Définir qui s’occupe des données de l’entreprise et comment les gérer

## Décider pourquoi et jusqu’où l’entreprise gère ses données Traiter les données comme un actif d’entreprise géré, et non comme un sous-produit des systèmes. Commencer par préciser pourquoi l’organisation gère les données, quels résultats comptent et où le mandat commence et se termine. - Identifier les décisions, les services, les risques et les obligations que le modèle opérationnel doit soutenir. - Définir les domaines de données, les unités opérationnelles, les plateformes et les étapes du cycle de vie compris dans le périmètre. - Séparer la gouvernance stratégique, les travaux de mise en œuvre et les opérations récurrentes afin de rendre les responsabilités visibles. - Consigner les hypothèses, les exclusions, les dépendances et les questions non résolues. - Utiliser des termes cohérents pour les capacités, les activités, les rôles, les livrables, les contrôles et les mesures. - Ne pas revendiquer une couverture à l’échelle de l’entreprise lorsque les preuves se limitent à une équipe, un système ou un échantillon. ## Nommer qui décide et qui s’occupe de chaque type de données Rendre explicite la responsabilité partagée. Les représentants des métiers restent responsables du sens, de l’usage acceptable et des priorités, tandis que les spécialistes techniques restent responsables de la fiabilité de la mise en œuvre et de la garde des données. - Désigner un sponsor de direction pour l’autorité, le financement et l’escalade transversale. - Attribuer des responsables aux domaines de données, aux politiques, aux services et aux contrôles majeurs. - Définir la responsabilité métier pour les définitions, les attentes de qualité et les décisions relatives aux problèmes. - Définir la responsabilité technique pour l’architecture, l’accès, les opérations, la traçabilité et la mise en œuvre. - Documenter qui propose, examine, approuve, met en œuvre, surveille et reçoit l’information. - Prévoir un circuit pour résoudre les lacunes de responsabilité, les conflits de politiques et l’acceptation des risques. - Réexaminer les attributions lors de réorganisations ou de changements de plateformes, de réglementations ou d’usages critiques. ## Lister toutes les tâches de données que l’entreprise doit couvrir Créer une cartographie des capacités avant de choisir des projets ou des outils. Organiser le travail selon des responsabilités durables, et non selon l’organigramme actuel ou les limites des produits d’un fournisseur. - Couvrir la stratégie et la gouvernance, l’architecture, la livraison des solutions et les opérations de données. - Inclure la sécurité, la confidentialité, la continuité, la conservation et l’accès approprié. - Inclure les données de référence partagées, les données maîtres, les métadonnées, les définitions et la traçabilité. - Inclure la livraison de données analytiques, la mise à disposition de rapports, les documents, les enregistrements et les contenus. - Inclure la définition et la mesure de la qualité des données, la gestion des problèmes et l’amélioration. - Montrer où les capacités dépendent les unes des autres ou se fournissent mutuellement des services. - Préserver les chevauchements importants, mais attribuer un responsable unique à chaque décision. ## Décrire chaque domaine du travail sur les données avec les mêmes questions Utiliser les mêmes perspectives descriptives pour chaque capacité afin de comparer les lacunes et les dépendances sans imposer un processus identique à toutes les capacités. - Résultats et principes : la valeur recherchée et les règles qui guident les décisions. - Activités : le travail récurrent, le travail de projet, les contrôles et les points de décision. - Livrables : les enregistrements, modèles, politiques, services, jeux de données et preuves requis. - Rôles et responsabilités : les parties redevables, chargées d’exécuter, consultées et informées. - Pratiques et procédures : les méthodes approuvées, les conventions, les exceptions et les circuits d’escalade. - Technologie et normes : les catégories d’outils, les protocoles, l’interopérabilité et les critères de sélection nécessaires. - Organisation et culture : les compétences, les incitations, le financement, l’autorité, la collaboration et la préparation au changement. - Ne déclarer une perspective non applicable qu’avec une justification ; ne pas l’omettre silencieusement. ## Évaluer la situation actuelle sur des preuves réelles, pas sur la réputation Évaluer les capacités actuelles au moyen de preuves vérifiables plutôt que de la réputation ou de la possession d’outils. Appliquer une échelle documentée à l’ensemble du portefeuille et distinguer l’absence de preuves d’une faible performance. - Examiner les politiques, les registres de responsabilité, les modèles, les catalogues, les flux de travail, les contrôles et les registres de service. - Échantillonner des preuves opérationnelles telles que les incidents, les revues d’accès, les résultats de qualité, la traçabilité et l’historique des changements. - Interroger les participants métier et techniques pour vérifier si les pratiques documentées sont réellement utilisées. - Évaluer séparément les capacités, l’adoption, l’efficacité des contrôles et la performance des résultats. - Consigner les preuves, le niveau de confiance, le périmètre, les exceptions et la date de chaque constat. - Identifier les causes profondes et les dépendances au lieu d’énumérer les symptômes comme des lacunes indépendantes. - Ne pas déduire la maturité d’une plateforme achetée, d’un seul projet réussi ou d’affirmations non documentées. ## Classer les améliorations par valeur et risque, en commençant par les bases Transformer les constats en un portefeuille séquencé selon la valeur métier, la réduction des