Exploitez la valeur de vos données avec le data management

Qu’est-ce que le data management, ou gestion des données, et que peut-il apporter à votre business ? S’il vous est déjà arrivé de rechercher des informations sans vraiment savoir où regarder, ni si l’information trouvée était correcte, alors cet article est pour vous. Sauriez-vous estimer le temps perdu chaque année à chercher des données ?

Le data management ne se limite pas à la gestion des données informatiques ; il s’agit bien d’un projet transversal qui concerne toute l’entreprise. Les entreprises «data-driven», en analysant et en exploitant la masse de données à leur disposition (big data), créent une valeur concurrentielle indéniable pour leurs produits ou services.

28 % des dirigeants admettent qu’ils n’analysent toujours pas leurs données (source : Decidio et YouGov, décembre 2018). Après lecture de cet article, vous aurez compris les enjeux de la gestion des données, et serez convaincus de l’utilité de former un data manager, de mettre en place de nouveaux processus et d’adopter de nouveaux outils pour assurer la qualité de vos données. Explications.

Le data management, ou gestion des données en français, est une discipline de gestion, mais qui concerne cette fois les données.

Son processus consiste à collecter, vérifier, stocker, analyser, protéger et traiter des données. L’objectif ? Les mettre à disposition de l’entreprise pour en faire le meilleur usage, par exemple dans le cadre d’une stratégie big data.

Les données sont une source inextinguible d’informations pour les entreprises. Comment les gérer intelligemment et dans le respect de la réglementation en vigueur ?

Au départ, le data management est né du besoin de bonnes pratiques et d’outils pour exploiter les données brassées par les entreprises.

Quelles données sont concernées ?

• les données clients,
• les données marketing,
• les données produit,
• les données RH,
• les données techniques, etc.

Exemples de données :

• le comportement d’un utilisateur sur votre site (navigation, temps passé, panier moyen, etc.),
• les données personnelles des utilisateurs,
• les intérêts des utilisateurs (pages vues, boutons cliqués, etc.)

Data management et master data management sont des notions proches, mais à différencier.

💡Le master data management (MDM), ou gestion des données de référence, consiste à classer et hiérarchiser les données selon leur degré d’importance, pour se concentrer sur les données les plus qualitatives.

Ces méthodes permettent d’identifier les données parmi la quantité dont une entreprise peut disposer, valider leur qualité et s’assurer qu’elles soient utilisables sans risque. Cela passe par la création d’un référentiel de données nommé «fichier maître».

Le schéma ci-dessous synthétise les enjeux d’un projet MDM :

• Une meilleure productivité : vous ne perdez plus de temps à chercher une information. Les données fiables et qualitatives sont à disposition des équipes qui savent où les trouver et les comprennent facilement.
   
• Des économies : pas de doublons de données, des coûts de stockage et de traitement de données réduits, mais également un gain de temps pour la recherche et l’analyse des données.
   
• Une meilleure capacité d’adaptation aux attentes du marché : si vous tardez à prendre des décisions stratégiques pour vous adapter au marché, vous serez rapidement dépassés par la concurrence. L’accès aux bonnes données au bon moment vous évite cette difficulté.
   
• Une gestion des risques améliorée et une réduction des pertes de données : vous maîtrisez vos données en sachant où et comment elles sont stockées, échangées, et êtes capables de minimiser les risques liés aux pertes voire aux fuites de données, grâce à un plan de gestion des données.

Parmi les enjeux du data management, le principal est sans doute la valorisation des données comme capital de l’entreprise. Nous pouvons également citer :

L’objectif du data management n’est pas seulement de recueillir des données pour le simple plaisir de les accumuler. Il faut pouvoir en faire quelque chose : la gestion des données requiert des données fiables, de qualité, et donc exploitables.

Force est de constater que la gestion des données de bon nombre d’entreprises est optimisable. Ce manque d’optimisation peut avoir plusieurs origines, mais rappelons que le data management a pour ambition, entre autres :

• d’éviter les erreurs de saisie ou de traitement,
• d’éviter les doublons issus de copies hasardeuses,
• de perdre des données car elles sont déplacées sans prendre de précaution,
• de garantir la traçabilité des données

➡️ Quelles peuvent être les conséquences de données de mauvaise qualité ?

