Comment établir un cas d’affaire (business case) pour la gouvernance des données
Résumé : Les principales étapes de l’élaboration d’un dossier commercial pour la gouvernance des données sont les suivantes :
- Identifier et construire les sources de valeur
- Comprendre les problèmes rencontrés
- Élaboration d’une solution et réalisation d’une analyse coûts-avantages.
Il n’existe pas de modèle unique pour la gouvernance des données. Il n’existe pas non plus de processus d’initiation standardisé. Il appartient à chaque entreprise de prendre une décision commerciale qualifiée quant à la manière dont une stratégie de gouvernance des données est déployée et par qui.
Si certaines entreprises décident de s’engager dans un programme à l’échelle de l’entreprise, d’autres préfèrent mettre en œuvre les changements département par département. Cependant, avant de commencer, vous devez comprendre le type d’organisation que vous représentez. Plus tard, les étapes critiques de la mise en œuvre dépendront de ce facteur.
« Il n’existe pas de modèle unique pour la gouvernance des données. Il n’existe pas non plus de processus d’initiation standardisé. »
Bien que le champ d’application de la gouvernance des données s’étende des intégrations d’applications à l’analytique, la valeur maximale de la gouvernance des données se trouve dans l’analytique. C’est pourquoi, dans ce blog, nous allons nous concentrer sur les cas d’utilisation analytique.
Catégorisation de votre organisation
Avant de commencer à planifier une stratégie de gouvernance des données, vous devez identifier les initiatives de données existantes de votre organisation. En général, l’état de préparation d’une entreprise en matière de données peut être classé en deux catégories : mature – dans le domaine de l’analyse des données – ou naissante.
Une organisation mature utilise déjà ses données à des fins d’analyse et transforme ces informations en décisions commerciales progressives. En revanche, une organisation naissante ne dispose que d’installations de stockage limitées et n’a peut-être pas encore entamé une période de croissance axée sur les données.
Voici comment déterminer si votre organisation est mature ou naissante :
Mature :
Elle dispose de plusieurs entrepôts de données en fonctionnement
Elle utilise des piles de données volumineuses telles que Hadoop et Snowflake.
Elle utilise déjà un système de reporting complexe, tel que Qlik.
Débutant :
Il n’y aura pas beaucoup, voire pas du tout, d’entrepôts de données en fonctionnement.
Elle a l’intention de créer une nouvelle pratique en matière de données en utilisant les bonnes méthodes.
Il s’agira d’une organisation relativement jeune
Elle est susceptible d’être construite nativement sur une plateforme comme Salesforce, ou autour d’un logiciel de planification des ressources de l’entreprise (ERP), mais elle doit encore utiliser ses données pour accroître sa valeur.
« Une organisation mature utilisera ses données à des fins d’analyse, mais une organisation naissante doit encore entamer une période de croissance ciblée axée sur les données. »
Étape 1 : Identifier et construire les sources de valeur
La première étape de l’élaboration d’une analyse de rentabilité consiste à comprendre la valeur des initiatives de données que vous avez ou prévoyez d’avoir. Il ne vaut pas la peine d’investir dans une plateforme de données massive si vous ne connaissez pas la valeur des cas d’utilisation potentiels.
Dans les organisations matures, diverses initiatives en matière de données sont déjà en place. Ainsi, pour comprendre l’importance de la gouvernance des données, il suffit de déterminer comment un programme de gouvernance des données pourrait contribuer à accélérer ou à améliorer l’efficacité de ces initiatives. D’autre part, dans une organisation naissante, vous devez d’abord déterminer la valeur potentielle de ces initiatives.
Les organisations matures auront généralement établi une analyse de rentabilité avant de mettre en œuvre un réseau important de lacs de données et d’entrepôts de données. Une organisation mature se demandera si elle a atteint les objectifs qu’elle s’était fixés, et si non, pourquoi.
« L’objectif principal d’une organisation mature est d’établir les problèmes existants qui seraient résolus par un programme de gouvernance des données et de créer une nouvelle analyse de rentabilité à partir de cette recherche. »
Dans une organisation mature, il peut être difficile de construire un business case définitif car il existe déjà de nombreuses initiatives. L’objectif principal est de créer un inventaire de ces business cases et de leurs objectifs et d’enregistrer leurs succès et/ou leurs échecs. L’étape suivante consiste à se concentrer sur les problèmes que vous avez identifiés. Si certaines initiatives sont inefficaces, vous devez vous concentrer sur la manière de les améliorer. Souvent, les initiatives en matière de données sont liées entre elles, mais de nombreuses personnes au sein d’une organisation ne sont pas conscientes de ces liens.
L’objectif principal d’une organisation mature est d’établir les problèmes existants qui seraient résolus par un programme de gouvernance des données et de créer une nouvelle analyse de rentabilité à partir de cette recherche.
Aligner les objectifs de l’entreprise avec l’analyse de rentabilité
Lorsque vous alignez les objectifs du programme de gouvernance des données sur les objectifs de l’entreprise, vous obtenez une traction maximale au sein de l’organisation. Voici des exemples de buts et d’objectifs commerciaux :
Augmenter le chiffre d’affaires annuel de 30 %.
