{"id":80,"date":"2022-12-19T13:04:41","date_gmt":"2022-12-19T12:04:41","guid":{"rendered":"https:\/\/audatacity.com\/en\/?p=80"},"modified":"2022-12-19T15:31:58","modified_gmt":"2022-12-19T14:31:58","slug":"prendre-la-data-par-le-bon-sens-2nde-partie","status":"publish","type":"post","link":"https:\/\/audatacity.com\/fr\/2022\/12\/19\/prendre-la-data-par-le-bon-sens-2nde-partie\/","title":{"rendered":"Prendre la data par le bon sens (2nde partie)"},"content":{"rendered":"\n

La premi\u00e8re partie de cet article<\/a>, d\u00e9di\u00e9 aux trois piliers de maturit\u00e9 pour l\u2019entreprise data-driven, a permis de s\u2019int\u00e9resser \u00e0 l\u2019organisation. Dans cette seconde partie, nous nous int\u00e9ressons \u00e0 l\u2019architecture et \u00e0 la gouvernance.<\/p>\n\n\n\n

L\u2019architecture : Privil\u00e9gier le self-service, la flexibilit\u00e9 et la diversit\u00e9 des usages<\/strong><\/h2>\n\n\n\n

Du fait de l\u2019extr\u00eame diversit\u00e9 des cas d\u2019usage, et malgr\u00e9 quelques exceptions qui confirment la r\u00e8gle comme pour la planification financi\u00e8re ou les customer data platforms, le domaine fonctionnel li\u00e9 \u00e0 la data ne s\u2019est pas progicialis\u00e9. La ma\u00eetrise de l\u2019architecture est donc une figure impos\u00e9e, un exercice d\u00e9licat qu\u2019il est tentant de d\u00e9l\u00e9guer aux fournisseurs de technologie. C’est l’\u00e9cueil \u00e0 \u00e9viter, m\u00eame si les progr\u00e8s dans le monde de la data ont \u00e9t\u00e9 provoqu\u00e9s par d\u2019importantes vagues technologiques (data warehousing, business intelligence, puis le big data, le cloud et la data science). Mais, il incombe aux \u00e9quipes data au sein de leur organisation de surfer (ou non) sur ces vagues vers des trajectoires qui non seulement r\u00e9pondent au contexte de leur organisation et de ses diff\u00e9rents cas d\u2019usage, mais lui permettent de progresser au fil des \u00e9volutions technologiques, organisationnelles et des besoins fonctionnels.<\/p>\n\n\n\n

Pour y parvenir, cloud s\u2019est rapidement impos\u00e9, parce qu’il a apport\u00e9 souplesse et flexibilit\u00e9, mais aussi d\u00e9mocratis\u00e9 l\u2019acc\u00e8s aux technologies, leur exp\u00e9rimentation et leur mise \u00e0 l\u2019\u00e9chelle, y compris pour des organisations de taille modeste.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Historiquement organis\u00e9 autour d\u2019une base de donn\u00e9es centrale privil\u00e9giant un acc\u00e8s aux donn\u00e9es direct par les utilisateurs en mode self-service, la couche basse de l\u2019architecture tend \u00e0 se modulariser afin d\u2019exploiter diff\u00e9rents types de data, depuis les donn\u00e9es brutes jusqu\u2019aux donn\u00e9es de r\u00e9f\u00e9rence, ou \u00e0 celle qui sont mod\u00e9lis\u00e9es sp\u00e9cifiquement pour certains cas d\u2019usage. La plate-forme tend \u00e9galement \u00e0 se virtualiser, afin de ne pas imposer une recopie syst\u00e9matique des donn\u00e9es en autorisant la d\u00e9centralisation ou la gestion des flux en temps r\u00e9el.<\/p>\n\n\n\n

En amont de ce socle, l\u2019architecture doit permettre le sourcing et l\u2019int\u00e9gration de donn\u00e9es, qui reste une fonction de back-office, pour les \u00e9quipes de DataOps. En aval, elle doit autoriser un acc\u00e8s en libre-service au plus grand nombre, des analyses plus sophistiqu\u00e9es pour la data science, mais aussi des acc\u00e8s programmatiques pour alimenter en data et d\u00e9clencher des actions dans les applications op\u00e9rationnelles.<\/p>\n\n\n\n

\u00c0 ces trois dimensions de base, la tendance est d\u2019en ajouter une quatri\u00e8me, en support de la gouvernance et de la qualit\u00e9, ainsi de l\u2019accessibilit\u00e9 des donn\u00e9es. Il s\u2019agit non seulement de connecter les donn\u00e9es r\u00e9elles aux dispositifs de contr\u00f4le et de gestion de la qualit\u00e9, mais aussi d\u2019amener plus de transparence et de documentation aux donn\u00e9es pour une utilisation en libre-service. Cette quatri\u00e8me dimension inclut les capacit\u00e9s de gestion d\u2019acc\u00e8s et de la s\u00e9curit\u00e9, de provisioning, de gestion des donn\u00e9es personnelles, et de catalogage ; sans oublier la qualit\u00e9 et l\u2019observabilit\u00e9 des donn\u00e9es, le potentiel tendon d\u2019Achille des initiatives data dont les lacs de donn\u00e9es se transforment parfois en mar\u00e9cages. Cette transparence passe par la constitution d\u2019une couche s\u00e9mantique permettant de r\u00e9f\u00e9rencer les donn\u00e9es, de comprendre leur relation et leur origine, et de les associer \u00e0 leur signification business et leur contexte fonctionnel. Le d\u00e9veloppement de cette dimension a jusque-l\u00e0 \u00e9t\u00e9 frein\u00e9 par le fait qu\u2019elle sollicite fortement des ressources humaines, dans une approche d\u00e9clarative. De r\u00e9centes innovations technologiques permettent d\u2019envisager plus d\u2019automatisation et d\u2019\u00ab intelligence \u00bb, permettant d’installer cette couche sup\u00e9rieure au c\u0153ur de la plateforme de donn\u00e9es moderne plut\u00f4t qu’en sa p\u00e9riph\u00e9rie.<\/p>\n\n\n\n