• des reportings imprécis voire erronés,
• un manque de visibilité et d’anticipation,
• des décisions faussées,
• des coûts élevés pour trouver, analyser, stocker des données de qualité, etc.

✅ Quelles solutions envisager ?

Solution 1 : définir les critères de qualité des données propres à votre entreprise. Chaque organisation a ses problématiques, ses enjeux, ses priorités : la qualité des données est variable d’une entreprise à une autre.

Solution 2 : définir des processus rigoureux pour que l’ensemble de l’entreprise crée, dispose, transmette, traite des données de qualité répondant aux besoins de l’entreprise et de ses clients.

Et prendre en compte les conseils suivants dans cet article !

Le cycle de vie des données consiste à identifier où sont les données, pour déterminer d’éventuels points de vulnérabilité.

Les données peuvent être vulnérables à tout moment :

• collecte,
• stockage,
• partage,
• analyse,
• suppression.

Connaître ces points de vulnérabilité permet de mettre en place de bonnes pratiques et des systèmes garantissant la confidentialité et la sécurité de vos données.

Pourquoi consolider les données au même endroit, dans une base de données unique ? Cela permet :

• de rendre les données accessibles à toute l’entreprise facilement,
• de faciliter leur traitement,
• d’industrialiser les flux de données.

Être en mesure d’analyser et d’exploiter des données est crucial pour prendre des décisions stratégiques pertinentes, et au bon moment.

Par manque d’informations, il y a de plus fortes chances que les décisions prises ne correspondent pas à ce qui est attendu (par les clients, par les utilisateurs, par les collaborateurs de l’entreprise, etc.).

Qui dit data management, dit processus de collecte, de stockage, de traitement ou encore de sécurisation des données.

Cela doit se faire en conformité avec les législations françaises et européennes qui réglementent la collecte et l’utilisation de données :

• le règlement général sur la protection des données (RGPD), en vigueur depuis mai 2018, insuffle un vent d’usage respectueux et de traçabilité sur l’univers des données ;
• d’autres réglementations s’appliquent à un secteur en particulier, comme les réglementations Bale et Solvency qui encadrent la gestion des données bancaires et du secteur de l’assurance respectivement.

La data governance, ou gouvernance des données en français, est complémentaire à la gestion des données dans le sens où elle concentre toutes les procédures permettant une bonne gestion :

• elle intervient à l’échelle de toute l’entreprise ;
• elle met en pratique la gestion des données et garantit la pérennité de cette dernière ;
• elle cherche à extraire de la valeur aux données.

Comment associer des données pour créer de la valeur ? Comment utiliser les données au service d’une stratégie ? Comment tirer partie des réglementations encadrant le data management ?

La data governance cherche à répondre à ces questions. Cela implique de structurer l’entreprise, les processus et les outils pour tirer le meilleur de vos données.

Quelques bonnes pratiques à suivre selon Inventiv IT :

La sécurisation des données est l’une des clés d’une gestion des données réussie. Comment faire ?

• déployer et maintenir une infrastructure informatique garantissant la sécurité des données,
• limiter le nombre de points d’entrée aux outils et applications,
• s’assurer que les échanges de données, en interne comme en externe, ne les rendent pas vulnérables (fuites, pertes, altérations), etc.

L’organisation est la base d’une entreprise saine qui fonctionne correctement. C’est vrai également en matière de gestion des données. Sans organisation, sans processus clairement définis et connus de tous, on ne peut pas avoir une entreprise data-driven performante.

Sans processus clairement définis, il est difficile de passer du big data quantitatif, d’une «masse de données», à des données exploitables desquelles tirer de la valeur pour votre activité et vos clients.

ℹ️ Concrètement, comment faire ?

• nommer un ou des responsables de la gestion de données (responsable qualité, data manager, service dédié, etc.),
• adopter les outils pertinents,
• définir des règles métiers,
• matérialiser les processus et les partager à tous les collaborateurs pour qu’eux-mêmes adoptent les bonnes pratiques.

Note : vous aurez toujours le luxe de vous reposer sur des outils pour automatiser des tâches, gagner du temps ou faire des calculs poussés. Mais si vous n’êtes pas organisés correctement, toute cette valeur ajoutée n’en est pas vraiment.

Qui a accès à quelles données ? La gestion des accès doit être définie précisément dans vos processus. Vous devez être en mesure d’identifier qui a accès à quelles données, peut les stocker ou les archiver, les modifier ou les consulter, mais aussi d’en restreindre l’accès.