Devenir l’entreprise numéro un de votre secteur en matière de satisfaction client
Réduire les coûts d’exploitation de 10 %.
Transformer l’entreprise en une organisation axée sur les données.
Dans le cas d’une organisation naissante, l’objectif est d’établir un tout nouveau dossier commercial pour l’analyse des données et les processus de gouvernance des données nécessaires pour la soutenir. Dans une organisation mature, l’analyse de rentabilité repose sur l’étude et la documentation des pratiques existantes, tandis que les organisations naissantes doivent partir de zéro.
Alors, comment s’y prendre ? Il existe trois domaines clés à partir desquels une nouvelle analyse de rentabilité peut être élaborée.
Générer plus de revenus
Le premier est la génération de revenus. Les données d’une organisation ne peuvent pas à elles seules faire croître une entreprise, mais l’utilisation intelligente de ces données le peut. Dans les secteurs de la santé, de la banque, de la technologie, de la vente au détail et dans bien d’autres secteurs, il existe un énorme potentiel d’utilisation des données pour augmenter le chiffre d’affaires.
Dans le secteur des soins de santé, par exemple, un code de patient est transmis par un médecin et utilisé pour facturer le patient. S’ils peuvent vérifier la légitimité du code, il y aura moins de chances qu’un patient fasse appel des frais et plus de chances que la demande soit acceptée du premier coup. Des taux d’approbation plus élevés encourageront les clients potentiels à faire plus d’affaires.
Dans un autre exemple, l’analyse de rentabilité de la génération de revenus pourrait être faite pour une entreprise de vente au détail utilisant des données pour augmenter ses bénéfices grâce à une campagne de marketing ciblée. En ciblant des produits particuliers sur des clients particuliers, les commerces de détail peuvent réaliser des bénéfices plus importants.
Améliorer l’efficacité opérationnelle
Les données peuvent être tout aussi importantes pour améliorer l’efficacité opérationnelle d’une entreprise. Essentiellement, cette efficacité améliorée entraînera une réduction des coûts. Cette analyse de rentabilité est souvent adoptée par les entreprises de services publics et les organisations impliquées dans les services bancaires et financiers.
Pour accroître l’efficacité opérationnelle, vous devez reconnaître l’état actuel des opérations au sein de votre organisation, puis rationaliser le processus, éventuellement par l’automatisation. Pour ce faire, vous devez mettre en place des indicateurs clés de performance (ICP) par le biais d’un entrepôt de données.
Il existe de nombreux exemples de la façon dont l’efficacité opérationnelle pourrait être améliorée par la gouvernance des données, mais concentrons-nous sur les services publics. Disons qu’un fournisseur d’électricité effectue une maintenance mensuelle régulière sur la base de la prescription fournie par le fabricant de ses composants. Cependant, il se pourrait que les séances de maintenance soient trop fréquentes. Cela entraîne à la fois des coûts plus importants et des temps d’arrêt plus réguliers.
» Pour accroître l’efficacité opérationnelle, vous devez reconnaître l’état actuel des opérations au sein de votre organisation, puis rationaliser le processus. »
En optimisant le processus de maintenance grâce à l’analyse des données, vous ferez non seulement des économies, mais vous aurez également beaucoup moins de périodes d’arrêt. Sur la base des informations fournies par les capteurs qui surveillent les équipements de l’entreprise, les tâches de maintenance bimensuelles pourraient être effectuées tous les trimestres à la place.
Réduction des risques
Le troisième argument commercial est la réduction des risques. Celle-ci est généralement axée sur les questions de conformité, comme l’adhésion au règlement général sur la protection des données (RGPD) de l’UE. Même si une entreprise est consciente des responsabilités qui lui incombent, un programme de gouvernance des données peut lui permettre de réduire le risque d’enfreindre sans le savoir les lois de conformité.
À titre d’exemple pratique, cette stratégie de réduction des risques pourrait impliquer qu’une entreprise limite l’accès à certains ensembles de données afin de protéger les IIP.
Étape 2 : Comprendre les points sensibles
Dans une organisation mature, il existe plusieurs points sensibles. Ces points sensibles empêchent les initiatives en matière de données d’atteindre leur plein potentiel. Bien que les points sensibles soient bien connus des individus, ils ne sont généralement pas compris au niveau de l’entreprise. L’objectif principal de cette étape est de documenter les points de douleur existants et d’identifier les avantages potentiels de leur traitement.
Pour identifier les principaux problèmes, les organisations matures doivent suivre une méthodologie particulière – les organisations naissantes utiliseront des méthodes légèrement différentes. La meilleure façon de découvrir ces problèmes est d’interroger le personnel de chaque département axé sur les données, comme les projets d’entreposage, de développement et de mise en œuvre des données. Ces entretiens peuvent être menés par vous-même, un responsable de la gouvernance des données ou un champion de la gouvernance des données. Vous pouvez également employer un consultant en gestion des données pour cette tâche.
