Organiser son Data Office : comment structurer ses équipes data ?

Sep 13, 2022 | Data Gouvernance

La transformation data des organisations est déjà bien initiée, l’attention des décideurs se penche désormais davantage sur les moyens de pérenniser les nouveaux modes d’organisation et de gouvernance.

Pour capitaliser sur cette transformation et industrialiser les cas d’usage data pour les directions métiers, il faut choisir la bonne plateforme data, la bonne architecture… mais il faut aussi disposer d’une organisation humaine efficace (compétences, rôles, responsabilités, processus, etc). Beaucoup d’entreprises font le choix de créer un Data Office, ou Direction des Données, piloté par un Chief Data Officer.

Pour vous aider dans votre réflexion sur le sujet, les équipes de DataValue Consulting ont mené une enquête auprès de décideurs des secteurs privés et publics pour mieux comprendre les différents choix de modèles organisationnels.

Nouveau call-to-action

Data Office, modèle hybride … : qui s’occupe de la data dans les organisations en 2022 ?

Le choix du modèle hybride de plus en plus plébiscité

Le choix du modèle organisationnel est variable selon l’organisation. 66 % ont fait le choix d’un Chief Data Officer et d’un pôle dédié à la data, ou Data Office.

38 % centralisent les compétences data au sein de la DSI et 27 % seulement optent pour un modèle hybride avec la présence de relais data au sein des départements métiers.

Gestion de la donnée au sein des structures

La mise en place d’un Data Office est structurant pour une entreprise. Le choix du modèle de départ n’est d’ailleurs pas figé : il doit être amené à évoluer au fur et à mesure des projets, des recrutements et des initiatives.

 Le pôle data a jusqu’à présent été rattaché à la DSI de la filiale du groupe. Étant en pleine phase de réorganisation, nous serons bientôt au sein d’une division Data & Analytics transverse de 250 personnes. Chief Data Officier, Secteur de l’Assurance

Il y a cependant des prérequis à avoir dans l’élaboration de son modèle organisationnel. Souvent, on constate que les Data Offices transverses et détachés de la DSI se retrouvent avec des budgets bien inférieurs à ceux de la DSI. 33 % des sondés jugent le manque de budget comme un des freins majeurs à la réussite de la stratégie data.

Les équipes data des entreprises interrogées sont composées essentiellement de :

  • Profils de data analysts (65 %),
  • Profils de data engineers (55 %),
  • Profils de data architects (51 %)
  • Profils de data scientists (48 %).

La présence d’un Chief Data Officer est dorénavant la norme pour beaucoup d’entreprise (61 %) qui font le choix d’avoir un leader qui saura guider la dynamique.

Composition des équipes data

Les rôles clés du Data Office 

La mise en place d’une pôle dédié à la data, ou Data Office central piloté par un Chief Data Officer, est à privilégier pour réussir sa transformation.  Ce choix organisationnel a l’avantage de dédier entièrement des équipes, des compétences, du temps et des budgets aux initiatives liées à la data afin de les accélérer.

Le Data Office doit être compléter par des profils hybrides, à la fois métiers et techniques, qui peuvent accélérer l’adhésion au projet : 

  • Le Product Owner est un rôle clé au sein des directions métiers. Il s’agit d’un représentant de l’organisation data au sein du département métier. En fonction de l’organisation et du maillage territorial, il peut être renforcé par la présence de data owners locaux (par pays ou entité). 
  • Il est généralement conseillé de choisir les data stewards parmi les sachants internes de l’entreprise qui peuvent faire valoir leur maîtrise des processus, des données métiers et du legacy.
  • Il est également important de nommer des référents data au sein du département informatique, afin de faciliter les échanges avec les métiers dans le cadre des projets data. 

« L’idéal est de disposer de profils avec une double compétence IT et métier, au sein des directions métiers ou dans une direction transverse, qui sauront porter les projets SI de l’organisation. Ce pont entre le fonctionnel et la technique est nécessaire pour traduire les besoins métiers et en identifier la valeur ajoutée. »

Alexis Bodin, Chef de Projets Finance et Système d’Information – Almaviva Santé

« Nous privilégions une organisation à 3 rôles. Le data owner est responsable du domaine de données, les data stewards sont garants du contrôle et des évolutions de la donnée et les opérationnels métiers travaillent sur la donnée, la qualifie, gèrent les règles, etc »
Fabrice Persiaut, Responsable du Data Management Office – Crédit Agricole Assurances  

Exemple d'une organisation type

Le rôle et les missions du Chief Data Officer

Les contours des fonctions, le poids hiérarchique et stratégique du CDO peuvent varier d’une organisation à l’autre.

Nous recherchions un profil de CDO charismatique qui puisse animer la stratégie et être la caution et qui s’assurera que la fonction est suivie.
Nourallah Seddiki, Head of IT Architecture – EDF Renouvelables

Nombre de challenges sont à relever pour parvenir à lier les objectifs de résultats techniques qui sont inhérents aux besoins de résultats business. On lui demande d’assurer les fondamentaux de création de valeur et d’élargir de plus en plus son rôle dans l’organisation.

Les rôles du Chief Data Officer

Le challenge du Data Office : industrialiser les cas d’usage

Une pénurie de ressources sur un marché en tension

46 % des décideurs interrogés citent le manque de compétences, d’organisation et de vision comme la plus grande difficulté à la stratégie data. 42 % des sondés citent la résistance au changement et les freins humains comme le second frein.

