’organiser vos objets de façon transverse et vous permettent de connaître le niveau d’organisation de votre patrimoine).
Il est temps pour votre équipe de s’vous intéresser à la gestion des règles. Celles-ci permettent comme leur nom l’indique de définir des politiques de gestions des données et métadonnées. Cela concerne aussi la notion de contrat d’interface au niveau des flux de données en place dans votre système.
Constat
Pris individuellement, certains membres de votre équipe data sont indéniablement des experts pour expliquer votre patrimoine de données. Mais dès qu’ils doivent s’absenter, les délais de résolution des problèmes explosent, et même lorsqu’ils sont présents, mieux vaut espérer qu’ils soient disponibles pour répondre rapidement. Il est urgent de changer les choses pour que ces sachants ne soient plus un goulot d’étranglement.
Le “Pourcentage de règles suivie (mesurées)” – c’est-à-dire pour lesquelles vous disposez d’un chiffre à une fréquence mensuelle a minima – vous permet de valider l’application de ces règles et la bonne gestion de vos données. Cet indicateur sera bien sûr complété d’un système d’alerte et de plan d’actions pour les objectifs non tenus.
La répartition des objets par rôle prend une autre dimension, puisqu’il vous permet d’appréhender la capacité des personnes à appliquer leur rôle au sein de la communauté data.
Les indicateurs “Liens entre les objets (maillage)” et “Nombre d’objets isolés” représentent le niveau d’interdépendance de vos données. On considère en effet qu’une donnée isolée n’a probablement pas lieu d’exister car elle consomme du temps en maintenance alors qu’elle n’a pas d’utilité.
Accepter de reporter les actions opérationnelles peu importantes pour que vos experts puissent transcrire leurs connaissances dans un référentiel centralisé et accessible au plus grand nombre. Cette action simple, en plus de fluidifier les échanges, permettra aussi aux sachants de retrouver de la disponibilité pour mettre à jour leur savoir et vous gagnerez ainsi en productivité sur tous les tableaux.
Constat
Vous avez réussi à cartographier la plupart des données de votre entreprise et disposez d’un véritable référentiel de connaissance, complet, mis à jour régulièrement. Mais quelle valeur en tirez-vous d’un point de vue métier ? Probablement très peu et l’équipe en charge de ce référentiel est probablement perçue comme étant dans sa tour d’ivoire.
It’s all about building your data culture. Since you have a rich and coherent repository, start by ensuring that it is accessible and can be segmented to facilitate its understanding. Do you have the right tool for this?
Make presentations that show the value of this knowledge when used by business users (improved quality of decisions, reduced misunderstandings and productivity in information retrieval.
Constat
Il semblerait que vous ayez de réelles facultés de communication mais que votre connaissance patrimoniale soit encore complètement silotée. Probablement passez-vous beaucoup de temps à échanger des dictionnaires dans des fichiers Excel, des fiches de définitions dans Word, ou partager des liens sur quelques wiki disséminés un peu partout
Il faut capitaliser sur votre force principale qu’est la collaboration. Identifier une équipe projet qui aura pour mission de définir votre premier use case et lister toutes les données qui s’y rapportent.
Ce projet sera la première pierre de votre édifice, il faut donc qu’il soit un succès. Pensez à impliquer les utilisateurs métier pour pouvoir lancer une dynamique globale. Et choisissez un outil qui permet de centraliser les informations (éviter Excel par exemple).
Constat
Vous disposez de la liste de vos données mais devez encore les enrichir tout en essayant de tirer de la valeur de ce que vous êtes en train de créer. C’est très probablement le moment de voir comment ouvrir plus largement vos données aux métiers.
Le seul indicateur disponible est le nombre d’objets recensés.
Cet indicateur suivra probablement une courbe par palier sur les données techniques, chaque scan d’une nouvelle source apportant un nombre d’objets considérables. Pour les données métier, la courbe ressemblera plutôt à une courbe logarithmique avec une progression lente mais constante.
Votre objectif en un mot : scalabilité ! Le fait d’avoir identifié et localisé vos données vous ont sorti du brouillard, il est maintenant indispensable d’obtenir la participation de tous pour obtenir de bonnes définitions de vos données. Comme souvent, un fonctionnement par itération sera préférable pour permettre de capitaliser sur l’enthousiasme des équipes suite à la valeur proposée par ce référentiel que vous construisez et par conséquent éviter de vous embourber dans une multitude de périmètres.
Constat
Pris individuellement, certains membres de votre équipe data sont indéniablement des experts pour expliquer votre patrimoine de données. Mais dès qu’ils doivent s’absenter, les délais de résolution des problèmes explosent, et même lorsqu’ils sont présents, mieux vaut espérer qu’ils soient disponibles pour répondre rapidement. Il est urgent de changer les choses pour que ces sachants ne soient plus un goulot d’étranglement.
Remplissage des attributs : cet indicateur reflète la complétude des informations. Plus vous avez d’attributs renseignés, plus riche est votre référentiel de données
Nombre d’objets par attribut : pour les attributs monovalués, cet indicateur vous permettra de comprendre la répartition des objets par valeur. Vous pouvez par exemple répartir la charge de maintenance de façon équitable entre les différents stewards.
