Réussir sa gouvernance de données grâce à l’approche orientée Use Cases

Vous souhaitez initier une démarche de gouvernance de données dans votre entreprise et vous ne savez pas par quel bout commencer ? Vous avez déjà une organisation data en place et vous souhaitez prouver la valeur ajoutée que cela apporte à vos métiers ?

Afin de mener à bien votre approche de gouvernance de la donnée, nous vous conseillons de piloter votre démarche par la réalisation de Use Cases métier de la donnée.

Il faut dès lors être en mesure d’identifier ces Use Cases data, les prioriser, les réaliser et apprendre en mesurant leurs performances afin de les améliorer continuellement, de garantir leur qualité, ou finalement de pivoter, voire même de les abandonner.

La Gouvernance de données est devenu un must have dans les organisations

Pour de multiples raisons il n’est pas envisageable de maintenir un fonctionnement sans Gouvernance de données :

• Les données sont dispersées dans l’organisation en silos et ne sont pas gérées de manière stratégique

• Les volumes de données des entreprises augmentent et sont présents sous différents formats : structurés et non structurés

• Les données sont une source vitale d’informations commerciales et les utilisateurs recherchent des données plus précises

• La catégorisation, la propriété et la mise en conformité réglementaire remettent en question les politiques et procédures existantes en matière de données

Pour réussir sa gouvernance de données nous conseillons les démarches suivantes : Développez un cadre de gestion de données, élaborez la stratégie data, optimisez votre infrastructure, vos processus et vos systèmes, et créez la culture de la data.

L’objectif d’une gouvernance de données

Permettre aux entreprises de gérer les données comme un actif à part entière en appliquant ces 3 principes :

• Durable : C’est un processus continu, sans fin programmée, qui requiert un engagement constant. Pas d’effet big bang, mais un ensemble de petits changements dans les habitudes.

• Mesurable : tant au niveau de la progression du déploiement des bonnes pratiques, des règles, des rôles … que dans la mesure des bénéfices apportés.

• Ancré dans le fonctionnement des entreprises : La gouvernance de données n’est pas un processus supplémentaire et à part. Elles doivent s’inscrire dans les processus métiers existants : gestion de projets, gestion des données de référence, gestion des risques, processus métiers …

Les pré-requis à une gouvernance de données réussie

Une gouvernance de la donnée réussie requiert l’alignement de plusieurs facteurs :

• Le parrainage de la direction et du management est un facteur essentiel pour le succès du programme d’information d’entreprise. Il supervise l’exécution du cadre de gouvernance des données et la participation de toute l’entreprise aux différents rôles de gouvernance des données.
• Un plan documenté guide l’ensemble des démarches data et éléments de réussite. Il définit l’allocation des ressources, les activités et les délais pour traiter l’acquisition, l’exhaustivité, l’exactitude, l’actualité et l’utilisation des données.
• De même il faut documenter les éléments clés de votre stratégie en matière de données. Comme notamment les sources de données, la qualité des données, la « propriété » des données, la confidentialité et la sécurité des données, l’actualité des données, le niveau de détail nécessaire, le type de data analyses requises, la gestion du stockage et la conservation des données.
• Une gouvernance réussie commence à petite échelle : n’essayez pas de réparer les données de tous les départements et systèmes en même temps. Travaillez en mode projet sur un périmètre limité à quelques Uses Cases data qui apportent le plus de valeur aux métiers.

Identifier les Use Cases autour de la donnée

L’étape d’identification des Use Cases autour de la données est une étape cruciale. C’est le point de départ de la démarche de mise en place d’une gouvernance de la donnée et doit permettre de faire émerger les différentes idées liées à une réelle problématique.

Il faut donc se concentrer sur les inputs clés qui sont :

• la connaissance utilisateurs/clients,
• leur points de douleurs,
• la gestion des feedbacks utilisateurs.

A partir de ces problématiques principales, vous avez la possibilité d’effectuer un atelier d’idéation (Brainstorming, Mind Mapping, Speed boat, …) regroupant plusieurs profils appartenant à différents domaines d’expertise (IT, Produit, Marketing, Support, Exploitation, …) de l’entreprise.

Ensemble, ces intervenants ont un pouvoir créatif plus important. Le but est de générer plusieurs idées innovantes ayant une composante Data (et IA) présente.

Prioriser les Use Cases

Les idées ainsi trouvées sont qualifiées avec les critères qui vous semblent les plus importants pour votre organisation.

Par exemple les 4 critères ci-après :

• la valeur métier :
  • Quel serait le retour sur investissement de cette fonctionnalité ?
  • Quel serait l’impact de ne pas faire cette fonctionnalité ?
  • …
• la valeur utilisateur : On évalue le bénéfice que cela va apporter à nos clients.
  • Quelles économies rendraient nos clients heureux ?
  • Qu’est-ce qui faciliterait la vie ou le travail de nos clients ?
  • …
• la complexité : On évalue l’effort à fournir pour réaliser le Use Case data.
  • Est ce que cela implique la contribution d’un nombre important d’intervenants ?
  • Est ce que la mise en place des process internes est un frein à la réalisation du Use Case ?
  • …
• et pour finir bien entendu la composante Data :
  • Les données existent t’elles dans l’entreprise ?
  • Les données sont-elles facilement accessibles ?
  • Quel est le niveau de qualité des données de l’entreprise ?
  • ….

Il ne reste plus qu’à les prioriser les Use Cases de la donnée à l’aide ces critères et d’arbitrer sur la ou les cas d’utilisations à réaliser en priorité.

Fournir une vision du produit/service

Utilisons un des outils que l’on retrouve principalement dans l‘univers Startup et qui découle de la méthode du Lean Startup pouvant s’appliquer au sujet de la donnée (et de l’IA), nous parlons du Lean Business Canvas.

Le Lean Business Canvas est approprié au démarrage d’un projet data, cette phase amont où le champ des possibles est grand ouvert. La clarification de la vision et la proposition de valeur (quoi / pour qui / pour quoi) sont des étapes clés préalables à la phase de réalisation.
Il est important néanmoins d’adapter ce caneva à notre sujet data. En effet, les données utiles à la réalisation du Use Case doivent faire partir des éléments à renseigner dans votre caneva.
Ce “Lean Data Canvas” ainsi adapté est idéal pour commencer à partager votre vision du produit. Il faut garder en tête que ce caneva est amené à évoluer en fonction de l’avancement de votre produit.

Une fois initié et votre proposition de valeur créée, il sera plus aisé de faire émerger les parties les plus risquées à traiter en priorité.

Délivrer de la valeur – Build/Mesure/Learn  ?

La phase de réalisation arrive enfin et avec elle le risque de “perdre” l’attention ou l’intérêt des métiers si jamais les délais sont trop longs, si l’on manque de réactivité ou si le Use Case de la donnée manque d’efficacité.

Aussi on applique systématiquement un mode itératif afin de livrer un MVP de qualité dans les meilleurs délais. 

L’approche MVP est stratégique et essentielle pour valider ou modifier rapidement, à moindre effort et à moindre coût.