Salut l’équipe 👋

Aujourd’hui c’est un article qui me tient à coeur, car on va parler gouvernance de données. Souvent considérée comme pas du tout glamour, les nouveaux besoins data autour de l’IA ou de nouvelles règlementations comme la CSRD, remet en avant cette discipline Métier.

La gouvernance des données est un ensemble de processus, rôles, normes et métriques permettant d’assurer une utilisation efficace et efficiente des informations, dans le but d’aider les entreprises à atteindre leurs objectifs en terme de gestion de données.

Elle définit les procédures et les responsabilités garantissant la qualité et la sécurité des données au sein d’une entreprise ou d’une organisation. Elle définit également qui peut effectuer quelle action, sur quelles données, dans quelle situation et selon quelle méthode.

📝 Qu’est-ce que la gouvernance des données ?

La gouvernance des données permet de garantir que les données sont disponibles, fiables, sécurisées, utilisées correctement et conformes aux réglementations.

Elle vise notamment à maximiser la valeur des données pour aider à atteindre les objectifs de l’entreprise. Pour ce faire, elle implique plusieurs actions :

• comprendre le modèle de données actuel et documenter les besoins
• documenter les flux de données et établir des responsabilités pour chaque type de données
• développer des critères pour évaluer régulièrement la qualité des données
• identifier et résoudre les problèmes de qualité des données

Afin d’y arriver, la gouvernance instancie des rôles précis pour garantir le bon usage des données. Voici les 3 principaux:

👉 Data Owner : Personne responsable de la propriété (ownership), de la gestion et de la prise de décision concernant l’accès, l’utilisation et la sécurité des données.

👉  Data Steward : Personne responsable de gérer les données au quotidien, assurant la qualité, l’intégrité et la conformité des données, ainsi que leur utilisation et leur accès pour les utilisateurs autorisés.

👉  Data Custodian : Personne responsable de la gestion technique des données, notamment de leur stockage, de leur sauvegarde et de leur récupération.

Aujourd’hui, avec l’avènement de l’IA, la gouvernance des données est plus importante que jamais car elle est un élément essentiel pour le fonctionnement de modèles d’IA fiables et performants. En effet, l’IA repose sur des données de qualité pour pouvoir apprendre et proposer des réponses justes.

🎯 Objectifs de la gouvernance des données

On pourrait résumer les objectifs de la gouvernance en 5 étapes principales:

1️⃣ Tout d’abord, il est important de connaître ses données, c’est-à-dire de comprendre leur origine, leur utilisation et leur cycle de vie. Cela implique de documenter les flux de données et de définir des définitions communes pour chaque type de données. En identifiant les données dont vous aurez besoin à partir d’autres sources et en comprenant les données que vous produirez, vous pourrez mieux estimer, planifier et budgétiser vos besoins en données.

2️⃣ Identifier les sources de vérité (Golden Sources): La documentation des flux de données permet d’identifier les sources les plus fiables, de définir les normes et les standards pour chaque type de données, et de mettre en place des routines pour maintenir une qualité optimale. Cette approche garantit que les bonnes données sont utilisées pour atteindre les objectifs prévus.

3️⃣ Ensuite, il est essentiel d’implémenter l’ownership des données, c’est-à-dire de définir une responsabilité pour chaque type de données. Le data Owner est chargé de définir, maintenir et distribuer les bonnes données dont vous avez besoin. Il contribue également à résoudre tout problème de qualité des données. En établissant une propriété claire des données, vous pouvez assurer une gouvernance durable des données.

4️⃣ L’amélioration de la qualité des données est un autre objectif clé de la gouvernance des données. Pour s’assurer que les données sont conformes au besoin des processus, reporting et analyses, il est important de développer des règles de qualité de données (commencez par les dimensions principales), pour ensuite résoudre ces problèmes identifiés. Rappelez-vous la qualité des données n’est pas un projet mais une process qui vit tout au long de la vie du business. Surveillez donc en permanence la qualité de vos données.

5️⃣ Enfin, la gouvernance des données vise à assurer le respect des réglementations en matière de données. Cela implique de suivre les politiques pour garantir que les données sont conservées uniquement pour des finalités, des durées et des utilisations approuvées, et protégées contre la perte, le vol, la corruption et l’utilisation abusive.