Vous pouvez également vous intéresser au nombre de Domaines (les Domaines vous permettent d’organiser vos objets de façon transverse et vous permettent de connaître le niveau d’organisation de votre patrimoine).
Accepter de reporter les actions opérationnelles peu importantes pour que vos experts puissent transcrire leurs connaissances dans un référentiel centralisé et accessible au plus grand nombre. Cette action simple, en plus de fluidifier les échanges, permettra aussi aux sachants de retrouver de la disponibilité pour mettre à jour leur savoir et vous gagnerez ainsi en productivité sur tous les tableaux.
Constat
Pris individuellement, certains membres de votre équipe data sont indéniablement des experts pour expliquer votre patrimoine de données. Mais dès qu’ils doivent s’absenter, les délais de résolution des problèmes explosent, et même lorsqu’ils sont présents, mieux vaut espérer qu’ils soient disponibles pour répondre rapidement. Il est urgent de changer les choses pour que ces sachants ne soient plus un goulot d’étranglement.
Le “Pourcentage de règles suivie (mesurées)” – c’est-à-dire pour lesquelles vous disposez d’un chiffre à une fréquence mensuelle a minima – vous permet de valider l’application de ces règles et la bonne gestion de vos données. Cet indicateur sera bien sûr complété d’un système d’alerte et de plan d’actions pour les objectifs non tenus.
La répartition des objets par rôle prend une autre dimension, puisqu’il vous permet d’appréhender la capacité des personnes à appliquer leur rôle au sein de la communauté data.
Les indicateurs “Liens entre les objets (maillage)” et “Nombre d’objets isolés” représentent le niveau d’interdépendance de vos données. On considère en effet qu’une donnée isolée n’a probablement pas lieu d’exister car elle consomme du temps en maintenance alors qu’elle n’a pas d’utilité.
Accepter de reporter les actions opérationnelles peu importantes pour que vos experts puissent transcrire leurs connaissances dans un référentiel centralisé et accessible au plus grand nombre. Cette action simple, en plus de fluidifier les échanges, permettra aussi aux sachants de retrouver de la disponibilité pour mettre à jour leur savoir et vous gagnerez ainsi en productivité sur tous les tableaux.
Constat
Vous avez réussi à cartographier la plupart des données de votre entreprise et disposez d’un véritable référentiel de connaissance, complet, mis à jour régulièrement. Mais quelle valeur en tirez-vous d’un point de vue métier ? Probablement très peu et l’équipe en charge de ce référentiel est probablement perçue comme étant dans sa tour d’ivoire.
Les “Délais dans les Statuts (hors validé)” vous donne l’information de la rapidité de votre cycle de vie et l’”Inactivité sur les objets” vous permet de savoir quelles données dorment. Pour les données validées, ces indicateurs reflètent aussi la stabilité de vos définitions.
Il sera également important d’identifier le cycle de vie de vos éléments et en faire une règle de gestion de votre Data Catalog. Il est intéressant de formaliser la révision de vos termes métiers une fois par an à titre d’exemple.
Enfin, un indicateur qualitatif serait l’adéquation du métamodèle avec votre (vos) secteur(s) d’activité : quels sont les attributs indispensables qui vous manquent ou les superflus que vous maintenez ? Avez vous mis en œuvre les règles propres à votre métier ? Avez-vous intégré votre Data Catalog avec votre outil de Contrôle qualité?
Il s’agit de construire votre culture Data. Puisque vous disposez d’un référentiel riche et cohérent, commencez par vous assurer qu’il est accessible et peut être segmenté pour faciliter sa compréhension. Disposez-vous pour cela du bon outil ?
Menez des présentations qui montreront la valeur de cette connaissance lorsqu’elle est employée par des utilisateurs business (amélioration de la qualité des décisions, diminution des incompréhensions et productivité dans la recherche d’information.
Constat
Certes, il est sans doute un peu décevant de se situer au tout début du chemin. La bonne nouvelle, c’est que vous êtes conscient de votre point de départ ! Sans documentation pour vos Data, ni véritablement d’organisation dans ce projet, vous avez peut être l’avantage de partir d’une feuille blanche.
Aucun – préoccupez vous plutôt de passer dès que possible au niveau 2.
Essayez d’identifier une personne ayant les connaissances sur un domaine de données ou cas d’usage ET l’envie de partager, puis accordez-lui du temps pour lister les données (nom et localisation technique) et les modéliser (les liens entre ces données). Ca ne parait pas grand chose, mais cela vous permettra de disposer d’une première itération pour montrer aux autres sachant que le processus est très simple, et vous progresserez rapidement sur les 2 axes de maturité.
Commencez à partager votre stratégie et les premiers résultats afin de créer de la traction et passer à la phase d’inventaire.
Constat
On ne peut remettre en cause votre capacité à documenter vos données ni votre niveau de connaissance sur celles-ci. Néanmoins, que vaut cette documentation si elle n’est pas accessible et compréhensible pour les autres que vous ? Il faut remettre le partage au centre de vos préoccupations.