D\u00e9finir un cadre pour la gouvernance et la qualit\u00e9<\/h2>\n\n\n\n

Tout le monde s\u2019accorde \u00e0 dire que la gouvernance de donn\u00e9es est un maillon essentiel de la r\u00e9ussite d\u2019une initiative data. Mais, c\u2019est souvent le maillon faible, tant il peut \u00eatre d\u00e9licat non pas seulement d\u2019en d\u00e9finir le contour, mais surtout d\u2019en transmettre et d\u2019en faire respecter les principes. Un programme de gouvernance de donn\u00e9es est transverse, et doit d\u00e9finir les r\u00f4les et responsabilit\u00e9s, les politiques, standards et processus, ainsi que les r\u00e8gles et contr\u00f4les. C\u2019est un programme de transformation qui n\u00e9cessite une gestion du changement, et donc d\u2019en reconna\u00eetre la n\u00e9cessit\u00e9 et les cons\u00e9quences, puis d\u2019engager les parties prenantes dans sa r\u00e9alisation.<\/p>\n\n\n\n

Le sch\u00e9ma ci-dessous pr\u00e9sente un cadre pour la gouvernance, fortement mais librement du \u00ab modern governance framework \u00bb de Dave Wells<\/a>.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Tout commence par la formalisation du pourquoi et du comment aligner le programme sur les enjeux de l\u2019entreprise. Cette partie est fondamentale pour obtenir l’adh\u00e9sion des directions g\u00e9n\u00e9rales et l’engagement des parties prenantes.<\/p>\n\n\n\n

Il faut ensuite d\u00e9velopper les principes directeurs et les moyens pour les formaliser, tels que les codes de conduite ou les approches utilis\u00e9es pour inventorier et cartographier les donn\u00e9es. Puisque la gouvernance consiste le plus souvent \u00e0 \u00e9tablir un syst\u00e8me d\u2019entit\u00e9s d\u00e9cisionnelles plut\u00f4t qu\u2019un centre unique de d\u00e9cision, il faut clairement d\u00e9finir et r\u00e9partir les r\u00f4les et responsabilit\u00e9s, et s\u2019assurer de leur int\u00e9gration dans l\u2019organisation. D\u2019autant que les r\u00f4les sont de plus en plus nombreux et diversifi\u00e9es au fur et \u00e0 mesure que les initiatives prennent de l\u2019ampleur et augmentent leur impact.<\/p>\n\n\n\n

Une fois le cadre et les r\u00f4les d\u00e9finis, il faut assurer sa mise en \u0153uvre. Ceci passe par la d\u00e9finition des processus et des contr\u00f4les, par exemple pour \u00e9tablir le privacy by design, assurer et mesurer la qualit\u00e9 des donn\u00e9es ou encore leur r\u00e9f\u00e9rencement syst\u00e9matique.<\/p>\n\n\n\n

M\u00eame si elles ne doivent rester qu’un moyen, les technologies sont indispensables pour la mise \u00e0 l\u2019\u00e9chelle. Les donn\u00e9es sont surabondantes et \u00e9voluent en permanence, tandis que les ressources d\u00e9di\u00e9es \u00e0 la gouvernance sont limit\u00e9es. Les technologies doivent permettre de connecter en permanence les r\u00e8gles du jeu, \u00e9dict\u00e9es et arbitr\u00e9es par les personnes, avec les donn\u00e9es proprement dites, pour permettre de s\u2019assurer de leur mise en pratique et d\u2019alerter dans le cas contraire.<\/p>\n\n\n\n

Enfin, la data est un sport d\u2019\u00e9quipe, et les silos d\u00e9truisent sa valeur. La data gouvernance doit donc proposer et susciter l\u2019adh\u00e9sion d\u2019un cadre comportemental qui encourage l\u2019appropriation, la collaboration, le partage et le respect de r\u00e8gles d\u2019\u00e9thiques. Ce r\u00f4le f\u00e9d\u00e9rateur, visant \u00e0 instaurer une gouvernance participative impliquant toutes les parties prenantes, constitue le plus grand d\u00e9fi pour la data gouvernance en particulier, mais aussi plus g\u00e9n\u00e9ralement pour le d\u00e9veloppement de l\u2019\u00e9conomie de la donn\u00e9e en g\u00e9n\u00e9ral. La mise en application de la r\u00e9glementation RGPD en Europe permet d\u2019en illustrer les enjeux, les d\u00e9fis, et les impacts.<\/p>\n\n\n\n

Cet article (ainsi que <\/em>s<\/em>a premi\u00e8re partie<\/a>) s’appuie sur une pr\u00e9sentation r\u00e9alis\u00e9e pour le keynote des data days de KPC consulting<\/a> \u00e0 Paris. Cliquez ci-dessous pour acc\u00e9der \u00e0 la pr\u00e9sentation dans sa totalit\u00e9.<\/em><\/p>\n\n\n