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

Fév 28, 2023 | Data Gouvernance

Le Data Office, ou Direction de la Data, se définit comme une direction dédiée à la définition, le déploiement et le pilotage de la stratégie et de la gouvernance data. Le Data Office, composé d’une multitude de profils data, est garant de la mise en application de la feuille de route de data. 

Revisionnez le replay de la table ronde : Discussion ouverte : comment organiser son Data Office ?

Rappel du contexte : le poste de CDO

Le poste de Chief Data Officer, et le Data Office sont des notions récentes (moins de 10 ans) et les feuilles de route ne sont pas encore très claires. A rappeler le rôle du Data Office : porter la stratégie data dans l’entreprise et être garant de la qualité et du bon usage de la data.

Malgré leur importance, moins de 50 % des CDO atteignent leurs objectifs et d’après Gartner il resterait en moyenne 2,5 ans en poste. Les raisons principales de ces difficultés :

  • Le manque de sponsorship
  • Le manque de clarté et d’acculturation

Ces difficultés sont essentiellement liées à la nouveauté de cette fonction et du Data Office, qui doit « évangéliser » sur sa place dans l’entreprise et sur les opportunités que la Data représente.

Nouveau call-to-action

Data Office : les modèles organisationnels

Plusieurs typologies d’organisation existent :

  • Organisation centralisée du Data Office : une seule version de la vérité. Politiques gouvernance, processus et pratiques sont définis de manière centrale puis appliquées dans les entités. L’avantage est d’avoir une vision unique et un traitement homogène de la data. En revanche, cette organisation peut aussi s’avérer trop rigide et peut limiter les initiatives métiers.
  • Organisation décentralisée du Data Office : chaque entité a une autonomie sur la gestion de ces données, sur sa gouvernance de données, son fonctionnement. Cela apporte une certaine souplesse aux entités, mais cela impose de garder une cohérence globale et d’instaurer des canaux de communication entre les différentes entités.
  • Organisation fédérée du Data Office : c’est un mélange des deux organisations précédentes. Les entités ont une certaine autonomie, mais un organisme central fédère toutes ces entités et assure le lien entre elles.
  • Organisation hybride du Data Office : on voit aussi des organisations qui rassemble ces trois types d’organisation. L’organisation hybride est très flexible et adaptable, et correspond donc aux besoins réajustements d’organisation du Data Office.

L’organisation hybride est une organisation qui favorise autant une proximité métier qu’une scalabilité des processus. L’objectif d’une telle organisation est de s’adapter constamment aux besoins (rôles, responsabilités…).

Résoudre les frictions entre Data Office et DSI

Dans l’entreprise, le Data Office interagit avec le top management / les métiers / la DSI. Cette dernière peut voir le Data Office comme un concurrent qui perturberait son fonctionnement.

Pour atténuer ces frictions, il faut :

  • Des rôles et des responsabilités clairement définis, les zones de flou doivent être surveillées et
    traitées aux comités stratégiques.
  • Un sponsoring de la DG pour permettre d’investir dans un Data Office équilibré par rapport à
    la DSI et éviter tout rapport de force.
  • Un Data Office tourné vers la DSI, qui l’intègre aux comités stratégique et comités de
    pilotage.

Data Office : les instances à mettre en place

Le nombre et le type d’instances dépendent de la taille et de l’organisation de l’entreprise. De manière générale, nous préconisons ces trois instances :

Nature Fréquence Ordre du jour Invités
Comité Stratégique Semestriel Arbitrages stratégiques, priorisation, cohérence globale entre IT et Data Office
  • Direction Générale
  • Représentants métiers
  • DSI
Comité de pilotage Hebdomadaire ou Mensuel Priorisation des cas d’usage, suivre les risques, arbitrages techniques et fonctionnels.
  • Métiers
  • DSI
  • Data Office
Comités opérationnels Hebdomadaire ou Mensuel Suivi des actions par cas d’usage pour atténuer les risques et assure l’avancement.
  • Managers Data
  • Managers métiers
  • DSI, si nécessaire
Comités annexes spécifiques À définir Ex : comités data quality, comité sécurité des données, comités API, comités audit de code…
  • À définir

