Le point de vue d'un expert sur data governance

Chez Funnel, ils n'ont pas peur d'admettre qu'ils ont parfois tort. Enfin, peut-être pas “se tromper”, mais plutôt ne pas être pleinement informé. Après tout, nous ne sommes que des êtres humains - malgré tous les data avec lesquels nous travaillons quotidiennement.

C'est ce qui s'est passé récemment, lorsqu'un observateur avisé a lu l'article de Funnel sur le thème de la sécurité. article récent sur data governance. Bien que l'article ait couvert de nombreux sujets sous l'égide de data governance, il manquait peut-être un peu de contexte et un point de vue avant-gardiste sur la question.

Heureusement, il ne s'agissait pas d'un lecteur ordinaire. Il s'agissait d'un Attaches Carbo, Ties est directeur de conseil chez Artefact - un partenaire de Funnel Solution. Il se trouve que Ties est un expert en data governance moderne et qu'il travaille tous les jours avec des clients pour créer les meilleures structures data governance de leur catégorie. Ils ont donc décidé de s'asseoir ensemble et de capturer ses idées les plus chaudes sur ce qui a été omis dans l'article.

Au début de la conversation, Ties a souligné qu'il y a trois éléments principaux qui, selon lui, sont les plus mal compris par ses clients.

Tout d'abord, de nombreuses personnes considèrent qu'il s'agit uniquement d'un problème informatique. Il n'est pas difficile de comprendre pourquoi. La gouvernance de Data implique de nombreux composants techniques potentiellement complexes tels que des modèles, des processus et des plates-formes. Cependant, du point de vue de Ties, les implications d'une bonne gouvernance dépassent largement le domaine de l'informatique.

“Bien sûr, le data governance comporte de nombreux éléments techniques”, a déclaré M. Ties, “mais il s'agit d'un sujet qui concerne l'ensemble de l'organisation”.”

Cela rejoint la deuxième idée fausse : les gens pensent qu'il ne s'agit que de conformité.

En réalité, ce sujet couvre bien plus que cela. La conformité à des questions telles que le GDPR n'est qu'un élément de la manière dont un data governance approprié peut affecter l'ensemble de votre organisation. En fait, Ties conseille souvent à ses clients d'aborder les questions de conformité comme la dernière pièce des nouvelles structures data governance...

Ce qui nous amène à notre troisième idée fausse.

Selon Ties, de nombreuses équipes travaillent sur les questions de data governance de manière isolée. Une partie de l'organisation travaille sur le data governance mais se concentre uniquement sur la conformité, tandis qu'un autre groupe s'assure que le data dans les entrepôts est de la bonne qualité, et plus encore.

La bonne approche consiste à considérer tout cela de manière holistique, comme un gigantesque écosystème data. Lorsque vous commencez à voir data governance d'un point de vue plus large, vous comprenez rapidement qu'il s'agit d'un problème qui concerne l'ensemble de l'entreprise.

Ties aime penser à data governance comme à une cuisine. Vous devez garder votre cuisine aussi propre que possible. Cette propreté (et l'acte de nettoyer) peut être considérée comme vos rôles et responsabilités, politiques et processus de conformité data. Cependant, vous devez toujours cuisiner dans cette cuisine, n'est-ce pas ? Sinon, pourquoi auriez-vous une cuisine ?

S'assurer que tous vos ustensiles de cuisine sont en place, que vos casseroles sont prêtes, que vos sous-chefs sont correctement formés, que vos recettes sont respectées et que vos plats sont distribués aux convives, c'est le reste du data governance.

Vous voyez ? Une cuisine propre vous aidera à offrir une expérience gastronomique exceptionnelle, tout comme data governance peut vous aider à tirer parti de data.

Nous savons que la conformité n'est qu'une partie de l'ensemble du concept data governance. Nous savons que la conformité n'est qu'une partie du concept data governance. Qu'en est-il du reste ? Selon Ties, il existe quatre composantes principales : data structures, data politiques, data modèles opérationnels, data outils.

Au cours de notre conversation, Ties a mentionné que le data governance est souvent un problème négligé dans de nombreuses organisations avec lesquelles il travaille. Les choses semblent toutefois évoluer lentement.

Alors que les chefs d'entreprise prennent conscience de l'importance de la data en tant qu'actif stratégique, ils commencent à percevoir la valeur d'une bonne gouvernance.

Même les différents départements se rendent compte que le data governance n'est plus seulement un problème informatique. Par exemple, dans le domaine du marketing, nous comprenons à quel point une data de haute qualité peut être précieuse. Mais seuls les spécialistes du marketing peuvent évaluer la qualité du data dans un contexte marketing.

“L'équipe informatique ne peut pas vous dire si le data est correct”, a déclaré M. Ties. “Elle peut seulement vous dire que le data est là où il est censé être. Les équipes spécifiques doivent s'assurer que le data répond aux normes de leur cas d'utilisation”.”

L'approche idéale de data governance, selon Ties, est l'approche maillée de data.

“Dans une véritable entreprise data-driven, tout le monde travaille simultanément avec data”, a déclaré M. Ties. “En suivant une structure de gouvernance fédérée, tout le monde a un intérêt direct dans le data et la capacité de faire évoluer la structure.”

Cette approche moderne du data governance, dans laquelle chaque membre de l'organisation “possède” une partie du data, devient de plus en plus importante. Ne cherchez pas plus loin que les outils d'IA générative émergents.

Bien que de nombreuses personnes connaissent généralement ChatGPT, sa technologie sous-jacente peut être utilisée (grâce à sa nature open source) pour créer des outils d'IA propriétaires. Par exemple, une entreprise pourrait prendre GPT-3 ou GPT-4, le charger sur un serveur isolé qu'elle possède et l'alimenter avec des charges de data propriétaires pour créer une IA personnalisée et spécifique à l'entreprise.

Une entreprise de SaaS peut vouloir mettre en œuvre un système similaire pour créer un chat bot très compétent afin de répondre aux questions des clients existants et potentiels. Il pourrait conseiller les utilisateurs sur la meilleure façon d'utiliser un produit ou convaincre les clients potentiels qu'un logiciel est meilleur qu'un autre.

La qualité de cet outil d'intelligence artificielle dépendra toutefois de celle du data que vous y intégrerez.

“Le data (et la qualité de ce data) que vous pouvez fournir à ces outils est votre facteur de différenciation concurrentielle”, a déclaré M. Ties. “Un bon data governance est un élément clé à cet égard. Sans une gouvernance appropriée, le data se transforme rapidement en désordre, ce qui conduit à une IA moins efficace.

Chaque entreprise a besoin d'une approche unique en matière de data governance. Toutefois, en utilisant une approche maillée data comme étoile polaire, vous vous mettrez sur la voie d'une plus grande compétitivité et de meilleurs résultats data.

Que vous cherchiez à améliorer la qualité de votre data, à répondre aux besoins de conformité d'un nouveau marché, à mettre en œuvre de nouveaux outils, ou plus encore, une approche stratégique et holistique de votre data governance vous aidera à aller plus loin.

N'hésitez pas à tendre la main pour discuter de vos questions sur le data governance !