La quasi-totalité des organisations est exposée à des difficultés de recrutement sur des profils expérimentés. Les talents les plus recherchés sont les data engineers, les data architects et les data managers. Par conséquent, les décideurs éprouvent des difficultés à maintenir le bon niveau d’expertise et de connaissance en dépit du turnover interne, mais aussi du turnover externe lorsqu’il s’agit de missions réalisées par des prestataires de services.

Difficulté à faire cohabiter la plateforme data avec l’environnement existant

54 % des sondés affirment déjà disposer d’une plateforme de gestion des données, ou plateforme data (data lake, data warehouse, datamart, etc). 21 % des décideurs interrogés considèrent les technologies obsolètes ou limitées comme un frein à la réussite de la stratégie data. La modernisation du système d’information décisionnel existant est d’ailleurs citée comme un des principaux domaines d’investissement pour 43 % des interrogés, avant l’acquisition de nouveaux outils décisionnels (39 %).

Dans ce contexte de transformation, les questions de cohabitation entre les deux systèmes d’information et d’industrialisation des usages se posent de manière accrue. Il n’est pas rare de se retrouver cloisonné dans des silos de données avec des difficultés pour rapprocher, réconcilier, dédoublonner les données, etc.

Nous nous dirigeons vers une stratégie data dans laquelle nous pouvons réconcilier les données internes autour du client (intérêt, profil, comportement, historique, etc) avec des données externes complémentaires (open data, data provider, etc) pour faire de la recommandation intelligente, de la personnalisation, du scoring, du cross-selling, etc.
Fabrice Persiaut, Responsable du Data Management Office – Crédit Agricole Assurances

Nos conseils pour réussir l’intégration d’une plateforme dans un SI existant :

 

  • S’inscrire dans une démarche progressive, avec des premiers quick-wins de cohabitation permettant de bénéficier rapidement des deux systèmes,
  • Garantir l’interopérabilité des systèmes et l’alignement des formats des données de la nouvelle plateforme et des données sources du SI legacy.
  • S’inscrire dans une démarche holistique pour aller au-delà des problématiques techniques et d’infrastructure en intégrant les problématiques métiers lorsque le legacy est mis à niveau et définir un schéma directeur, une trajectoire et une architecture urbanisée pour les deux systèmes.
  • Intégrer qu’il y aura toujours :
    • 2 vitesses d’évolution : un rythme accéléré pour la nouvelle plateforme et un rythme plus lent pour le legacy, avec pour conséquence un time-to-market et un temps d’adaptation aux besoins métiers ralentis, notamment lors de l’utilisation de technologies récentes telles que le cloud,
    • Des coûts liés à la duplication des plateformes et aux évolutions du SI Legacy pour chaque évolution du nouveau SI,
    • Un processus de synchronisation propre à chaque système avec un stock repris en une seule fois, mais des flux traités distinctement en fonction des besoins.

    Le choix du cloud en progression

    Avec un marché en pleine expansion, de nombreuses organisations font le choix d’héberger leur plateforme de gestion des données dans le cloud qui devient la norme et l’avenir de l’informatique. 22,5 % des décideurs interrogés affirment centraliser leurs données dans le cloud.

Choix du mode d'hébergement

En revanche, 44 % des sondés affirment utiliser des infrastructures on-premise. C’est généralement le cas pour des organisations dans des secteurs réglementés (secteur public, banque, assurance, santé, etc). On observe que 24 % des décideurs interrogés font le choix d’un modèle hybride alliant les bénéfices du cloud et la sécurisation des infrastructures on-premise.

Le choix du cloud soulève certains questionnements légitimes sur les décisions à prendre par les directions générales, DSI et directions techniques : la localisation, la réglementation (RGPD, Cloud Act), le droit d’audit, la ré-internalisation et la stratégie de sortie des contrats d’externalisation.

Les raisons de migrer vers le cloud :

  • Possibilité aux entreprises de dimensionner les capacités de leurs plateformes data en fonction de leurs cas d’usage, ce qui offre une grande flexibilité et une agilité sans limites.
  • Scalabilité et modularité de la plateforme qui pourront être adaptées à chaque cas d’usage.
  • Une meilleure maîtrise des coûts avec une différenciation entre le stockage et les services cloud.
  • L’efficacité, la scalabilité et la rapidité permettent de favoriser le taux d’adoption des utilisateurs finaux et de sécuriser le ROI du projet.
  • Prise en charge de la conformité par les fournisseurs (HIPAA, HDS, RGPD, ISO 27001, SOC 2, SOC 3, etc) avec une possibilité de concevoir une solution dans un réceptacle disposant déjà d’un niveau de conformité et de sécurité à jour.

Conclusion

La route vers l’entreprise data driven peut paraitre longue, mais les organisations s’adaptent progressivement pour mieux gérer leur patrimoine de donnée. La pénurie de ressources reste un obstacle majeur qui peut freiner et limiter la transformation de nombreuses organisations.

Pour faciliter la rencontre entre l’offre et la demande, de nombreuses plateformes de freelance sont sollicitées par les entreprises. Le groupe DataValue Consulting est fier d’avoir vu naitre la première plateforme de freelances et ESN entièrement spécialisée dans les métiers de la data. Si le sujet vous intéresse, rendez-vous sur le site de MyDataSpecialist.

Nos ressources

Livre Blanc

Mise en œuvre d'une stratégie 
de qualité des données 

Livre Blanc

Feuille de route d'une stratégie
de Data Management 

Baromètre annuel de la data

Les priorités des décideurs
data en 2022 

Share This