Concilier enjeux stratégiques et enjeux métiers quotidiens

Il faut adresser une démarche par cas d’usage pour apporter de la valeur pour les métiers et pour l’entreprise :

  • Première étape pour définir une feuille de route de use cases : recenser les cas d’usage avec les métiers. On liste l’ensemble des cas d’usage et on collecte alors les informations de base sur les cas d’usage (thématique, ROI estimé, données sollicitées…). Après cette première étape, un comité de pilotage permet de définir une première priorisation pour la feuille de route.
  • Deuxième étape pour instruire les cas d’usage : Les caractéristiques de chaque cas d’usage sont détaillées : liste des données nécessaires, du niveau de qualité nécessaire, ROI détaillé, le
    calendrier de mise en place… Cela permet de valider la valeur d’un cas d’usage avant son
    lancement.

Pour aller plus loin : Ebook : définir, prioriser et cadrer une roadmap de cas d’usage

En matière de data visualisation, une des missions du Data Office consiste à définir des normes et des procédures pour les reportings, et veiller à l’harmonisation de ce qui est produit (à travers de templates ou même une charte graphique propre).

Quels KPI pour piloter son Data Office

Il existe plusieurs typologies d’indicateurs de pilotage pour mesurer les activités du Data Office.

  • KPI de capacité  : capacité de production du Data Office, nombre d’ETP…
  • Évolution de la maturité dans l’organisation (baromètre / sondage) : personnes formées, niveau d’absentéisme lors des actions d’acculturation, niveau de maturité de chaque type de population, et évolution…
  • KPI sur la qualité des données et le suivi des activités : niveau de qualité de données et évolution, efficacité des processus de qualité de données, nombre de cas d’usage en cours/traités, retour sur investissement des cas d’usage…

Principaux postes de dépense du Data Office

Le budget du Data Office doit servir 3 objectifs principaux :

  • Le personnel (recrutement, prestation de service…)
  • Les outils (outils internes au Data Office, outils transverses à l’entreprise)
  • La communication (acculturation, sensibilisation, formation…)

Réussir un programme d’acculturation

L’organisation de l’acculturation implique de séparer l’entreprise en plusieurs catégories de public, pour lesquels il faut adapter le programme et les contenus :

  • Les utilisateurs data : les compétences doivent correspondre aux objectifs. Les remises à niveau peuvent passer par des formations plus ou moins longues.
  • Tout public : le besoin d’acculturation est léger. Cela peut passer par des actions de sensibilisation et des contenus ludiques (vidéos, podcasts…) qui ancrent un mindset data.
  • Top Management : pour obtenir un sponsoring fort, il faut démontrer les opportunités de la donnée au Top Management. Un moyen efficace de le faire : réaliser un benchmark du marché pour présenter ce qu’ont fait les concurrents, rappeler quelques notions de base de la data et se concentrer sur le ROI.

Les plans de formation s’organisent en fonction de 4 variables :

  • Data : sur quelles données va-t-on acculturer ?
  • RH : quel public va-t-on acculturer, et pourquoi ?
  • Communication : quelles actions mettre en place pour acculturer ?
  • Formation : quel plan de formation mettre en place ? Quels contenus et modules créer ?

Parallèlement aux communautés internes, on voit également des communautés externes émerger (dans les organisations publiques ou dans l’industrie). L’objectif est d’augmenter la maturité data d’un écosystème en créant un mindset data partagé entre partenaires, fournisseurs, distributeurs etc.

Problématique du manque de ressources

Quelques conseils :

  • Retenir les talents (en plus des salaires) : proposer des projets innovants, utiliser des technologies intéressantes, mettre en place une Data Academy en interne, initier un plan de reskilling / upskilling.
  • Trouver des sources innovantes de ressources : écoles, reconversion…
  • Sur certaines compétences clés : externaliser et se faire un accompagner par un partenaire spécialiste de la data.
  • Trouver des alliés en interne (les équipes RH qui gère la gestion prévisionnelle des compétences/les métiers sont les profils idéaux pour assurer les rôles de Data Steward ou Data).

Grille de salaire : https://datarecrutement.fr/etude-salaire/

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