risques, les dépendances et la préparation à la mise en œuvre. Une longue liste d’initiatives sans lien ne constitue pas une stratégie. - Relier chaque initiative à un constat documenté, à un résultat dont la responsabilité est attribuée et à un bénéfice mesurable. - Classer le travail selon l’impact, l’urgence, l’exposition, l’effort, les dépendances et le niveau de confiance dans les preuves. - Mettre en place les fondations nécessaires avant les travaux dépendants d’automatisation, d’analyse ou de déploiement à grande échelle. - Définir le périmètre, le responsable, les points de décision, les ressources, les jalons et les mesures d’acceptation. - Repérer les améliorations rapides sans leur permettre d’évincer les travaux fondamentaux critiques. - Escalader les changements de politiques, de responsabilités, de financement ou d’acceptation des risques vers l’autorité compétente. - Ne pas commencer de travaux irréversibles ou ayant un effet sur la production sans approbation explicite ni plan de retour arrière. ## Fixer des règles pour les données de leur création à leur élimination Appliquer des contrôles depuis l’acquisition et la création, en passant par l’utilisation, le partage, la conservation et l’archivage, jusqu’à l’élimination. Coordonner la livraison des projets avec la responsabilité opérationnelle afin que les contrôles restent en place après le déploiement. - Recueillir les exigences d’information, les définitions, les classifications et les règles de qualité avant la conception. - Examiner les modèles, les interfaces, les chemins d’accès, les besoins de conservation et les exigences de reprise avant la mise en service. - Utiliser en toute sécurité des données de test représentatives et valider les migrations, les transformations et les rapprochements. - Gérer les versions des modèles de données, des schémas, des règles, des correspondances et des preuves de contrôle avec des approbations traçables. - Surveiller la disponibilité, les performances, les comportements d’accès, les résultats des changements et la préparation à la reprise. - Exiger des décisions autorisées pour l’accès à la production, les changements destructifs, les exceptions de conservation et l’élimination. - Conserver les preuves d’audit et tester les chemins de retour arrière ou de reprise avant les changements à fort impact. ## Garder cohérents les termes communs et les sources officielles de données Réduire l’ambiguïté en gérant comme des services connectés les définitions faisant autorité, les valeurs de référence, les entités maîtresses, les métadonnées, les taxonomies et la traçabilité. - Attribuer des responsables et des règles d’approbation aux termes, identifiants, ensembles de codes et hiérarchies partagés. - Identifier les sources faisant autorité et documenter où les répliques ou les valeurs dérivées sont autorisées. - Consigner la traçabilité depuis la source, à travers les transformations, jusqu’aux usages et rapports importants. - Maintenir les définitions métier reliées aux schémas techniques, aux contrôles et aux responsables. - Intégrer les métadonnées entre les plateformes tout en préservant la provenance et la responsabilité de mise à jour. - Gérer les documents et les enregistrements avec des contrôles de classification, d’indexation, d’accès, de conservation et de récupération. - Ne pas qualifier une source de référence faisant autorité tant que les règles de responsabilité, de qualité, de mise à jour et de conflit ne sont pas explicites. ## Vérifier la qualité des données selon leur usage dans les rapports et les décisions Gérer la qualité et la mise à disposition analytique en fonction des usages déclarés. Un jeu de données peut être techniquement valide tout en étant inadapté à une décision, un rapport, un modèle ou un processus opérationnel. - Définir, selon les besoins, des règles mesurables pour l’exactitude, la complétude, la cohérence, l’actualité, la validité et l’unicité. - Fixer les seuils et les niveaux de service avec les personnes responsables de l’usage métier. - Analyser le profil des données et les tester avant de s’y fier, puis surveiller la dérive et les défauts récurrents. - Remonter les défauts aux processus sources, aux contrôles, aux transformations ou aux responsabilités mal définies. - Fournir des données analytiques préparées, des services de production de rapports et des définitions sémantiques documentées. - Séparer la responsabilité de la fiabilité des données analytiques de celle de l’interprétation des résultats métier. - Rapprocher les résultats critiques et communiquer les limites, l’actualité et les risques de qualité connus. ## Revoir les indicateurs régulièrement et ne clore un problème qu’une fois réglé Faire fonctionner le modèle comme un cycle de gestion continue. Les revues doivent conduire à des décisions, des corrections et des priorités actualisées plutôt que de devenir un rituel de production de rapports. - Maintenir un ensemble réduit de mesures pour la valeur, le risque, la qualité, le service, l’adoption, le coût et l’efficacité des contrôles. - Examiner l’état des capacités, les incidents, les exceptions, les décisions en retard et les résultats des initiatives selon un rythme défini. - Attribuer à chaque problème un responsable, une gravité, une échéance, un circuit d’escalade et une preuve de clôture. - Vérifier que la correction modifie l’état mesuré avant de clore un constat. - Communiquer aux parties concernées les décisions, leur justification, les dépendances et le risque résiduel. - Mettre à jour les politiques, les descriptions de capacités, les feuilles de route et les responsabilités lorsque les preuves ou le contexte changent. - Réévaluer périodiquement si le modèle opérationnel reste proportionné aux besoins et aux risques de l’entreprise.