Aujourd'hui, les professionnels de la donnée sont capables de construire des systèmes incroyablement puissants. Des plateformes de données en quasi temps réel qui intègrent des données de multiples sources provenant de toute l'organisation. Même des données externes comme celles de partenaires, des open data ou des données de fournisseurs tiers peuvent être combinées de manière fluide dans une plateforme de données d'entreprise intégrée. Cela permet des insights inédits sur les parcours et comportements des clients, offrant par exemple des vues à 360 degrés sur votre client. La valeur de ces plateformes de données est énorme, non ? Potentiellement, oui. Bien que la réalité soit trop souvent très différente.
Pourquoi les plateformes de données ne sont pas exploitées à leur plein potentiel
J'ai un jour vu une plateforme de données entière qui, au final, ne servait qu'à produire un ensemble de rapports PDF statiques. Une fois par mois, ils étaient générés et envoyés aux clients. Aucune analyse interactive, aucune intelligence pour comprendre le comportement des clients, juste de simples rapports uniquement pour respecter des service level agreements.
Pourquoi les entreprises investissent-elles autant dans le data warehousing d'entreprise sans en récolter les bénéfices ? Pourquoi est-il si difficile d'exploiter ce potentiel inutilisé de données déjà intégrées et prêtes à l'emploi dans une plateforme de données ? Pourquoi cela se produit-il ?
Il y a un ingrédient clé souvent absent et assurément sous-estimé : la culture. Pour évoluer vers une culture data-driven et intégrer réellement la donnée dans les processus quotidiens, les gens doivent savoir quelles données sont disponibles, comment les utiliser et en comprendre la valeur.
Pourquoi la data governance est essentielle
La data governance peut être un véritable game changer. Lorsqu'on se lance dans un parcours de data governance, les métiers s'impliquent de plus en plus dans la donnée. Ils prennent le pli. Le data owner et les data stewards commencent à devenir des ambassadeurs de la donnée au sein de leur domaine. Et c'est précisément ce qu'il faut pour rendre les programmes data plus performants en général. Des personnes métier qui agissent comme ambassadeurs au sein de l'organisation et expliquent la valeur de la donnée avec leurs propres mots. C'est là que la magie opère. Comme la culture ne change pas du jour au lendemain, l'essentiel est de ne rien précipiter et de progresser lentement mais sûrement.
À quoi ressemble un parcours de data governance réussi ?
En bref, au moins 4 éléments sont nécessaires pour organiser un parcours de data governance qui a de l'impact.
- Adhésion du management : La data governance doit s'inscrire dans une stratégie data d'entreprise globale, comprise par les responsables métier et technologiques.
- Modèle de données sémantique de haut niveau : Il est crucial de définir un modèle de données sémantique de haut niveau de l'organisation. L'important ici est de le définir dans le langage du métier et d'éviter d'introduire des niveaux d'abstraction auxquels le métier ne se rattache pas. Le modèle devrait se lire comme une histoire.
- Data owners et stewards : L'étape suivante consiste à attribuer chaque entité à un domaine d'information. Par domaine d'information, nous attribuons un data owner et un data steward. Les rôles et responsabilités exacts d'un data owner et d'un data steward seront adaptés à votre organisation, mais grosso modo le data owner est plus haut placé dans l'organisation et approuvera par exemple la définition d'un business term proposée par un data steward.
- Se réunir régulièrement et définir des actions : Tous les data stewards se réunissent généralement toutes les deux semaines pendant deux heures. Ces réunions apportent beaucoup de valeur et des discussions très intéressantes ont lieu lorsqu'il faut définir des définitions pour des business terms. Plus un business term est largement utilisé dans une organisation, plus les discussions deviennent animées. Et au final, tout le monde aura une meilleure compréhension du métier dans d'autres domaines. Alors, que se passe-t-il si deux départements ont des différences importantes dans la définition d'un même business term ? Eh bien, c'est un bon indicateur que vous avez probablement besoin de deux business terms différents. Le simple fait d'être désormais conscient des différences de compréhension est en soi précieux.
Après un certain temps, les définitions métier et du modèle de données s'aligneront et deviendront claires pour tout le monde. Progressivement, ces définitions devraient être mises à jour dans les rapports et dashboards de toute l'organisation. Il y aura probablement quelques désaccords 
Côté positif, la plupart des chiffres seront désormais interprétés correctement.
À PROPOS DES AUTEURS
Kristof Van de Loock
Managing Partner
