DATA QUALITY
2/10/2024
Garants Data QualityPhoto de Marie de Vesvrotte
Marie de Vesvrotte
Responsable Marketing

Qui sont les garants de la qualité des données ?

Avec l’importance croissante portée sur la qualité des données, de nouveaux rôles ont émergé au fil du temps. Parmi eux, des postes comme le Master Data Manager, le Data Steward, ou encore le Data Owner qui se multiplient, chacun ayant une responsabilité spécifique dans le maintien et l’amélioration de la qualité des données. Sans oublier le Chief Data Officer (CDO), qui orchestre l’ensemble de ces fonctions au niveau stratégique.

Mais comment ces différents rôles s’articulent-ils ? Comment intégrer à la fois les métiers et les profils techniques dans cette dynamique ? Sur quel type de structure faut-il s’appuyer pour garantir la qualité des données ?

Les rôles clés pour assurer la qualité des données 

Que ce soit au niveau opérationnel ou stratégique, il existe un nouveau panel d’acteurs qui veillent à la mise en place des processus, des outils et des infrastructures nécessaires à la qualité des données. 

Le Master Data Manager, par exemple, est chargé de s'assurer que les données maîtres (celles qui sont les plus critiques pour l'entreprise) sont cohérentes et exactes sur l’ensemble des systèmes de l’organisation. Il collabore avec les équipes IT et métiers pour aligner les processus de gestion des données avec les besoins stratégiques.

Le Data Steward, quant à lui, est un acteur de premier plan dans la gestion quotidienne des données. Il veille à la bonne définition, au suivi et à la conformité des données en lien avec les règles établies. Son rôle est souvent transversal, puisqu’il s’assure que les données sont utilisées de manière appropriée par tous les départements de l'entreprise. En s’appuyant sur des outils de data quality et de gouvernance, il identifie les anomalies et coordonne les efforts pour les corriger.

Le Data Owner a une fonction plus spécifique : il est responsable d'un ensemble précis de données (une base client, par exemple) et garantit leur intégrité et leur fiabilité. Il s'assure également que ces données sont disponibles et correctement sécurisées pour répondre aux besoins des utilisateurs.

Un rôle souvent moins visible mais essentiel est celui du Data Custodian. Ce rôle technique est responsable du stockage, de la protection et de la gestion des données dans l'infrastructure IT. Il s'assure que les données sont sécurisées, disponibles, et conformes aux exigences légales ou réglementaires.  

L’importance des métiers dans la qualité des données

Bien que les profils techniques soient essentiels, la contribution des métiers est tout aussi importante. Ce sont eux qui, au quotidien, génèrent et exploitent les données dans leurs processus opérationnels. Il ne s’agit pas simplement de les sensibiliser une fois les systèmes en place, mais de les inclure dans la définition des besoins et des stratégies de données.

Pour cela, vous pouvez consulter et engager les métiers dès la phase initiale de conception des systèmes de gestion des données. Cela permet de définir des priorités et des règles qui sont en phase avec les objectifs opérationnels. Par exemple, en impliquant le marketing dans la définition des critères de qualité pour les données clients, l'entreprise s'assure que les informations capturées sont réellement exploitables et pertinentes.

Vous pouvez également organiser des ateliers et des formations sur l’importance de la qualité des données. Il ne suffit pas de leur donner des outils, il faut aussi les éduquer sur les conséquences des mauvaises pratiques de gestion des données, que ce soit en termes de coût, de perte de productivité ou de prise de décision incorrecte. Pour ce faire, nous conseillons la Fresque de la Data, un atelier ludique et collaboratif pour mieux comprendre et s’approprier les enjeux liés aux données. 

Par ailleurs, vos équipes métiers doivent être responsables des données qu’ils génèrent. Par exemple, dans un service de vente, les équipes doivent s'assurer que les informations clients sont complètes et correctes, car elles sont en première ligne pour collecter et valider ces données.

L’implication des métiers n'est pas seulement une question de collaboration, c'est une démarche nécessaire pour que les données soient considérées comme un actif de l'entreprise et non comme une contrainte.

Le Chief Data Officer : chef d’orchestre de la stratégie de qualité des données 

Le rôle du Chief Data Officer (CDO) est central pour piloter la stratégie de gouvernance des données au sein de l'organisation. Le CDO définit les standards de qualité des données, supervise la mise en place des outils et des processus, et veille à ce que toutes les équipes, des métiers aux équipes techniques, adhèrent aux politiques mises en place.

