Gouvernance et qualité des données : le pari de la collaboration entre IT et métier
A l’occasion du SAP Data Gouvernance Summit qui se tenait le 20 septembre dernier à Paris, SAP a montré que la mise en place d’un projet de gouvernance et de qualité des données impliquait avant tout une fine analyse de l’organisation de l’entreprise. Une approche qui précède même toute considération technologique. Comme dans le cadre de projets SOA, la collaboration entre IT et métier apparait une étape indispensable dans un projet de data management.
La gouvernance des données est un phénomène complexe, qui nécessite une longue analyse des processus métiers, de la culture de l’entreprise et de son degré de maturité quant aux données. C’est ainsi que pour répondre à cette complexité omni-présente et accompagner les entreprises dans la mise en place de politiques adaptées, SAP, acteur clé des applications d’entreprise, a dessiné une méthodologie claire pour guider au mieux les entreprises désireuses de construire un projet de gouvernance des données.
La sphère de la gestion des données connaît de fait un profond bouleversement tant en termes d’outils, de périmètre, de volume et d’usages. Les entreprises, poussées notamment par leur quête en matière de réduction des coûts, l’obligation de mise en conformité, et le recours à des infrastructures informatiques de plus en plus distribuées, voient désormais la donnée d’un autre oeil. Plus qu’un élément statique à stocker, elles y voient désormais un patrimoine qu’il convient de maintenir, d’optimiser, et de faire évoluer. Il s’agit d‘un actif clé et métier de l’entreprise dont il est vital de tirer parti.
La tâche est évidemment ardue, a admis Christian Geiseler, Directeur de la branche EIM Solution Management de SAP, à l’occasion du SAP Data Gouvernance Summit, qui se tenait à Paris le 20 septembre dernier. Problématique au départ placée essentiellement entre les mains de la IT, la gouvernance des données, implique désormais les départements métiers qui, eux seuls, connaissent véritablement la valeur métier des données. «Les responsables fonctionnels sont de plus en plus présents dans les projets de data gouvernance et de qualité des données si l’on compare à l’an passé», note ainsi Christian Geiseler. Autre composante de l’équation, la direction générale qui, garante de la stratégie de l’entreprise, place désormais la gouvernance des données, et leur qualité, parmi les chantiers à suivre et à insuffler dans l’entreprise. Ainsi, si chacun détient une pièce du puzzle, la collaboration entre chaque maillon est indispensable, explique Christian Geiseler.
Et d’expliquer la position de SAP qui – fort de sa présence au niveau des métiers clés - souhaite jouer un rôle de ciment autour des problématiques de gestion des données. L’éditeur propose donc un framework aux entreprises afin qu’elles puissent évaluer et dresser une cartographie de la gouvernance des données et de leur qualité, pour définir au final les étapes de la mise en place progressive d’un projet. Ainsi, selon la méthodologie SAP, le préambule à une stratégie de gouvernance peut être résumé en 10 points censés contribuer à la construction de l’édifice. 10 étapes qui aideront d’abord à dé-compléxifier la problématique en servant de guide, mais également à évaluer le degré de maturité de processus internes de l’entreprise, à définir les niveaux de criticité des données, des propriétaires de ces données, à identifier les garants des données et «mettre en place des niveaux de qualité adaptés aux règles et aux processus de l’entreprise» - un point clé qui implique une stratégie évolutive, calée dans le temps et reliée à l’évolution des métiers. Il s’agit donc de mettre en place un long chemin d’analyse organisationnelle avant d’entrer dans les spécifications techniques requises et s’orienter vers une stratégie globale et évolutive. « La prise de conscience de la qualité de la donnée est évidente dans les entreprises, mais celles -ci se demandent aujourd’hui par où commencer à cause de la complexité du problème, ou de la perception de la complexité», estime Christian Geiseler.
Les 10 points, illustrés par SAP sous forme de question, sont :
- Quelle priorité opérationnelle dépend le plus de la qualité des données ?
- Quels domaines et aspects des données sont les plus importants à gouverner ?
- Quels sont les bénéfices potentiels à contrôler cette information ?
- Quels sont les acteurs clé de cette priorité opérationnelle ?
- Quel est le niveau, réel et perçu, en matière de qualité des données ?
- Sont abordés ensuite des points impliquant la technologie : Quels processus et systèmes sont utilisés pour créer et mettre à jour l’information ?
- Des standards sont-ils en place ?
- Quelle technologie est installée pour contrôler l’information ?
- Comment puis-je m’assurer du succès du projet ?
- Et enfin à quoi ressemble une bonne gestion de l’information ?
L’idée est ainsi de trouver un moteur fondamental permettant de donner un point de départ pertinent dans la mise en place d’une stratégie efficace d’exploitation et de compréhension des données, résume encore Christian Geiseler qui insiste sur le fait que si la technologie a un rôle clé, en tant que facilitateur, elle ne constitue pas nécessairement le premier moteur qui doit être organisationnel. Et de préciser que « la technologie est un composant clé, si vous sélectionnez les bons éléments, le projet sera ainsi entièrement supporté ». Tout en pondérant immédiatement, « dans la sphère du data management, la technologie est une partie importante, mais la partie la plus critique est d’élaborer une préparation organisationnelle, et de transformer l’organisation pour être capable d’exécuter une stratégie de data management. Vous ne pouvez pas agir l’un sans l’autre. Vous ne pouvez pas implémenter le bon processus sans la bonne technologie, vous ne pouvez pas bâtir le bon modèle organisationnel sans les bons outils pour le supporter. [...] Il s’agit d’un travail main dans la main pour combiner toutes les dimensions.»
Il convient donc de se projeter tant dans l’outil que dans une approche collaborative au sein de l’entreprise, afin d’optimiser son déploiement avec une vocation au plus proche des métiers. Pour Christian Geiseler «les rôles et les responsabilités des entreprises ne sont pas formatés pour entreprendre un tel projet, avec un impact très étendu. [...] La cohésion est liée à un processus d’apprentissage. Un département métier se plaint de la qualité des données alors qu’un autre de l’efficacité des processus. La IT se plaint des budgets.» Le dialogue et la définition/hiérarchisation des priorités sont donc prépondérants dans le succès d’un projet de data management. Pour Christian Geiseler, adresser la complexité en une seule fois, «c’est comme essayer de tenter l’impossible.» Il s’agit plutôt d’initier autour de la problématique de data management un processus d’apprentissage et de communication en entreprise qui doit permettre «d’attirer l’attention et d’obtenir l’implication des directions métiers ainsi que leur donner la possibilité de colporter le message à l’ensemble de l’organisation : pourquoi cela est important pour l’activité de l’entreprise ?»