Gouvernance de données : comment utiliser une matrice de maturité

Comment fonctionne un modèle de maturité de la gouvernance de données

Un modèle de maturité évalue l’état actuel de gouvernance des données, le niveau attendu et les moyens d’y parvenir. Il mesure diverses capacités selon des niveaux de réalisation échelonnés, souvent sous la forme d’une matrice.

Chaque ligne représente un niveau de réalisation mesuré. Les colonnes de la matrice représentent les capacités de la data governance. Le modèle permet d’évaluer et de mesurer les compétences par rapport au niveau de réalisation, en utilisant des critères associés à l’intersection niveau-capacité.

Des marqueurs simples indiquent le niveau actuel de performance ou des étapes de la feuille de route. Un état cible souhaité suffit pour mesurer les capacités de gouvernance des données. Il n’est pas toujours possible ou nécessaire d’optimiser chaque critère.

Avec des matrices plus détaillées, les capacités peuvent comporter diverses dimensions mesurées individuellement pour ajouter de la valeur. Les dimensions sont les lentilles d’un microscope qui permettent d’appréhender une capacité et servent de points de vue exploitables dans le modèle. Au fur et à mesure que la maturité des capacités et des dimensions progresse à travers les niveaux, les résultats s’améliorent.

Cette matrice, simple à utiliser, permet aux entreprises de s’appuyer sur des faits et non des opinions pour juger de leur maturité.

Les modèles de maturité fournissent des informations essentielles pour développer une stratégie de gouvernance des données ciblée et la feuille de route qui en découle. Ils valident l’investissement nécessaire pour atteindre les objectifs attendus.

Les niveaux de maturité en matière de gouvernance de données

Les modèles de maturité comprennent généralement quatre à six niveaux de performance. Les niveaux et l’échelle varient en fonction de l’orientation du modèle. L’illustration 1 présente des exemples de niveaux :

• Niveau 1 : Absent. Aucune fonction de gouvernance des données ; caractérise un niveau de maturité non conscient ou inexistant.
• Niveau 2 : En développement. Reconnaissance émergente de la gouvernance des données ; définit un niveau de maturité fragmenté, exploratoire, informel, incohérent, non structuré, tactique, ad hoc, faiblement documenté, réactif et cloisonné par fonction.
• Niveau 3 : Défini. Gouvernance des données clairement décrite ; détermine un niveau de maturité documenté, planifié, structuré, cohérent, standardisé, reproductible, formalisé et aligné entre les fonctions.
• Niveau 4 : Géré. Programme de gouvernance des données fonctionnel, intégré aux opérations critiques ; représente un niveau de maturité principalement manuel, reconnaissable, adopté, mis en œuvre, formé, institutionnalisé, communiqué, budgétisé, appliqué et orienté par les besoins métiers.
• Niveau 5 : Optimisé. Gouvernance des données hautement performante ; induit un niveau de maturité intégré à toutes les capacités des processus métiers et à la prise de décision et de confiance, un niveau surveillé, mesurable, proactif, affiné (selon les meilleures pratiques), automatisé, sans friction, flexible, en amélioration continue, collaboratif et perçu comme une compétence stratégique pour l’entreprise.

Les capacités et les dimensions peuvent, comme les niveaux de maturité, varier en fonction du public et de l’objectif du modèle. Par exemple, une matrice informative peut être appropriée pour les cadres, tandis qu’un modèle actionnable s’avère plus adapté à l’intendance. Dans les deux cas, la justification de la notation doit être renforcée par des faits documentés.

En fonction de l’état d’avancement de la gouvernance des données, un modèle de maturité de haut niveau, agrégé et informatif peut contribuer à faire prendre conscience de l’importance de ce sujet. Des capacités plus fines, avec une mesure unique, peuvent illustrer la corrélation et la causalité entre l’alignement de la gouvernance des données sur les objectifs des entités métiers et son effet sur la réalisation de la valeur des données.

L’exemple de modèle de maturité présenté dans l’illustration 2 montre comment un mauvais alignement de la gouvernance des données sur l’entreprise peut entraîner une sous-utilisation des données par celle-ci.

L’augmentation de la précision des capacités répertoriées accroît également la précision et la valeur de la matrice. Pour obtenir un niveau élevé d’indicateurs exploitables, une entreprise devrait mesurer plus finement ces fameuses compétences. Pour plus de détails, les dimensions associées peuvent permettre d’identifier des initiatives discrètes, visant à améliorer des domaines de maturité spécifiques.

L’exemple de modèle de maturité présenté dans l’illustration 3 montre, à un niveau microéconomique, que diverses capacités de gouvernance des données et dimensions associées peuvent avoir différents niveaux de maturité.

Il est important de comprendre qu’une telle matrice évalue la maturité de la gouvernance, et non celle des capacités. Par exemple, le personnel, les processus et les technologies liés à la qualité des données peuvent être avancés, alors que la capacité « qualité de données » peut être affublée d’un marqueur de maturité bas si elle ne couvre que 10 % des actifs de données. Pour évaluer la maturité d’une capacité, il est essentiel d’utiliser des métriques connexes. Les indicateurs de qualité des données peuvent inclure le pourcentage de données critiques dont la qualité est connue, mais aussi complète, précise, cohérente, à jour et exploitable.