"[...] comme la gouvernance des données est un programme traitant d'abstractions (les données en tant qu'actif), il est similaire à d'autres programmes où les résultats tangibles sont difficiles à voir, comme le marketing ou les finances. Le PDG reconnaîtra la nécessité du marketing et certainement la nécessité d'un secteur financier, mais une justification détaillée et chiffrée de ces secteurs ne se trouve généralement pas dans un dossier sur un bureau quelque part."Data Governance, how to design, deploy and sustain an effective data governance program, John Ladley, 2012
Pourquoi constituer un data catalogue ? En quoi va t’il supporter notre stratégie et objectifs data? Quels seront les bénéfices pour les utilisateurs ? Pourquoi cette solution plutôt qu’une autre ? Comment l’inscrire dans la durée ? Etape pourtant essentielle pour votre démarche de cartographie de données, la construction d’un use case est souvent sous estimée. Cet article a pour ambition d’aborder l’importance de l’identification et de la description des use cases liés à la data gouvernance
Que faut-il prendre en compte pour créer son use case ?
Qu'est ce qui apporte de la valeur ?
Schématiquement il y a deux types de projet de gouvernance :
- les projets défensifs : minimiser les risques, être en conformité, détecter les fraudes…
- les projets offensifs : améliorer les revenus et la rentabilité, supporter la création de nouveaux services, améliorer la connaissance client…
Les projets défensifs sont intéressants, car facilement “marketables” : une contrainte/un bâton existe (le RGPD), il y a un risque à ne pas l’appliquer. Au contraire, les projets offensifs, les projets à carotte, seront moins naturels. il faut démontrer en quoi la gouvernance est alors un levier intéressant. Par exemple, voici des justifications de gains indirects : Comment monétiser des données dont la qualité n’est pas assurée ? Comment améliorer l’efficience de mes services quand une bonne partie de leur temps est consacré au nettoyage des données ? Ci-dessous un schéma très représentatif du coût de la non qualité.
Designing data governance that delivers value, By Bryan Petzold, Matthias Roggendorf, Kayvaun Rowshankish, and Christoph Sporleder, 26 Juin 2020
Les gains directs sont au contraire bien plus complexes à démontrer : comment prouver que l’adoption de pratiques de bonnes gestions des données permettra l’amélioration de drivers business ?
Deux éléments sont complémentaires pour démontrer une création de valeur :
- Analyser la stratégie de l’organisation et identifier des aires dans lesquelles la data gouvernance serait la plus profitable
- Échanger avec des responsables pour identifier leurs besoins, les limitations qu’ils peuvent avoir quant aux données
Catégoriser le niveau de maturité de l'organisation
Un deuxième élément est essentiel, celui de la maturité de l’organisation : à chaque niveau de maturité correspond des use cases. Prenons un exemple simple : une démarche de conformité RGPD. L’objectif est le même, maîtriser les données personnelles gérées par l’organisation. Mais une organisation avec un fort degré de maturité en sera peut-être à gérer les échanges de données sensibles entre systèmes alors qu’une entreprise à faible maturité n'en sera qu'à l'inventaire des données personnelles.
Or, on l’a évoqué plus haut, toutes les organisations n’ont pas le même niveau de maturité sur la gestion des données. Il convient donc d’évaluer le niveau de maturité. (voir cet article pour plus de détails)
L’énorme avantage de ces matrices, c’est qu’elles vont permettre de :
- Factualiser votre démarche
- Identifier plus facilement les axes d’amélioration.
- Faciliter la comparaison entre organisations soumises aux mêmes besoins et contraintes
Note : cet article est une version simplifiée de cet article, publié par Gauthier Coponat le 17 septembre 2021