Comment démarrer une démarche data et initialiser une gouvernance des données ?

Voici l’épisode deux d'une série d’articles dédiée à la gouvernance des données.

L'épisode 1 : Qu’entend-on par gouvernance des données et quelle est son utilité ?

Il est important au démarrage de bien expliciter l’ambition data, la démarche générale, en mobilisant les directions métiers avec un sponsoring de la direction générale. Cette démarche, dans une logique data-driven, se doit d’être progressive et pilotée par des usages métiers avec 2 étapes :

• 1- le recensement de cas d’usage
• 2- la sélection et l’instruction de cas d’usages Pilotes

L’initialisation d’une démarche data nécessitera aussi d’acculturer les parties prenantes à la donnée, son cycle de vie. La sensibilisation vise aussi à aider les acteurs métier à se projeter et à identifier des opportunités autour de la donnée via des formations dites de sensibilisation ou des ateliers pédagogiques. Pour créer de l’engagement et faire remonter des idées du terrain, des ateliers d’idéation type Hackathon pourront également être organisés.

Le recensement de cas d’usage et le choix des Pilotes

Le recensement des cas d’usage (finance, RH, production, etc.), sera également réalisé, sous forme d’ateliers de travail, avec les acteurs dépositaires de chaque cas d’usage.

Le recensement doit viser à couvrir les grands process de l’entreprise pour disposer d’un panorama des données gérées et identifier les problématiques qui se posent. Le bon niveau de couverture des cas d’usage facilitera ensuite l’étape de mise en priorité et de sélection des Pilotes.

La sélection de cas d’usages Pilote est une étape importante de la démarche car les enseignements qui en seront tirés et les recommandations auront pour objectifs d’avoir une portée générale et d’être applicables au niveau de l’entreprise.

Les critères de sélection des Pilotes seront définis avec les directions métiers mais certains sont incontournables : la valeur de la donnée dans le processus métier, l’étendue de l’utilisation des données ou l’urgence à traiter un sujet par exemple… L’objectif va être d’identifier les données clés, celles qui posent des difficultés en termes d’accès, de vérification, de partage ou de valorisation.

Pour répondre à cet objectif, un diagnostic est à réaliser sous 3 angles : processus, données, architecture et IT, et nécessite de bien structurer le processus de collecte des informations pour :

-  analyser le processus existant et identifier les problématiques rencontrées ;

- identifier les flux d’information circulant aux différentes étapes, comprendre le cycle de vie de la donnée, identifier les acteurs impliqués dans la création, mise à jour, vérification et exploitation des données ;

- recenser les applicatifs supportant les processus et gérant les données.

Quels enseignements peut-on tirer d’une instruction sur des Pilotes ?

Généralement, en l’absence de gouvernance des données, on observe des problèmes d’efficience en raison de process de production ou de consommation des données non optimisés. Parmi nos observations sur des Pilotes réalisés, citons :

• Sur un processus métier RH – l’onboarding des collaborateurs – où le nom-prénom était ressaisi à plus de 20 reprises par les différentes parties prenantes.

• Sur un processus métier visant à réaliser des études d’impact environnemental où les temps d’accès et de contrôles étaient quadruplés du fait d’une difficulté à identifier les sources de données, et de l’absence d’outils de collecte et vérification automatisée.

Nos retours d’expérience sur des démarches réalisées à partir de Pilotes nous amènent à poser dans nos plans d’amélioration des Pilotes des règles et des principes autour des Golden Data ou données de référence, lesquelles doivent nécessairement faire l’objet :

- d’un dictionnaire de données pour définir et caractériser ces données, et identifier les référents métiers en charge de ces données. Pour soutenir cet effort, des outils de gouvernance de la donnée, avec des fonctionnalités de dictionnaire et de linéage des données pourront être recommandés ;

- d’une gouvernance métier formelle en attribuant ou formalisant les rôles et responsabilités autour de la donnée tout au long de son cycle de vie.

Des règles et principes doivent être posés pour proscrire la ressaisie de données, les tâches réalisées en doublons, mettre en place la ségrégation de tâches et éviter qu’une seule et unique personne soit à la production, au contrôle et à la validation, améliorer la gestion des données avec l’utilisation de métadonnées pour une meilleure performance des solutions moteur de recherche.

Les plans d’améliorations des cas d’usage Pilotes vont également consister à proposer des outils adaptés pour :

• Faciliter le stockage des données ;
• Gérer les ruptures entre les applicatifs métiers/SI par des API ou une plateforme EAI gérant les flux entre applications ;
• Automatiser les process de collecte et d’exploitation des données, gérer la traçabilité via des solutions de data platform ou des solutions de DataViz pour améliorer le partage et les restitutions ;
• Gérer et monitorer la qualité (intégrité, complétude, etc.) des données.

Pour en savoir plus sur Axys Consultants