Le manifeste du Data Management en 10 points

Introduction

À l’instar des autres processus d’une organisation, le Data Management doit trouver un juste équilibre entre les objectifs stratégiques et les besoins opérationnels. Pour y parvenir, elle doit reposer sur un ensemble de principes de base. L’application de ces principes par tous les acteurs de l’entreprise contribue (via l’émergence de bonnes pratiques) à une meilleure valorisation de la donnée en tant qu’actif stratégique et à une meilleure maîtrise du flot continu d’informations.

Les 10 points du manifeste

1. Les données ont une valeur économique. Considérer les données comme un actif de l’organisation implique de leur attribuer une valeur. Des techniques existent pour évaluer les valeurs qualitative et quantitative des données, mais il n’existe pas encore de standards en la matière. Afin de prendre des décisions appropriées, les organisations doivent développer une approche consistante dans le but d’estimer la valeur de leurs données. Ces approchent doivent considérer les coûts de qualité et de non-qualité des données.
2. Le Data Management doit intégrer la gestion des risques associés aux données. En plus d’être un actif, les données représentent un risque pour l’organisation (perte, vol, utilisation inadaptée). Les entreprises doivent prendre en compte les implications éthiques de l’usage des données. Les risques liés aux données fait partie intégrante de la gestion du cycle de vie des données.
3. Le Data Management implique la gestion de la qualité des données. S’assurer que les données répondent aux exigences d’utilisation des consommateurs est le premier objectif du Data Management. Pour gérer la qualité des données, les organisations doivent comprendre, documenter et mettre en œuvre des exigences de qualité. Elles doivent également évaluer leurs données au regard de ces exigences.
4. Les choix technologiques sont pilotés par les exigences métier. Les données et leur gestion sont intimement liés aux technologies de l’information. Le Data Management requiert une approche dans laquelle la technologie est au service des besoins métier de l’organisation en matière de données et non l’inverse.
5. Le Data Management est un processus collaboratif. Il nécessite des compétences et expertises variées. Une équipe ne peut gérer à elle seule toutes les données de l’organisation. Le Data Management nécessite à la fois des compétences techniques, non-techniques et une bonne capacité à collaborer.
6. Le Data Management s’exerce sur la totalité du cycle de vie de la donnée. Les données ont un cycle de vie et gérer les données nécessite de gérer leur cycle de vie. Parce que les données génèrent d’autres données, le cycle de vie des données peut devenir très complexe. Le Data Management doit prendre en compte cette complexité et ces dépendances via une action coordonnée de diverses compétences métiers et techniques.
7. Le Data Management tient compte de la diversité des situations. Les données ont chacune un cycle de vie qui dépend de leur nature. Les pratiques doivent reconnaître ces différences et être assez souples pour répondre à différents types d’exigences concernant le cycle de vie des données. Le Data Management doit s’adapter en permanence à la façon dont les données sont utilisées ainsi qu’aux attentes des consommateurs de ces données.
8. Le Data Management requiert l’usage de métadonnées. Même les plus petites organisations peuvent avoir un environnement composé de technologies et de processus relativement complexes. Les données peuvent être créées, utilisées et maintenues simultanément dans de nombreux systèmes. Pour maîtriser cette complexité, intervenir de manière appropriée et répondre aux objectifs métier, l’organisation doit disposer d’informations pertinentes et à jour sur ces données. Ce sont les métadonnées qui jouent ce rôle pour les données de l’organisation. Les métadonnées servent à partager les définitions et les connaissances concernant les données. Elles permettent ainsi une meilleure compréhension et une utilisation adaptée des données. Les métadonnées doivent être gérée sur l’ensemble du cycle de vie des données (création, traitement, analyses…).
9. Le Data Management nécessite une Gouvernance globale et partagée. Les pratiques du Data Management se mettent en œuvre localement mais elles doivent s’appréhender globalement, au niveau de l’organisation pour être le plus efficace possible. C’est pourquoi management et gouvernance des données sont intimement liés. Un bon management nécessite une gouvernance peu intrusive mais claire et directive. Cette gouvernance cherche à instaurer une responsabilité partagée entre les acteurs métier et les professionnels IT de la gestion des données.
10. Le Data Management demande leadership et engagement: le Data Management implique des processus complexes qui nécessitent coordination, collaboration et engagement. Il ne s’agit pas d’un projet qui va prendre fin à un moment ou à un autre, mais d’une démarche d’amélioration continue qui va induire des changements et qui exige donc un engagement organisationnel durable. Au-delà des compétences managériales, une vision et des objectifs portés par une équipe dirigeante engagée sont nécessaires. La réussite des actions menées pour améliorer la gestion des données commence par un leadership visionnaire et volontaire.

Redsen Consulting aide les organisations à évaluer leur niveau de maturité dans le domaine du Data Management ! Remplissez le formulaire en ligne Audit Quick Start Data Management et bénéficiez d’un diagnostic gratuit réalisé par nos experts.