« Bien que les points de douleur soient bien connus des individus, ils ne sont généralement pas compris à l’échelle de l’entreprise. »
Vous devrez dresser une liste de tous les problèmes qui affectent actuellement votre organisation. Un modèle préétabli est la meilleure ressource pour déterminer ces informations et facilitera le processus d’entretien. Avec une feuille de calcul comme celle-ci, le temps nécessaire pour révéler les informations dont vous avez besoin est réduit car il n’est pas nécessaire de faire un brainstorming. Les enquêteurs peuvent simplement distribuer la feuille et vérifier quels sont les problèmes qui se posent.
Voici quelques exemples de problèmes :
Problèmes axés sur l’entreprise
Il est difficile de trouver des talents compétents en matière d’outils d’IA.
Il n’y a pas de vision claire de la croissance basée sur les données.
Problèmes liés à la technologie existante
Les requêtes s’exécutent lentement
Les rapports sont généralement disponibles 24 heures après une demande et non en temps réel.
Lorsqu’il y a une demande importante de données, les systèmes de reporting sont en retard.
Problèmes liés aux processus existants
Les utilisateurs ne savent pas comment accéder aux données
Pour simplifier le processus d’entretien, téléchargez gratuitement le Business Case Builder qui comprend une liste de questions essentielles et de solutions potentielles. Vous pouvez l’utiliser pour identifier les points de douleur communs, les faire correspondre aux solutions , puis construire un business case autour de ces solutions.
Comme pour la méthodologie d’une organisation mature, une organisation naissante devra interroger certaines équipes pour comprendre où les gains les plus importants peuvent être réalisés. Comme il est peu probable qu’une organisation naissante dispose d’une équipe de données importante, il faudra approcher d’autres membres de l’organisation.
Contrairement à une organisation mature, une analyse de rentabilité suffit à ratifier l’investissement dans une plateforme de gouvernance des données pour l’entreprise. Il n’est pas nécessaire d’identifier les problèmes existants dans les pratiques actuelles d’analyse des données, car il est peu probable qu’il y en ait beaucoup, voire aucun.
Dans ces circonstances, la feuille de calcul peut encore être un outil utile car une entreprise peut voir quels problèmes pourraient survenir si aucune initiative de gouvernance des données n’est lancée.
Pour identifier la valeur des initiatives de données, vous devez :
- Rencontrer les responsables informatiques/données et les responsables métier pour comprendre les différentes initiatives en matière de données.
- Comprendre et documenter leurs objectifs et leur valeur dérivée
- Comprendre et documenter la portée potentielle de ces valeurs.
Étape 3 : Élaborer une solution et une analyse coûts-avantages
L’étape suivante consiste à élaborer une solution sur mesure sur la base des résultats de vos recherches. La solution sera axée sur un programme de formation aux données, un programme d’amélioration de la qualité des données, la gestion de l’accès aux données et d’autres outils de gouvernance avancés.
Dans le cas d’une organisation mature, l’objectif principal est de sélectionner un arsenal d’outils qui soutiennent les processus d’analyse de données existants, tandis qu’une organisation naissante sera mieux servie par un programme de gouvernance qui introduit l’analyse en même temps que la gouvernance. La gouvernance des données est différente de l’analyse des données, mais vous ne pouvez pas avoir l’une sans l’autre. Elles sont les composantes essentielles de toute stratégie de données.
La solution implique généralement ce qui suit :
- Construire/mettre en œuvre une pile technologique de données évolutive.
- Définir clairement les rôles et les responsabilités
- Classer les données en plusieurs catégories, telles que générique, privée, confidentielle, sensible, etc.
- Définir clairement les politiques d’accès aux données pour les catégories que vous avez choisies.
- Définissez des mesures pour améliorer la connaissance des données dans votre organisation.
- Définir les étapes pour améliorer la standardisation des données dans votre organisation
- Définir des étapes pour améliorer la qualité des données
- Définir des étapes pour améliorer la fiabilité des données.
En mettant en œuvre les processus ci-dessus, vous serez en mesure d’éliminer toute inefficacité du processus de création de valeur des données. Vous obtiendrez ainsi une analyse coûts-avantages complète du programme de gouvernance des données à venir.
« La gouvernance des données est différente de l’analyse des données, mais vous ne pouvez pas avoir l’une sans l’autre. Elles sont les composantes essentielles de toute stratégie de données. »
Une solution comme celle qui précède ne peut pas être mise en œuvre avec des outils et des techniques fragmentés. Lorsque vous lancez un programme complet de gouvernance des données, vous avez besoin d’une suite de logiciels et d’outils.
Loin de l’approche traditionnelle « taille unique », nous donnons aux organisations la possibilité de faire évoluer leur gouvernance de données à leur propre rythme. Cela multiplie les chances de réussite car les entreprises ne sont pas submergées par la technologie et peuvent aligner une solution sur mesure sur leur budget.
Lorsque vous aurez pris en compte les étapes mentionnées dans ce blog, vous devriez disposer d’arguments très solides pour justifier le retour sur investissement d’un programme de gouvernance des données. La chose la plus importante à retenir est que votre stratégie de données doit toujours être une offre combinée d’analyse et de gouvernance, sans quoi votre stratégie a peu de chances de réussir.
