La plupart des organisations savent qu'elles ont besoin d'une meilleure gouvernance des données. Bien moins nombreuses sont celles qui disposent d'un programme qui fonctionne réellement. Gartner prédit que 80 % des initiatives de gouvernance des données et analytics échoueront d'ici 2027, non pas parce que le concept est défectueux, mais parce que la plupart des programmes sont construits comme des exercices de documentation plutôt que comme des systèmes opérationnels. Et la mauvaise qualité des données coûte en moyenne 12,9 millions de dollars par an à une organisation, donc les enjeux d'une mauvaise mise en œuvre sont bien concrets.
Ce qu'est un programme de gouvernance des données (et ce qu'il n'est pas)
Un programme de gouvernance des données est la couche opérationnelle qui met en pratique une stratégie de gouvernance des données. Si la stratégie définit à quoi ressemble une bonne gestion des données, le programme définit qui fait quoi, quand et comment. Il traduit les politiques en décisions, les décisions en processus, et les processus en habitudes quotidiennes tout au long du cycle de vie des données. Le cadre de gouvernance des données fournit le plan structural. Le programme est la façon dont ce plan est exécuté.
Ce n'est pas une plateforme logicielle. Les outils soutiennent la gouvernance ; ils ne la remplacent pas. Ce n'est pas non plus un projet ponctuel. Les entreprises qui la traitent comme un projet, avec une date de lancement et une étape de fin, se retrouvent systématiquement au point de départ dans les deux ans.
Un programme de gouvernance des données est l'ensemble des structures, rôles et processus qui rendent les politiques de données réelles. Sans lui, les politiques ne sont que des documents.
Les organisations achètent souvent des logiciels de gouvernance avant d'avoir défini qui possède quelles données et quelles règles s'y appliquent. Le logiciel devient alors un référentiel de documentation incomplète plutôt qu'un mécanisme d'application. Le modèle d'exploitation, c'est-à-dire la combinaison des personnes, des processus et des structures de responsabilité, doit venir en premier.
Composants essentiels
Politiques et normes.
Elles définissent comment les données doivent être créées, nommées, classifiées, stockées et supprimées au cours de leur cycle de vie. Une politique est une déclaration de haut niveau sur l'intention : « Toutes les données de produit doivent avoir une source autoritative unique avant d'être publiées sur les canaux de vente. » Une norme est la mise en œuvre technique : champs obligatoires, formats de valeurs acceptés, conventions de dénomination. Les politiques sans normes laissent trop de place à l'interprétation, et les normes sans politiques manquent de contexte commercial. De nombreuses organisations formalisent également cela dans une charte de gouvernance des données, un document qui définit la portée, les objectifs et l'autorité du programme de gouvernance avant la rédaction de toute norme.
Propriété et intendance des données.
Chaque domaine de données a besoin d'un propriétaire assigné, un rôle commercial plutôt qu'un titre de poste, responsable de l'exactitude et de l'adéquation de ces données à leur usage prévu. Les responsables des données effectuent le travail opérationnel : surveiller la qualité, résoudre les problèmes, maintenir les définitions et tenir à jour le dictionnaire des données. C'est là que la plupart des programmes de gouvernance échouent. Les propriétaires sont nommés, mais n'ont aucune réelle autorité. Les responsables sont assignés en plus de leurs fonctions existantes et déprioritisent rapidement le travail de gouvernance. Les deux rôles ont besoin d'une portée formelle, d'une allocation de temps et de droits d'escalade.
Processus.
La gouvernance sans processus définis n'est qu'un comité. Les programmes efficaces établissent comment les problèmes de données sont signalés, remontés et résolus ; comment les nouveaux domaines de données sont ajoutés à la portée de la gouvernance ; comment les modifications des définitions de données sont approuvées ; et comment la qualité des données est mesurée et rapportée. Les exigences de conformité réglementaire, telles que le RGPD ou la CCPA, ajoutent généralement des exigences de processus concernant l'accès aux données, la rétention et les droits des personnes, qui s'intègrent directement dans ces flux de travail. Ces processus doivent être aussi légers que possible tout en restant reproductibles.
Mesure.
