Modèle d’organisation à suivre dans un plan de gouvernance des données

Le challenge des entreprises consiste à choisir une organisation data-centric adaptée qui facilite l’échange et la collaboration entre les producteurs et les consommateurs de la donnée. Il n’existe pas d’organisation idéale, celle-ci varie en fonction de l’historique, la culture, la taille et la maturité data de l’entreprise. L’équipe data peut être centralisée, décentralisée et même localisée.

Pourtant, les initiatives s’avèrent complexes lorsque la gouvernance n’est pas alignée avec la stratégie. Chez DataValue Consulting, nous estimons que la data doit être « l’affaire de tous » et qu’une démarche de gouvernance doit se déployer progressivement, chantier par chantier.

3 modèles organisationnels autour de la gouvernance de la donnée

Plusieurs modes d’organisation de la gouvernance sont possibles. Pour définir le modèle d’organisation de sa gouvernance des données, il est nécessaire de respecter quelques points primordiaux :

• S’assurer que le modèle d’organisation respecte la culture de l’entreprise.
• Les acteurs concernés (métiers et IT) doivent être représentés dans les différentes instances de gouvernance.
• Les instances de gouvernance doivent être réunies régulièrement pour maintenir la dynamique et garantir la pérennité des travaux engagés.

DataValue Consulting distingue trois modèles organisationnels autour de la gouvernance de la donnée :

• L’organisation « Fédéré » :
  • Gouvernance globale et locale.
  • Politiques et responsabilités partagées.
  • Méta-modèle de données, commun par entité et domaine de données.
  • Chaque métier reste propriétaire de ses données (avec un modèle/métamodèle commun).

• L’organisation « Décentralisé » :
  • Chaque entité est responsable de sa politique de données.
  • Chaque système source reste maître de ses propres données.
  • Des règles sont définies pour échanger entre les différentes entités.

• L’organisation « Centralisé » :
  • Une seule version de la vérité,
  • Les politiques et les responsabilités sont définies au niveau groupe.

La plupart des entreprises s’oriente vers la mise en place d’une équipe data centrale (un Data Office), pilotée par le Chief Data Officer. Généralement positionnée entre la DSI (Business Partner stratégique pour la réussite de la transformation) et des directions métiers, elle occupe un rôle de chef d’orchestre.

Outillée et organisée, elle a pour objectif d’ajuster les processus et la politique de gouvernance des données en fonction de l’évolution de l’entreprise pour s’assurer qu’elle ne vienne pas la ralentir ou la complexifier.

Pour mieux vous accompagner, voici un exemple de modèle d’organisation hybride :

Pour résumer, voici les 4 points clés auxquels porter attention dans le choix de votre modèle organisationnel de gouvernance des données :

1. Le sponsoring COMEX est une composante clé dans le paysage de l’organisation qui doit, à travers différents comités, intervenir pour assurer le bon déploiement de la politique de gouvernance des données de l’entreprise.
2. Le choix d’une organisation très décentralisée comporte des risques. La notion de projet global permet de conserver une vision globale des règles, des accès et des usages de la donnée.
3. Il est important de trouver le bon équilibre entre ce qui doit être fait en central et ce qui relève des métiers ou des BU. L’instance centrale peut se positionner comme fournisseur d’infrastructure et de services, mis à la disposition des métiers qui consomment et partagent. Dans ce cas de figure, le respect des règles de sécurité et de conformité des données peut être une problématique.
4. Plus le niveau de maturité augmente, plus les entreprises doivent tendre vers un modèle hybride dans lequel les équipes data se rapprochent des équipes métiers.

Les rôles à définir dans un plan de gouvernance des données

Le rôle du Chief Data Officer est de définir les règles de gouvernance, suivre la mise en œuvre et animer les différents chantiers. Les contours de sa fonction et son poids hiérarchique et stratégique peuvent varier sensiblement d’une organisation à l’autre.

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 le maillage territorial de l’entreprise, 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 du projet de gouvernance.

Les autres intervenants tels que les Architectes Data et infrastructure, Data Engineer, Data Scientist ont un rôle à jouer dans la mise en œuvre la « Data gouvernance by Design » dans le cadre des projets relatifs à la data.

Les responsabilités à déterminer dans une démarche de gouvernance des données

La définition d’un dispositif de gouvernance est guidée par :

• La nécessité d’avoir un alignement clair entre la stratégie de l’entreprise vis-à-vis des données et la gestion sous-jacente qui est faite des données (règles, projets, processus, etc.).
• Le besoin de responsabilisation des métiers sur les données, à travers toutes les strates, du stratégique à l’opérationnel.
• La nécessité d’avoir des politiques applicables à toute l’entreprise.
• La dualité propre aux données entre le contenu et le contenant des données : le contenu des données (en particulier la validité et l’exactitude des valeurs) est le plus souvent de la responsabilité des métiers, alors que le contenant des données (en particulier les bases de données et les systèmes informatiques) est le plus souvent de la responsabilité de la DSI.
• L’imbrication des rôles interagissent sur la gouvernance entre le local et le central.

