Les 4 piliers pour réussir sa stratégie data

La data est la clé pour créer de la valeur, innover, industrialiser ses processus avec de l’IA ou encore utiliser avec profit les capacités de l’IA générative. L’échec du Big Data nous aura au moins confirmé cela et appris comment appréhender ce sujet : en s’attaquant à la fois à la tech, l’orga, la culture et la gouvernance.

Le Big Data promettait de valoriser les données, toutes les données. 10 ans après cette déferlante et plusieurs millions dépensés, le bilan est mince : les DataLabs ont généré des POC, mais peu de projets en production et encore moins industrialisés. Des efforts importants ont été déployés pour mettre en place les data lakes, centraliser l’ensemble des données de l’entreprise sur des technologies distribuées avec de grandes promesses d’efficacité et de scalabilité. Mais la technologie coûte cher, les experts sont quasi introuvables et pour un usage finalement limité avec des gains d’efficacité marginaux.

Matérialiser la valeur ajoutée de la “mine d’or” de données sur laquelle toute entreprise est aujourd’hui assise reste un vrai challenge. Parce que le Big Data visait juste un aspect de la problématique, alors qu’il faut travailler simultanément sur les 4 piliers de la data :

• Le socle technique (la plateforme data)
• L’organisation
• L’acculturation et la formation
• La data gouvernance

Et s’il ne fallait donner qu’un seul conseil : mieux vaut commencer petit mais sur ces 4 piliers à la fois plutôt que d’investir toute son énergie sur un seul axe.

Pilier #1 de votre stratégie Data : le socle technique (la plateforme data)

Le socle technique data peut prendre différentes formes. Mais il inclut un ensemble de choix qui doivent être cohérents entre les espaces de stockage, les flux et traitements, l’organisation des différentes couches de données et les outils qu’on met à disposition pour exploiter la data. Le socle doit également inclure les capacités “support” de surveillance des chaînes et des données et permettre à la data gouvernance de surveiller l’application des règles.  

Les choix doivent être pensés avec en arrière-plan la volonté d’éviter le lock-in technologique, d’être en adéquation avec le niveau « juste après » de ce qu’on veut faire avec la data aujourd’hui. 

Pilier #2 de votre stratégie Data : l'organisation

L’organisation de la data, c’est très concrètement être capable de poser une organisation qui définit les zones d'autonomie pour chacune des fonctions et les instances décisionnaires pour les actions et décisions transverses. Elle est d’autant plus critique que le travail de la data se trouve à cheval entre les fonctions Tech, au sein des départements IT, les métiers qui ont une connaissance fine des données et de leurs subtilités, et aujourd’hui des départements data, souvent posés en transverse et rattachés au comité de direction. 

L’organisation va notamment s’attacher à définir les interactions, les rôles et responsabilités sur au moins 3 streams transverses : 

• le cadrage des sujets, leur qualification et priorisation, 
• le développement des chaînes qui servent les besoins du métier,
• le suivi de la production dans ses aspects “contenants” (les data pipelines) et “contenu” (les données). 

Pilier #3 de votre stratégie Data : l'acculturation et la formation

L’acculturation et la formation, c’est en permanence s’assurer que l’ensemble des collaborateurs est à jour sur les capacités technologiques de l’entreprise. Le sujet peut paraître plus superficiel que le socle technique ou l’organisation des activités, il n’en est pas moins crucial. 

Objectif premier : ne pas se laisser dépasser. Objectif second : stimuler la créativité du collectif. La démarche ne peut pas être ponctuelle mais doit être un effort continu avec une alternance entre théorie et pratique. Offrir un terrain de jeu et d'expérimentation à ses collaborateurs était considéré comme un outil de rétention, il devient un des piliers de l'innovation en entreprise. 

Pilier #4 de votre stratégie Data : la gouvernance

Dernier pilier essentiel, la data gouvernance peut se résumer rapidement comme l’ensemble des règles qui déterminent « qui peut avoir accès à quoi et comment ». À la base, la fonction est établie pour jouer le rôle de garde-fous notamment dans la manipulation des données critiques de l’entreprise et pour assurer le respect des règlements. Le domaine a depuis bien évolué, et s'est notamment saisi de la question de la structure des données et du data management.

Naguère parent pauvre des sujets de data gouvernance, le data management prend une part plus importante : les difficultés rencontrées par les entreprises dans la mise en œuvre et l’exploitation des data lakes ont fait remonter la nécessité d’avoir une organisation de la donnée. Cette structure de la donnée, si elle n’est pas écrite en dur dans les systèmes, doit au moins exister conceptuellement pour permettre aux consommateurs et utilisateurs des données de naviguer parmi les tables et les colonnes de plus en plus nombreuses. Elle se traduit souvent en plusieurs couches : les couches de données physiques présentes dans les bases, les couches intermédiaires; les couches logiques et enfin les couches sémantiques.

Une fois la capacité à naviguer dans la cartographie acquise, il devient alors possible (et facile) de croiser les données entre elles tout en conservant la cohérence des bases et en garantissant la véracité de l'information (certification de la donnée). Le schéma organisationnel de la donnée représente donc la première étape pour passer au-delà des silos et donc de la dette technique data des entreprises qui ont plus d'ancienneté que quelques mois sur le marché.

Pour résumer, la data gouvernance en action, ce sont 3 verbes :

• Structurer
• Surveiller
• Éduquer
  
  Appliqués sur 3 niveaux : 
• Les données
• Les ressources humaines
• Les process 

Je détaillerai dans un prochain article ce que peut être une data gouvernance appliquée qui combine simplicité et efficacité.