Cette identification aide à protéger les données de pertes, d’altérations ou encore de vols.

ℹ️ Ce processus est à mettre en place dans le cadre du respect de la réglementation, et notamment du RGPD.

Le data manager, ou responsable des données, est l’expert en data management au sein de l’entreprise. Ce nouveau métier a plusieurs missions principales :

• comprendre, synthétiser et répondre aux besoins de gestion des données ;
• mettre en place des processus big data dans l’entreprise ;
• définir des outils communs pour simplifier le traitement des données ;
• assurer l’exploitation pertinente des données, etc.

Des formations spécifiques existent, notamment des masters en data management.

Si vous envisagez d’extraire de la data d’une application à une autre (pour la valoriser notamment), vous aurez besoin d’un outil d’échange de données. En effet, l’utilisation de ce type de solution constitue souvent une étape préalable, un prérequis au data management.

Notez qu’il existe différents types d’outils servant cet objectif. Par exemple, citons :

• les ESB (Enterprise Service Bus) : ils font communiquer les applications entre elles,
• les ETL (Extract Transform Load) : ils synchronisent les informations provenant de diverses sources.

Quelle plateforme d’échange de données choisir ?

🛠️ Crosscut

Avantages de la solution :

• échange de données en provenance de toutes sources (on premise, cloud, etc.),
• expérience de création de flux applicatifs rapide et simple,
• monitoring technique et opérationnel,
• intégration à l’environnement de travail existant,
• bon rapport qualité/prix.

Une data management platform, ou plateforme de gestion des données, est un outil de stockage et de traitement des données. Les données sont intégrées et consolidées dans une seule et même plateforme depuis une multitude de sources (CRM, site web, emails, réseaux sociaux, fichiers, etc.).

L’objectif est simple : analyser facilement les données pour mettre à disposition des utilisateurs des données de qualité, justes, transparentes et fiables.

Quel logiciel DMP choisir ?

🛠️ Hadoop (Apache)

Avantages de la solution :

• plateforme big data en open source,
• outil adaptable à vos besoins, moyennant des développements spécifiques,
• stockage et traitement de très grands volumes de données,
• tolérance élevée aux incidents,
• coût modéré.

🛠️ SAS Viya

Avantages de la solution :

• collaboratif pour tous les métiers (data manager, data scientist, développeur, décideur),
• traitement ultrarapide des données,
• intelligence artificielle intégrée pour améliorer la qualité des données,
• modèles d’analyses proposés,
• disponible en mode SaaS, sur site ou hybride.

🛠️ Talend Data Services Platform

Avantages de la solution :

• adapté aux ETI et grands comptes,
• plateforme qui s’intègre avec vos applications (Oracle, Microsoft SQL Server, Salesforce, NetSuite, etc.),
• mapping des données,
• profilage des données,
• visualisation graphique des données pour une meilleure analyse.

Un outil de Business Intelligence, basé sur l’analyse de données et la génération automatique de rapports, vous permettra d’obtenir facilement des informations exploitables à partir de nombreuses sources.

Conséquence : définissez plus finement l’orientation stratégique de votre entreprise, et insufflez également une culture data-driven à l’ensemble des équipes grâce à la centralisation et l’accessibilité des données aux différents métiers.

Quelle solution de Business Intelligence choisir ?

🛠️ MyReport

Avantages de la solution :

• large couverture fonctionnelle (création, gestion, diffusion, publication et alerte sur les reportings, data visualisation, ETL, etc.),
• intégration pour tous les services métiers (DG, Finance, Commerce, RH, Marketing, Logistique, etc.),
• simplicité d'utilisation, aucune compétence technique n'est requise pour l'utiliser,
• automatisation des reportings et des tableaux de bord,
• adaptée aux besoins des PME/ETI et dans l'environnement familier d'Excel pour plus de simplicité.

Les données sont le nouvel or des entreprises. Mais bien souvent, ces dernières ne se doutent pas de la richesse qu’elles ont. Les données sont là, elles existent, des millions en sont créées chaque minute. Vous n’avez «plus qu’à» les exploiter ! Si vous ne le faites pas, vos concurrents le feront sûrement.

Prêts à créer de la valeur grâce à vos données ?

Article mis à jour, publié initialement en octobre 2019.