Le seul indicateur disponible est le nombre d’objets recensés.
Cet indicateur suivra probablement une courbe par palier sur les données techniques, chaque scan d’une nouvelle source apportant un nombre d’objets considérables. Pour les données métier, la courbe ressemblera plutôt à une courbe logarithmique avec une progression lente mais constante.
S’il est un problème que l’on peut facilement résoudre, c’est bien celui du partage de la connaissance. Toute votre documentation pourrait probablement être mise à disposition de tous en quelques clics. La facilité d’exploration (ou de recherche) et la clarté des informations communiquées sont potentiellement plus compliquées à atteindre. Nous recommandons pour cela la mise en place d’un outil dédié de type Data Catalogue pour permettre à tous de mieux échanger sur la connaissance des données.
Constat
On ne peut remettre en cause votre capacité à documenter vos données ni votre niveau de connaissance sur celles-ci. Néanmoins, que vaut cette documentation si elle n’est pas accessible et compréhensible pour les autres que vous ? Il faut remettre le partage au centre de vos préoccupations.
Remplissage des attributs : cet indicateur reflète la complétude des informations. Plus vous avez d’attributs renseignés, plus riche est votre référentiel de données
Nombre d’objets par attribut : pour les attributs monovalués, cet indicateur vous permettra de comprendre la répartition des objets par valeur. Vous pouvez par exemple répartir la charge de maintenance de façon équitable entre les différents stewards.
Vous pouvez également vous intéresser au nombre de Domaines (les Domaines vous permettent d’organiser vos objets de façon transverse et vous permettent de connaître le niveau d’organisation de votre patrimoine).
S’il est un problème que l’on peut facilement résoudre, c’est bien celui du partage de la connaissance. Toute votre documentation pourrait probablement être mise à disposition de tous en quelques clics. La facilité d’exploration (ou de recherche) et la clarté des informations communiquées sont potentiellement plus compliquées à atteindre. Nous recommandons pour cela la mise en place d’un outil dédié de type Data Catalogue pour permettre à tous de mieux échanger sur la connaissance des données.
Constat
On ne peut remettre en cause votre capacité à documenter vos données ni votre niveau de connaissance sur celles-ci. Néanmoins, que vaut cette documentation si elle n’est pas accessible et compréhensible pour les autres que vous ? Il faut remettre le partage au centre de vos préoccupations.
Le “Pourcentage de règles suivie (mesurées)” – c’est-à-dire pour lesquelles vous disposez d’un chiffre à une fréquence mensuelle a minima – vous permet de valider l’application de ces règles et la bonne gestion de vos données. Cet indicateur sera bien sûr complété d’un système d’alerte et de plan d’actions pour les objectifs non tenus.
La répartition des objets par rôle prend une autre dimension, puisqu’il vous permet d’appréhender la capacité des personnes à appliquer leur rôle au sein de la communauté data.
Les indicateurs “Liens entre les objets (maillage)” et “Nombre d’objets isolés” représentent le niveau d’interdépendance de vos données. On considère en effet qu’une donnée isolée n’a probablement pas lieu d’exister car elle consomme du temps en maintenance alors qu’elle n’a pas d’utilité.
S’il est un problème que l’on peut facilement résoudre, c’est bien celui du partage de la connaissance. Toute votre documentation pourrait probablement être mise à disposition de tous en quelques clics. La facilité d’exploration (ou de recherche) et la clarté des informations communiquées sont potentiellement plus compliquées à atteindre. Nous recommandons pour cela la mise en place d’un outil dédié de type Data Catalogue pour permettre à tous de mieux échanger sur la connaissance des données.
Constat
Surtout si vous êtes dans une grande entreprise, cette position est pour le moins étonnante ! Comment maîtriser aussi bien votre patrimoine de données sans un minimum de partage et de collaboration ? Bref, vous nous faites une blague ! Pas de chance on la connait déjà
Les “Délais dans les Statuts (hors validé)” vous donne l’information de la rapidité de votre cycle de vie et l’”Inactivité sur les objets” vous permet de savoir quelles données dorment. Pour les données validées, ces indicateurs reflètent aussi la stabilité de vos définitions.
Il sera également important d’identifier le cycle de vie de vos éléments et en faire une règle de gestion de votre Data Catalog. Il est intéressant de formaliser la révision de vos termes métiers une fois par an à titre d’exemple.
Enfin, un indicateur qualitatif serait l’adéquation du métamodèle avec votre (vos) secteur(s) d’activité : quels sont les attributs indispensables qui vous manquent ou les superflus que vous maintenez ? Avez vous mis en œuvre les règles propres à votre métier ? Avez-vous intégré votre Data Catalog avec votre outil de Contrôle qualité?
N’hésitez pas à cocher une autre case pour voir si nous pouvons vous aider à progresser dans votre maturité data !
La gouvernance des données ne peut être ni décrétée, ni déployée, ni achetée sur étagère.
La gouvernance des données est une nouvelle culture, que chaque organisation est tenue de s’approprier et de développer pour réussir sa transformation digitale.