Sans métriques, la gouvernance devient invisible. Les mesures utiles incluent les taux de complétude des données par domaine, les nombres de problèmes ouverts et les délais de résolution, les taux de conformité aux politiques, et le nombre d'éléments de données critiques qui ont été formellement définis et approuvés. Selon notre expérience, les organisations qui ne peuvent pas montrer une courbe de tendance de qualité au cours des six premiers mois d'un programme de gouvernance perdent le soutien des dirigeants avant de créer un élan. L'objectif n'est pas de générer des rapports. C'est de rendre la qualité suffisamment visible pour que l'organisation puisse agir.
Rôles dans un programme de gouvernance des données
Chaque rôle dans une structure de gouvernance a besoin d'une portée explicite. En pratique, une petite équipe ayant une autorité claire accomplisse plus qu'un grand comité sans autorité.
Le parrain exécutif, souvent un CDO ou équivalent, fournit l'autorité organisationnelle. Il résout les différends entre les départements, sécurise le budget et rend la gouvernance un point permanent de l'agenda de direction. Sans ce rôle, la gouvernance s'arrête dès qu'elle rencontre une résistance départementale.
Le conseil de gouvernance des données ou comité directeur regroupe les parties prenantes métier et technique pour prendre des décisions sur la politique, la priorisation et les normes transdomaines. C'est l'organe décisionnel, pas un groupe consultatif. Il doit se réunir régulièrement et avoir l'autorité d'approuver ou de bloquer les modifications.
Les propriétaires de données sont des parties prenantes métier senior responsables de domaines de données spécifiques. Un propriétaire de données de produit chez un fabricant pourrait être le responsable de la gestion des produits. Ils ne gèrent pas les données au quotidien, mais ils sont responsables de leur adéquation à l'usage et de la prise de décisions lorsque les normes sont en conflit.
Les responsables des données sont les praticiens. Ils maintiennent les définitions de données, surveillent les tableaux de bord de qualité, traitent les demandes d'exception et travaillent directement avec les consommateurs de données. Selon notre expérience avec des fabricants gérant de grands catalogues de produits entre les systèmes ERP, PIM et e-commerce, le rôle de responsable est souvent celui où la qualité des données s'effondre réellement. Non pas parce que les personnes sont incompétentes, mais parce que la responsabilité est ajoutée comme une responsabilité secondaire sans temps protégé.
Les consommateurs de données, tels que les analystes, les responsables de produits et les équipes marketing, ont également un rôle. Ils signalent les problèmes, respectent les normes définies et ne créent pas de contournements qui contourneraient les processus de gouvernance.
L'équipe IT ou data engineering met en œuvre et maintient les contrôles techniques : gestion des accès, politiques de sécurité des données, règles de validation, journaux d'audit et pipelines d'intégration. La gouvernance définit ce que les contrôles doivent faire ; l'IT les construit et les utilise.
Pourquoi les programmes échouent
La gouvernance est placée au sein de l'IT. Lorsque la gouvernance des données est traitée comme une fonction technique, les parties prenantes métier se désengagent. Les politiques qui sont écrites reflètent les priorités de l'IT, telles que les contrôles d'accès et les normes d'infrastructure, plutôt que les besoins métier en matière de données. La qualité en souffre de manière que l'IT ne peut pas mesurer.
La propriété est nominale. Les titres sont assignés sans autorité. Un propriétaire de données qui ne peut pas appliquer une norme de données, bloquer un flux de données non conforme ou escalader un problème de qualité à la direction n'est pas un propriétaire dans un sens quelconque.
La portée est trop large dès le départ. Les organisations tentent de gouverner toutes les données simultanément, se sentent dépassées par la complexité et abandonnent l'effort avant que des résultats n'émergent. Une gouvernance qui tente de couvrir tout gouverne mal.
Le programme est traité comme terminé. La gouvernance des données nécessite une maintenance continue. Les modèles de données changent, de nouveaux systèmes sont ajoutés, les réglementations se mettent à jour et les processus métier évoluent. La gestion des changements n'est pas facultative. Maintenir les rôles à jour, former de nouveaux responsables et retirer les politiques obsolètes sont des tâches récurrentes, pas des travaux de configuration ponctuels. Un programme sans processus pour se maintenir à jour perd rapidement sa pertinence.