📊 Les modèles de gouvernance

Les modèles de gouvernance des données sont des cadres de référence (framework) qui aident les organisations à gérer leurs actifs de données de manière efficace et efficiente. Ils fournissent des lignes directrices pour définir les rôles et les responsabilités en matière de gestion des données, ainsi que pour établir des processus et des pratiques de gouvernance des données. Il existe plusieurs modèles de gouvernance des données, chacun ayant ses propres avantages et inconvénients en fonction des besoins et des objectifs de l’organisation.

Voici cinq modèles de gouvernance possibles :

1. Process Centric : les propriétaires de processus métier deviennent les data owners pour toutes les données créées, corrigées et supprimées par le processus métier dont ils sont responsables.
2. Système Centric : les propriétaires de systèmes IT deviennent les data owners pour toutes les données créées, corrigées et supprimées par le système informatique dont ils sont responsables.
3. Data Domain Centric : le métier nomme des rôles à temps plein ou mi-temps responsables de l’amélioration des domaines de données clés, créés, stockés ou utilisés à travers une organisation (par exemple, client, produit, localisation, finance, etc.).
4. Organisation Centric : le métier nomme des rôles à temps plein ou mi-temps responsables de l’amélioration des domaines de données clés sur la base des limites des départements (par exemple, finance, marketing, RH, etc.).
5. Mélangé (Blended) : dans les grandes organisations complexes, le programme de gouvernance peut se composer de plusieurs des modèles ci-dessus.

🛠️ Outils de la gouvernance des données

Les outils de gouvernance des données sont nombreux sur le marché, mais il est important de choisir ceux qui répondent le mieux aux besoins de votre organisation et sa maturité. Gartner propose régulièrement une revue des outils de gouvernance, mais pour démarrer simplement voici quelques idées: ****

✅ Data Catalog pour assurer l’harmonisation et définition des termes business et règles de calcul associées

✅ Suite à ces définitions, un catalogue des règles de qualité pour assurer la fiabilité des indicateurs (généralement le même outil que le Data Catalog, sinon Excel mais vous ne pourrez rien automatiser)

✅ Répertoire des Owners et Stewards

✅ Dashboards pour monitorer la qualité des données par data domain/Master Data

✅ Data Model au niveau de l’entreprise

✅ Les framework et politiques d’entreprise autour de la gestion et partage des données

Vous pouvez démarrer simplement avec SharePoint/PowerBI si vous utilisez les outils Microsoft dans votre entreprise. ça vous coutera 0.

🔮 La gouvernance de demain

Cette année, la gouvernance de données s’est renouvelée avec des nouveaux enjeux. Cependant, les nouvelles architectures de données plus complexes, ainsi que le besoin croissant d’avoir des vue 360° des données, vont entraîner une consolidation des politiques de données (sécurité, accès, contrôle) ansi que des outils mis à disposition pour démocratiser la donnée en entreprise.

Avec ce nouveau paradigme – notamment avec l’IA, créer un écosystème data modulaire mais intégré n’a jamais été aussi important. Progressivement, les entreprises centralisent les gouvernances pour répondre aux exigences mais aussi rationaliser les coûts, et supporter toujours mieux les ambitions Métiers.

La fin en quelques mots 

En somme, la gouvernance des données re-devient un enjeu critique pour les entreprises qui souhaitent tirer parti de leurs données tout en assurant leur sécurité et leur conformité. Pour mettre en place une stratégie de gouvernance des données efficace, il est essentiel de définir des objectifs et moteurs opérationnels (start small, then grow),

Avec les nouveaux enjeux technologiques et réglementaires, la gouvernance de données se renouvelle pour devenir plus éthique (focus accrus sur le linéage), plus efficace (plus d’automatisation dans les processus) et surtout plus user-centric que data-centric (la culture et les usages au centre des enjeux).

La gestion des données vous intéresse et vous êtes un professionnel ? Renseignez-vous sur mon programme de formation DARE – Data Manager: une formation de 2 jours pour acquérir les fondamentaux de la gestion des données et construire la stratégie de gestion de données associée 🔥.

Have fun!
Laura