Grâce à une vue d'ensemble des objectifs stratégiques de l'entreprise, le CDO est en mesure de prioriser les initiatives en matière de qualité des données et de s'assurer que la gouvernance des données est ancrée dans la culture d'entreprise. Par exemple, un CDO pourrait décider de lancer un audit global des données clients avant une fusion, pour garantir que les systèmes des deux entreprises seront compatibles et que les données transférées seront d'une qualité optimale.

Data Office : les modèles organisationnels

Pour garantir la qualité des données, les entreprises doivent non seulement définir des rôles précis, mais également s'appuyer sur une structure organisationnelle adaptée. Le modèle de gouvernance des données choisi peut considérablement influencer l'efficacité de la stratégie de gestion des données, car il détermine comment les responsabilités sont réparties entre les équipes techniques et métiers

Voici les principaux modèles organisationnels rencontrés dans le cadre d’une gouvernance de la qualité des données.

L’organisation centralisée est l’un des modèles les plus courants dans les grandes entreprises. Dans ce schéma, la gestion des données et la gouvernance sont placées sous la responsabilité d’un Data Office unique qui regroupe l’ensemble des rôles liés à la qualité des données (Master Data Manager, Data Steward, CDO, etc.). Ce modèle présente l’avantage d’une uniformité des pratiques et d’une centralisation des décisions stratégiques. Les processus et les outils sont harmonisés à l’échelle de l’entreprise, ce qui facilite l’alignement entre les objectifs métier et les directives de gouvernance. En revanche, l'un des inconvénients de cette approche est le risque d’éloigner les métiers de la gestion quotidienne des données, créant un fossé entre les besoins opérationnels et la gestion technique des données.

À l’opposé, l’organisation décentralisée repose sur une plus grande autonomie des différentes unités métiers dans la gestion de leurs propres données. Chaque département, ou entité, dispose de son propre Data Steward et gère ses propres processus de gouvernance et de qualité des données, en fonction de ses besoins spécifiques. Ce modèle favorise une réactivité accrue et une meilleure adéquation entre les données et les objectifs opérationnels des métiers, mais il peut entraîner des incohérences dans la manière dont les données sont gérées et un manque de visibilité globale pour le CDO. Ce dernier devra redoubler d'efforts pour assurer une coordination efficace et éviter que les silos de données ne se multiplient.

L’organisation fédérée se veut un compromis entre les deux approches précédentes. Dans ce modèle, un Data Office central établit des règles et des normes à respecter par l’ensemble des unités, mais laisse aux équipes métiers une autonomie suffisante pour gérer les données en fonction de leurs besoins spécifiques. Chaque entité dispose d’un Data Steward qui travaille en étroite collaboration avec le Data Office, garantissant ainsi une harmonisation des pratiques tout en respectant la flexibilité des différents départements. Ce modèle hybride est souvent le plus adapté pour les grandes entreprises aux structures complexes, car il permet de concilier les exigences stratégiques avec les besoins opérationnels des métiers.

L’organisation hybride, quant à elle, combine à la fois des éléments d’une organisation centralisée et décentralisée en fonction des enjeux métiers et des priorités stratégiques. Par exemple, certaines données critiques, comme les données clients, pourraient être gérées de manière centralisée pour assurer une qualité homogène à travers l’ensemble de l’entreprise, tandis que d’autres données, comme les données produit ou logistique, pourraient être laissées à la gestion des départements respectifs. Ce modèle est particulièrement flexible et permet à l'entreprise de s’adapter à ses besoins spécifiques, mais il requiert une coordination extrêmement rigoureuse entre les différents niveaux de gouvernance pour éviter toute fragmentation des pratiques.

Le choix du modèle organisationnel dépend largement de la taille de l’entreprise, de la complexité de ses données, et de la manière dont elle souhaite articuler la relation entre ses équipes métiers et techniques. Dans tous les cas, le Chief Data Officer joue un rôle central pour s'assurer que la stratégie de qualité des données est cohérente, alignée avec les objectifs de l’entreprise, et qu’elle permet à chaque acteur, des métiers aux équipes techniques, de contribuer efficacement à l’amélioration continue de la qualité des données.

Rond violet avec fleche vers le haut