Il existe aujourd’hui une pluralité de modèles de maturité autour des données et de leur gestion (e.g Digital Maturity Model de Google et du BCG, le Digital Internet Maturity Model, etc.). Chez Mnemotix nous avons choisi de réaliser notre propre modèle de maturité de la donnée enrichie et liée pour aider nos clients à mieux cerner leurs besoins, les aider à trouver les moyens et les compétences pour mieux valoriser leurs données au sein de leur organisation. Notre modèle s’articule autour de 5 niveaux de maturité, depuis le niveau initial ad hoc où la gestion de la donnée est plutôt inconsciente jusqu’à un niveau idéal d’adoption stratégique dans toute l’organisation.
La gestion des données est considérée comme imprévisible, mal contrôlée et réactive, ce qui entraîne une augmentation des risques et de l’inefficacité au sein de l’organisation. Au niveau initial, l’organisation n’a pas vraiment de plan de gestion de ses données et dispose certes de nombreuses données mais qui ne peuvent être utilisées sans intervention manuelle ou manipulation complexe (pas de normes établies pour les données, faible qualité et mauvaise disponibilité, confiance faible voire inexistante dans les données, pas de réelles mesures), donc dans l’ensemble l’organisation ne comprend pas pleinement ses données et ne dispose pas d’informations utiles, fondées sur des preuves, pour mieux gérer son patrimoine informationnel.
À ce niveau, l’organisation reste inondée d’un flux constant de données provenant de sources internes et externes, et ne dispose pas encore de méthodologie ni d’outils nécessaires pour transformer ses données en atouts stratégiques et concurrentiels. A ce niveau, on retrouve des situations où la qualité des données est encore continuellement remise en question, où le stockage des données est fait en plusieurs endroits dans l’organisation, sans intégration d’applications ni capacités de visualisation et d’analyse des données. Seuls certains départements, comme le service IT, peuvent utiliser des outils simples existants déjà dans l’organisation - feuilles de calcul, documents, pages wiki, bases de données, etc. - pour identifier, collecter, organiser et maintenir les données, et créer des rapports à la demande.
La gestion des données est bien caractérisée et bien comprise. L’organisation est plus proactive que réactive, et il existe des normes à l’échelle de l’organisation qui fournissent des orientations. À ce stade, l’organisation a commencé à définir et suivre ses propres indicateurs clés de performance (KPI) et est maintenant prête à piloter une véritable stratégie de gestion de ses données. Il lui manque cependant un réel appui de la direction et surtout le savoir-faire interne pour manipuler ou utiliser des données non structurées (par exemple la création de rapports est toujours en mode manuel, il n’y a pas encore de règles ou de normes claires pour améliorer la qualité des données). C’est à ce stade tout de même que la direction prend conscience de la nécessité d’un plan formalisé de gouvernance des données. Dès ce niveau, l’organisation cherche à innover, pour avoir une vue holistique, coordonnée et une connaissance plus précise de l’étendue de son patrimoine de données.
La gestion des données est mesurée et contrôlée. L’organisation utilise des données quantitatives pour mettre en œuvre des processus prévisibles qui répondent à ses objectifs. À ce stade, les organisations commencent à appliquer des principes de gestion et manipulation de données aboutissant à une haute qualité des données. Un système formalisé de gouvernance des données est mis en place, et des taxonomies organisationnelles et structures de métadonnées sont créées pour aider à catégoriser et à expliquer les données de manière significative. À ce stade, l’adoption d’outils et de procédures de gestion des données et métadonnées sont mis en œuvre dans l’ensemble de l’organisation, qui devient beaucoup plus apte à utiliser un langage commun. Des rapports générés automatiquement sont fournis régulièrement, maintenant que les données sont considérées comme un atout important. Pour atteindre cette étape, il faut un changement culturel au sein de l’organisation (en commençant par la direction) qui va de pair avec le changement technologique en cours. Les organisations qui en sont au stade quatre peuvent désormais non seulement effectuer des analyses historiques ou rétroactives à partir de leurs données, mais elles commencent également à utiliser l’analyse prédictive pour éclairer la prise de décision.
La gestion de données est stable et flexible. L’organisation se concentre sur l’amélioration continue et la réaction aux changements. L’adoption stratégique devrait être l’objectif ultime de toutes les organisations. À cet ultime stade, les organisations utilisent les données pour prendre des décisions commerciales cruciales et pour des initiatives clés établies. La gestion des données et des métadonnées est pratiquée et régie dans toute l’organisation par des politiques et des procédures efficaces. Les équipes informatiques et commerciales travaillent ensemble en tant que partenaires stratégiques, et un véritable appui exécutif est mis en place pour éliminer les silos de données ainsi que les goulets organisationnels. Pour celà, toutes les métadonnées de l’organisation sont stockées dans un référentiel commun. La publication et la consommation de métadonnées par tous les processus et systèmes sont obligatoires. Des formats de métadonnées universels existent pour faciliter ces intégrations. Lorsque des données externes sont introduites, leurs métadonnées sont conformes aux normes de métadonnées internes. Les normes et standards en matière de gestion des données et des métadonnées sont très strictes, où la qualité est gérée scrupuleusement. L’enrichissement des métadonnées est souvent un processus bien établi et automatisé. On peut dire qu’à ce niveau de maturité, les algorithmes interagissent avec les données plus que les humains, un gestion optimisée des données enrichies constitue la valeur ajoutée que ces organisations offrent à leurs clients.
Licence pour l’illustration : علی اکبر کیانی, CC BY-SA 4.0, via Wikimedia Commons