Comment commencer
Commencez par un seul domaine de données qui pose un problème commercial visible. Pas toutes les données. Un domaine. Choisissez celui où les problèmes de qualité créent le plus de coûts opérationnels ou commerciaux, qu'il s'agisse de données de produits, de données clients ou de données de fournisseurs.
L'approche de démarrage étroit surpasse systématiquement le lancement à l'échelle de l'entreprise. Un fabricant avec lequel nous avons travaillé a commencé la gouvernance avec seulement ses données de spécification technique, spécifiquement les attributs alimentant les configurateurs de produits et les portails distributeurs. Cette portée était assez gérable pour assigner de vrais propriétaires et appliquer réellement les normes. En six mois, les taux de complétude des spécifications ont augmenté de 58 % à 91 %. Ce résultat a créé une demande interne d'extension de la gouvernance aux données de tarification et au contenu marketing, ce que l'organisation avait alors la structure pour gérer.
Documentez l'état actuel de ce premier domaine : quels systèmes le contiennent, qui le crée, qui l'utilise et quels problèmes de qualité existent. Ce n'est pas un audit formel. C'est suffisamment de contexte pour définir la propriété, identifier les éléments de données critiques qui doivent être gouvernés en premier et rédiger un petit nombre de politiques pratiques.
Assignez un propriétaire et deux ou trois responsables. Assurez-vous que ces assignations s'accompagnent d'une portée explicite et d'un certain temps protégé. Définissez une ou deux métriques de qualité que vous suivrez dès le départ. Puis exécutez un cycle de gouvernance : un examen de la qualité, un affinement de la politique, un problème résolu. Ce cycle montre que le programme peut fonctionner et crée le modèle que vous utiliserez lorsque vous l'étendrez.
Outils et technologie
La plupart des programmes de gouvernance achètent les outils trop tôt. Avant qu'une plateforme ait du sens, vous devez avoir des rôles stables et au moins un cycle de gouvernance fonctionnant. Sans cela, un outil ajoute simplement un coût à un processus indéfini.
Les programmes au stade précoce ont souvent besoin de rien de plus qu'un dictionnaire de données partagé et d'un moyen de suivre les assignations de propriétaires et les problèmes ouverts. Une feuille de calcul bien structurée fonctionne. À mesure que le programme mûrit, un catalogue de données devient utile : il rend les actifs de données découvrables, documente les métadonnées et la lignée, et suit les métriques de qualité à l'échelle.
Pour les organisations gérant des données structurées dans plusieurs systèmes, une plateforme MDM fonctionne comme une couche d'application de gouvernance, centralisant les données maitresses, appliquant les règles de validation et gérant les flux d'approbation. AtroCore, par exemple, combine un modèle de données entièrement configurable avec un contrôle d'accès basé sur les rôles au niveau de l'entité, de sorte que les règles de gouvernance et les limites d'accès peuvent être structurées autour de vos domaines de données réels plutôt que forcées dans un schéma prédéfini. Cela importe lorsque la portée de la gouvernance s'étend sur plusieurs domaines avec des propriétaires différents et des exigences de qualité différentes.
Où la gouvernance se connecte à la gestion des données plus large
Aucune de ces disciplines ne fonctionne bien isolément, et les dépendances vont dans les deux sens.
La gestion de la qualité des données est la discipline opérationnelle qui maintient les données dans les normes que la gouvernance définit. Le MDM est souvent là où l'application de la gouvernance devient la plus concrète pour les organisations dont les données critiques sont dispersées entre les systèmes ERP, les flux de partenaires et les canaux commerciaux. Il fournit un enregistrement central avec une propriété définie et des règles de validation. Un chemin d'approbation documenté rend la responsabilité visible plutôt que supposée. La lignée cartographie comment les données circulent dans les systèmes et comment les métadonnées changent au fil du temps, donnant aux équipes de gouvernance la visibilité pour appliquer la responsabilité et tracer la source des problèmes de qualité.
Exécutez-les isolément, et chacun s'effondre différemment. Sans gestion de la qualité des données, la gouvernance produit des politiques que personne ne surveille. Sans gouvernance, la gestion de la qualité des données produit des métriques sans responsabilité. MDM sans l'un ou l'autre n'a pas de règles à appliquer et aucun responsable pour l'enregistrement qu'il contient.