DataGalaxy nommé dans le carré magique des plateformes de gouvernance D&A de Gartner
Sélectionner une page

Data Gouvernance
prenez le bon chemin

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.

Votre voie vers la gouvernance de données

La définition de la gouvernance des données peut varier d’une organisation à l’autre en fonction de la maturité des employés en matière de données et de la quantité de données en circulation dans l’entreprise.
En outre, les étapes de la mise en place d’une gouvernance organisationnelle des données peuvent varier à chaque étape du parcours, y compris la définition de l’objectif, la mise en œuvre d’une stratégie pour l’atteindre et la définition des moyens de mesurer les progrès accomplis.
Cependant, il existe des étapes universelles et des bonnes pratiques à suivre concernant la signification de la gouvernance des données dans votre organisation.

Comment utiliser la matrice de maturité de la gouvernance des données

1.

Commencez par sélectionner l’étape la plus pertinente dans les onglets ci-dessus (Intelligence collective, Collaboration quotidienne, Mouvement intermittent, Collaboration réduite ou Approche cloisonnée – pas d’approche). Chaque onglet représente un niveau différent de maturité de la culture des données au sein de votre organisation.

2.

Une fois que vous avez choisi votre étape, faites défiler vers le bas pour explorer ses caractéristiques clés, ses indicateurs et ses plans d’action. Ces informations vous aideront à évaluer votre position actuelle et à identifier les domaines à améliorer.

3.

En identifiant les points forts de votre organisation, vous pouvez mettre en évidence les points forts, découvrir les lacunes et prendre des mesures concrètes pour mettre en place une stratégie de gouvernance des données plus avancée et plus efficace.

Découvrons votre point de départ et faisons évoluer votre maitrise des données au niveau supérieur !

Intelligence Collective

Le niveau de maturité culturelle ultime consiste à s’appuyer sur un fonctionnement qui est porté par le Sens Commun et une compréhension des enjeux portés par tous. A ce stade, les utilisateurs “consommateur de l’information” sont également acteurs dans la mise à jour du référentiel : ils interagissent à travers des notations (scores sociaux), des propositions de modification ou des demandes de compléments (crowdsourcing)

Il existe une interdépendance entre les membres de l’équipe qui s’entraident pour traiter les interactions.

La maintenance du Data Catalog est inscrite dans les gênes des équipes qui maîtrisent parfaitement la chaîne de valeur de la donnée. Tous vos processus opérationnels (DSI ou métier) ont incorporé une dimension data pour garantir un échange continu au sein du Data Catalog.

Vous avez instauré une vraie culture Data dans votre entreprise!

Pas de référentiel centralisé

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 !

Indicateurs à suivre

Aucun – préoccupez vous plutôt de passer dès que possible au niveau 2.

Plan d’actions

Et si vous cochiez une autre case mais en jouant franc-jeu cette fois ?

Données identifiées et localisées

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.

Indicateurs à suivre

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.

Plan d’actions

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).

Données définies, catégorisées et classifiées

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 ?

Indicateurs à suivre

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).

Plan d’actions

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.

Règles pour gouverner les données

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.

Indicateurs à suivre

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.

Plan d’actions

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.

Cycle de vie connu et rôles clairs

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.

Indicateurs à suivre

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?

Plan d’actions

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 !

Equipe opérationnelle

A ce niveau de maturité, vos équipes ont appris à fonctionner ensemble et de façon quotidienne. Les responsables des objets sont clairement identifiés par leurs collègues qui les sollicitent via des interactions de type mail. Néanmoins, ces équipes sont souvent portées par un responsable qui insuffle le rythme et organise les tâches et responsabilités. Les utilisateurs consommateurs de l’information viennent lire des informations dans le référentiel de connaissance mais participent peu à son évolution (boucle de retour faible).

Pas de référentiel centralisé

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

Indicateurs à suivre

Aucun – préoccupez vous plutôt de passer dès que possible au niveau 2.

Plan d’actions

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).

Données identifiées et localisées

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.

Indicateurs à suivre

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.

Plan d’actions

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).

Données définies, catégorisées et classifiées

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 ?

Indicateurs à suivre

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).

Plan d’actions

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.

Règles pour gouverner les données

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.

Indicateurs à suivre

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.

Plan d’actions

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.

Cycle de vie connu et rôles clairs

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 !

Indicateurs à suivre

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?

Plan d’actions

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).

Collection d’individus

A ce niveau, les experts des données vont mettre à jour le référentiel de connaissance de façon discontinue, pour répondre à des besoins d’audit, d’augmentation de périmètre dans un projet ou pour répondre à un besoin ponctuel de documentation.

Ce mode de fonctionnement n’est pas optimisé, car d’une part, le fait de collaborer de façon irrégulière fait perdre des automatismes et donc limite la productivité, et d’autre part car le risque d’avoir des connaissances non mises à jour est important.

Pas de référentiel centralisé

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

Indicateurs à suivre

Aucun – préoccupez vous plutôt de passer dès que possible au niveau 2.

Plan d’actions

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).

Données identifiées et localisées

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.

Indicateurs à suivre

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.

Plan d’actions

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).

Données définies, catégorisées et classifiées

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.

Indicateurs à suivre

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).

Plan d’actions

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.

Règles pour gouverner les données

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.

Indicateurs à suivre

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.

Plan d’actions

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.

Cycle de vie connu et rôles clairs

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.

Action plan

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.

Peu de collaboration

Les collaborateurs identifient partiellement les personnes qui travaillent sur le même périmètre des données qu’eux. Dans certains cas, un référent est clairement identifié mais vous subissez alors le syndrome du sachant : cette personne est tellement sollicitée qu’elle n’a pas le temps pour capitaliser ou partager les informations de façon globale; quand elle est absente, c’est la panique à bord !

L’intérêt pour les données est naissant mais les enjeux associés ne sont pas maîtrisés.

Pas de référentiel centralisé

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

Plan d’actions

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).

Données identifiées et localisées

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.

Indicateurs à suivre

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.

Plan d’actions

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.

Données définies, catégorisées et classifiées

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.

Indicateurs à suivre

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).

Plan d’actions

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.

Règles pour gouverner les données

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.

Indicateurs à suivre

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.

Plan d’actions

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.

Cycle de vie connu et rôles clairs

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.

Indicateurs à suivre

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?

Plan d’actions

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.

Chacun travaille dans son coin

Il n’existe pas d’interaction entre les collaborateurs, chacun se débrouille comme il peut pour comprendre le sens d’une donnée et ne mesure aucunement l’impact d’une mauvaise saisie ou d’une mauvaise interprétation des données.

Vous êtes typiquement dans un silo d’informations.

Pas de référentiel centralisé

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.

Indicateurs à suivre

Aucun – préoccupez vous plutôt de passer dès que possible au niveau 2.

Plan d’actions

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.

Données identifiées et localisées

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.

Indicateurs à suivre

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.

Plan d’actions

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.

Données définies, catégorisées et classifiées

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.

Indicateurs à suivre

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).

Plan d’actions

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.

Règles pour gouverner les 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.

Indicateurs à suivre

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.

Plan d’actions

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.

Cycle de vie connu et rôles clairs

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

Indicateurs à suivre

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?

Plan d’actions

N’hésitez pas à cocher une autre case pour voir si nous pouvons vous aider à progresser dans votre maturité data !

Notre vision

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.

 Logo