Data Management : définition, stratégie, principes, outils

WMDC management des données

Data management : définition courte

  • Le Data Management est l'instrument de mise en oeuvre de la stratégie Data.
  • Le Data management est un processus de pilotage des données à l'échelle de l'entreprise, quels que soient les systèmes informatiques et les processus business.
  • Le Data management est constitué de politiques, de processus et d'outils valorisant la donnée au service de la performance de l'entreprise.
  • Le data management est une zone grise entre le business et 'IT, qui est souvent insuffisament prise en compte, et qui fait la différence entre l'échec et la réussite d'un projet informatique.

Stratégie Data

Data management : une vision stratégique de l'entreprise

Les GAFAM ont démontré à quel point une gestion performante des données est créatrice de valeur et de compétitivité. Le Data Management (ou Gestion des Données) est une stratégie qui organise l'entreprise autour de la donnée. Cette stratégie impacte l'organisation de l'entreprise, son marketing et ses décisions d'investissement. Les données sont traitées comme des actifs ayant une valeur comptable.

La data comme stratégie ?

Il est admis qu'une entreprise performante doit être "Data driven", "Data centric". La Data doit être gérée comme un actif, un capital. C'est la "valorisation du patrimoine data", grâce à la "Data Intelligence". Ces belles formules de conseil constituent-elles une stratégie data ?

Naturellement, non. Avec l'explosion de la production de données, il est encore plus ardu de savoir par où commencer et comment faire. Il faut avant tout éviter les raccourcis simplistes, tels que : valoriser la data = vendre sa data hors de l'entreprise. Pour ne pas se perdre dans la masse d'opportunités, il faut choisir la data à collecter, la data à analyser. Pour faire les bons choix, il faut une bonne compréhension de la data et de ses usages.

Comment définir une véritable stratégie data driven ?

Définir des objectifs business concrets

  • Amélioration de la performance
  • Optimisation des ressources
  • Indicateurs de performance (KPI) associés

Identifier la data

  • Prioriser l'inventaire data en largeur et en profondeur.
  • Comprendre et documenter les usages actuels et potentiels de la Data

Prioriser la collecte des données

  • Eviter les approches banales ainsi que les collectes ambitieuses trop coûteuses
  • Vérifier les hypothèses business avant de déployer à grande échelle

Etablir la Gouvernance de la Data

  • Définir les roles et responsabilités
  • Construire une organisation pour un partage productif de la data

Développer outils et méthodologies

  • Architecture
  • Organiser la normalisation et le stockage de la donnée dans une perspective d'accessibilité.
  • Déployer des outils analytiques modernes : souplesse et fiabilité

Définir et dégager les financements

  • Le déploiement d'une véritable stratégie data driven est une entreprise longue et coûteuse.
  • Les moyens nécessaires doivent être définis, chiffrés et inscrits au budget.
  • Les arbitrages entre les pratiques historiques et la stratégie data driven doivent être rendus en amont.

Le Data Management, instrument du déploiement de la stratégie Data Driven

Data Management : les enjeux pour l'entreprise

L'objectif de la gestion des données : améliorer la performance globale de l’entreprise. Cela concerne à la fois des actions défensives (sécurité) et de développement des capacités offensives (productivité).

  • La fiabilité des outils de pilotage et d'aide à la décision
  • La conformité aux obligations légales
  • La confidentialité et la sécurité des données
  • L’exactitude, la cohérence et la traçabilité des données
  • L'optimisation des coûts des données
  • La capacité à innover et à adresser des opportunités (time to market)

Data management : des outils et des méthodes

Le Data Management comporte des méthodologies et des outils visant à sécuriser la disponibilité des données, la qualité des données, la fiabilité des données ainsi que les coûts associés.

  • Stratégie data, vision en matière de management des données
  • Valorisation financière des données et de la non-qualité des données
  • Gouvernance globale des données
  • Processus, méthodes et outils de gestion des données
  • Méthode de sécurisation des référentiels de données (Master Data Management)
  • Architecture des systèmes et des interfaces optimisant le partage de données
  • Architecture des données d'entreprises (modèles de données)
  • Contrôles de qualité, assurance qualité (Data Quality Assurance)

Le rôle du Data Management dans la gestion de l'information

Si l'on compare la production de données à la production d'objets dans une usine :

  • Système d'information => lignes de production
  • Collaborateurs Métier créant l'information => Personnel des lignes de production
  • Equipes IT => Service d'industrialisation concevant et réalisant les lignes de production
  • Equipes de Data Management => Spécifications de la chaine ligne de production + contrôle qualité
  • Données => Production dont la vente va générer les revenus de l'entreprise

Le Data management est une interface entre les équipes Technologies et Métiers

De nombreux projets informatiques s'avèrent décevants parce que les acteurs se sont focalisés sur la technologie et sur les processus métiers, au détriment de l'essentiel : les données. Les équipes de Data Management ont un rôle d'interface entre les services informatiques (technologies de l'information) et les métiers (le business). Ce rôle n'est pas facile, car les services informatiques et le business ont longtemps traité les projets directement ensemble.

  • Les chefs de projets informatiques sont sûrs de comprendre les besoins des métiers, puis de sélectionner et de mettre en oeuvre les bonnes technologies
  • Les leaders du business sont sûrs de leur connaissances métiers et ils ont une idée précise de leurs besoins en outillage
  • Le Data Management remet les données au centre des projets, créant ainsi de la valeur pour l'entreprise.

Le Data Management est une vision globale de la donnée

Le Data Management prend en compte la gestion de la donnée sur la totalité du cyle. Il s'agit de la gestion du cycle de vie des données (Data Lifecycle Management, DLM).

  • Spécification initiale de la donnée (Data requirements)
  • Création de la donnée (acquisition, entrée manuelle)
  • Stockage de la donnée
  • Maintenance de la donnée (historique des versions)
  • Usages de la donnée (traçage, linéage)
  • Conservation et archivage de la donnée (Archiving, Retention)

Les Domaines d'application du Data Management

  • Conformité réglementaire (RGPD)
  • Business intelligence (BI), applications analytiques
  • Data science, Data engineering
  • E-commerce, marketing, vente, relation clients
  • Ingénierie (CAO), configurateurs
  • Informatique industrielle, production, logistique, supply chain
  • Développement de logiciels

Pour en savoir plus

Principes data management   Qualité des données    Les prestations de consulting data    Contact

Tags:

gestion des données

,

data management

,

stratégie

,

définition

,

enjeux

,

outils

,

méthodes

,

rôle

,

domaines

,

cycle de vie