Chief Data Officer, Data Management Executive et Data Stewards sont autant de rôles permettant le management et le monitoring quotidien du patrimoine de données. Ces derniers jouent un rôle essentiel dans la sensibilisation des acteurs aux enjeux data.

Les responsabilités d’un dispositif de gouvernance incluent la supervision de la gestion de l’organisation, l’élaboration d’une stratégie de développement, l’identification des risques potentiels et des opportunités, la prise de décisions importantes et l’établissement de politiques et processus de gestion de la performance.

Modèle de Data Gouvernance non-invasif par famille de donnée

Le modèle de Data Gouvernance non-invasif par famille de données vise à fournir une structure organisationnelle pour la gestion des données qui réduit les intrusions dans les processus existants et minimise les coûts.

Ce modèle est particulièrement bien adapté aux entreprises qui cherchent à améliorer leur gouvernance des données sans perturber leur fonctionnement quotidien.

Les 3 comités à mettre en place pour suivre le chantier de gouvernance des données

Le suivi du chantier de gouvernance des données doit faire l’objet d’une comitologie :

• Un comité central de gouvernance de données : une instance animée par le CDO, qui se réunit régulièrement avec ordre du jour.
• Un comité opérationnel, par famille de données : une instance niveau métier qui se réunit fréquemment.
• Un comité extraordinaire, à convocation, lorsque certaines problématiques majeures doivent être traitées.

La mise en place d’indicateurs de performance est clé pour remonter des anomalies ou des informations afin de rythmer les comités data et assurer l’amélioration continue de chaque chantier dans le temps.

L’acculturation data : un programme de conduite du changement

L’acculturation data rassemble les pratiques, les initiatives et les actions de communication qui visent à améliorer la compréhension et la maitrise des données et de leur environnement. Le déploiement des politiques de gouvernance de données ne sera efficace que si chaque collaborateur est conscient de son rôle et des bonnes pratiques à mettre en place au quotidien.

Un programme d’acculturation est un programme de conduite du changement, appliqué au domaine data. La réussite de ce programme repose grandement sur sa préparation. Une étude doit être menée au préalable pour évaluer le niveau de culture data dans les différents types populations (top management, opérationnels IT, professionnels de la donnée, opérationnels métiers…) et créer des groupes et sous-groupes pour créer un accompagnement personnalisé et adapté. Les bons relais d’information doivent être identifiés (RH, Communication, relai au sein des métiers…). Ensuite, on peut lister les actions de communication, de sensibilisation et de formation à mettre en place pour enfin construire un programme d’acculturation.

On retrouve deux grands types d’actions dans les programmes d’acculturation : les formations et la sensibilisation. Les actions de sensibilisation traitent les sujets relativement rapides à aborder, tandis que les formations permettent un apprentissage plus poussé sur un sujet. Pour pouvoir suivre l’efficacité de ces actions, des indicateurs doivent être prédéfinis dans le programme d’acculturation (absentéisme, satisfaction, amélioration de la sécurité et qualité des données…).

Le programme d’acculturation data se décline à travers 5 leviers d’actions :

• Mise en place d’ateliers Design Thinking (speed-boat, pont de corde, etc) et usage de méthodes agiles lors de la gestion de projets en cours.
• Baser l’acculturation, auprès du Top Management, sur des retours d’expérience réussis réalisés par des sociétés de même secteur ou de même taille. L’objectif est de démontrer le gain à court, moyen et long terme de la valorisation de la data.
• Opérer une bonne mise en mouvement avec une communication événementielle. La célébration des victoires permet d’instaurer une dynamique positive et d’ancrer le changement (un projet mis en production, des éléments qui ont porté leur fruit, etc).
• Favoriser la pédagogie active : la vulgarisation des métiers de la data à travers des dispositifs communautaires ou généraux (événements, ateliers, retours d’expériences de personnes pour démontrer les apports de la data, etc) permettra d’accélèrer l’appropriation de la donnée.
• Disposer de relais internes (direction de la communication, par exemple) ou externes (prestataire) qui orchestrent le plan de communication sur les bons canaux, au bon moment et avec les bons messages.

Une gouvernance de donnée efficace repose sur une organisation data-centric solide, qui respecte les principes de gouvernance et les meilleures pratiques.

L’organisation doit être orientée vers les données, en mettant l’accent sur la qualité, la sécurité et le partage des données entre les départements et les utilisateurs. En tant que cabinet de conseil en gouvernance des données, nous accompagnons les entreprises dans le choix du modèle d’organisation adéquat à la gouvernance.

La rédaction vous conseille

> Structurer sa gouvernance des données : quels outils et quelle organisation ?

> Les coulisses du Data Office : rôles, organisation, compétences, acculturation