Déployer une gouvernance data-driven, levier de croissance pour l’avenir

Pour rester compétitives, les entreprises doivent maintenant compter sur l’exploitation de leurs données. Ainsi, pour déployer des logiques de traitement de données, une transformation analytique doit être opérée en son sein. En effet, l’exploitation des données implique la mise en place de processus de gestion et de gouvernance des données clairs. Sans cela, les efforts seront réduits à néant.

 

Les nouvelles technologies analytiques et prédictives, comme l’Intelligence Artificielle par exemple, se basent sur les données de l’entreprise. De ce fait, pour qu’elles soient efficaces, et donc rentables, les données sur lesquelles s’appuient leurs algorithmes doivent absolument être fiables et robustes. C’est pourquoi il est essentiel que l’entreprise dispose d’un grand volume de données liées à son activité, mais également que ces données soient utilisables : propres, annotées, structurées, stockées et accessibles.

 

Les entreprises qui parviennent à exploiter leur données bénéficient d’un avantage, non des moindres. En plaçant les données au coeur de leurs gouvernances, elles appuient leurs décisions sur des faits plutôt que sur des suppositions. Tout cela est rendu possible par le déploiement d’une culture data-driven dont l’efficacité dépend directement de la qualité des données disponibles.

 

 

Principes clefs déployer une gouvernance data-driven

Beaucoup d’entreprises ont pris le train de la donnée en marche et se dotent de Chief Data Officer. Ce rôle est souvent très lié à celui de Chief Financial Officer, comme nous l’avons vu dans un article précédent. C’est donc lui (ou elle) qui va se charger de définir les processus liés aux données, et s’assurer de leurs applications opérationnelles. L’efficacité de ces actions reposent néanmoins sur l’ensemble des collaborateurs de l’entreprise. Dès lors, les principes clefs qui vont suivre s’adressent à tous CDO, CFO… ou pas.

 

 

Gérer les données internes

Stratégie

Les objectifs à atteindre sont définis et disponibles. La mesure de l’atteinte de ces objectifs est traduite sous forme de KPIs. Ces KPIs s’appuient sur l’analyse de données, qu’elles soient financières ou extra-financières.

 

 

Qualité

Dans une logique d’amélioration continue, les données produites par l’entreprise sont régulièrement passées en revue. Les éventuels problèmes ou incohérences sont corrigés. L’origine de ces problèmes doit être identifiée et, si possible, corrigée.

 

 

Standardisation

Pour pouvoir être exploitable de la manière la plus intégrée possible, les données doivent suivre une certaine nomenclature commune. Le suivi de cette standardisation est assuré par une revue qualité périodique.

 

 

Intégrité

Comme nous l’avons vu plus, pour une exploitation efficace les données doivent être fiables. Dès lors, l’intégrité des données doit toujours être vérifiable. C’est pourquoi les données doivent disposer de méta-data permettant de comprendre le contexte de chacune des données crées.

 

 

Accessibilité

Les données sont stockées dans une base de données centralisée. Puis elles sont exploitées dans des tableaux de bords spécifiques à chaque métiers. Dans ce contexte, chaque collaborateur à accès aux données qui lui sont nécessaires. Ni plus, ni moins.

 

 

Responsabilité

La base de données centralisée s’agrémente de données qui émanent de tous les services. Dès lors, chaque collaborateur porte la responsabilité des données qu’il produit. Cette responsabilité doit être communiquée et un accompagnement mis en place lors du lancement d’un nouveau projets de donnée.

 

 

Enrichir les rapports de données de votre écosystème

Dans certains cas, l’échange de données avec votre écosystème peut être un atout. Cela vous permet en effet de connaître votre marché ou d’automatiser vos processus. Par exemple, vous pourriez imaginer interconnecter votre ERP (Enterprise Ressource Planning – PGI en français pour Progiciel de Gestion Intégré) avec celui de vos prestataires et fournisseurs. Cela vous permettrait de connaître l’état des stocks, de la facturation, etc. sans avoir à le faire manuellement. Ce procédé prend la forme d’EDI (Electronic Data Interchange). Si vous souhaitez implémenter ce type de processus, je vous encourage néanmoins à considérer les éléments qui suivent.

 

 

Propriété

Les données font parti de l’actif de l’entreprise. C’est valable pour vous, ça l’est aussi pour vos partenaires. Dès lors, il est nécessaire de définir le propriétaire des données, qui est responsable, qui peut y accéder et/ou les transformer.

 

 

Juridique

Dans le cas où des données à caractère personnel pourraient être échangées, prenez en compte la règlementation RGPD. Cela dit, dans tous les cas je vous recommande de considérer l’aspect juridique lié aux données que vous échangez. Un contrat de non divulgation pourrait par exemple être envisagé.

 

À l’ère de la data, où nous disposons de tellement de données que nous ne savons même plus quoi en faire, il est essentiel de se souvenir de ces principes de base. Devenir une entreprise data-driven est un facteur clef de performance, c’est vrai. Mais pour mener cette transformation avec succès, mieux vaut tenir compte des différents aspects que nous avons évoqué dans cet article. Pour reprendre l’adage de la science de la donnée : « garbage in = garbage out ». Ça ne s’invente pas…

rawpixel.com

Si vous avez trouvé une faute d’orthographe, veuillez nous en informer en sélectionnant le texte en question et en appuyant sur Ctrl + Entrée .

La newsletter qui transforme

Sortez la tête de l'eau, une fois par mois depuis votre boîte mail.

Vous pouvez vous désabonner à tout moment. Pour en savoir plus sur notre politique de protection des données, cliquez-ici.