Logo

Ressources

Notre glossaire Data Management

Ce glossaire, destiné en premier lieu aux non-experts, vise à contribuer à la clarification des notions et concepts clés communément utilisés en Data Management. Il s'appuie sur des références reconnues dans le domaine. Vous êtes convaincu du besoin de normalisation des terminologies du domaine et vous souhaitez contribuer au glossaire? Ecrivez-nous !

A

|

B

|

C

|

D

|

E

|

F

|

G

|

H

|

I

|

J

|

K

|

L

|

M

|

N

|

O

|

P

|

Q

|

R

|

S

|

T

|

U

|

V

|

W

|

X

|

Y

|

Z

Data Enablement

Le Data Enablement est l’action de mettre à disposition des ressources de l’entreprise les moyens nécessaires à l’utilisation optimale des données de manière informée et responsable.
Il ne s’agit pas (bien que la tentation puisse exister) avec le Data Enablement d’enterrer le Data Management et la gouvernance des données. Ces derniers sont des composants essentiels de l’approche. Il s’agit d’adopter une démarche pragmatique centrée sur les résultats pour atteindre un objectif simple en apparence : s'assurer que les bonnes données sont fournies à la bonne ressource au bon moment. Et ce, en conformité avec le cadre réglementaire et les règles d’Ethique.

Sur le plan des personnes concernées, le Data Enablement consiste, à créer et renforcer au sein des équipes les compétences et savoir-faire Data par le biais de formations et autres moyens d'appui pratique. Il s’agit également de faire émerger une culture Data pour sensibiliser les acteurs aux enjeux de la donnée et aux pratiques associées, faciliter les collaborations entre les équipes et réussir l’opérationnalisation efficace des stratégies Data. Réussir l’alignement des équipes à différents niveaux de l’organisation est un facteur essentiel de réussite et permet d’éviter que « la culture mange la stratégie au petit déjeuner » comme le disait Peter Drucker.

Sur le plan technologique, l’approche attache une importance particulière à l’adoption des outils par les équipes. Diverses études montrent que le succès des projets technologiques est étroitement lié au niveau de robustesse et de convivialité des outils.

Enfin, sur le plan méthodologique, il ne s’agit pas d’un projet mais d’une discipline qui permet de transformer de façon profonde et pérenne les pratiques de gestion des données de l’entreprise. Contrairement à un projet qui a un début et une fin, le Data Enablement doit être considéré comme une activité continue qui doit bénéficier d'une mobilisation des contributeurs individuels et d’un sponsorship de niveau exécutif.

Voir aussi : Dataversity, IDC, IBM

Data Governance

La gouvernance des données est définie comme l'exercice de l'autorité et du contrôle (incluant la planification, le suivi et la mise en application) sur la gestion des données en tant qu'actifs d'entreprise.

La fonction de gouvernance des données orchestre et oriente toutes les autres fonctions de Data Management. Elle adresse en particulier les thèmes clés suivants :
- la Stratégie,
- la Politique,
- les Responsabilités et le processus de gestion (Stewardship),
- l'Acculturation et la gestion du changement,
- les Principes et l'Ethique,
- la Valorisation des données,
- la mesure de la Maturité des pratiques de gestion des données,
- la Classification des données.

Sources : DAMA DMBok 2

Data Intelligence

IDC définit la Data intelligence comme l'intelligence sur les données (et non pas - comme l'Analytique - l'intelligence obtenue à partir des données).

La Data intelligence exploite les métadonnées métier, techniques, relationnelles et opérationnelles pour fournir une vision transparente de la donnée incluant sa classification, sa qualité, son emplacement, sa traçabilité / lignage et son contexte.

Elle permet de mettre à disposition des acteurs, des processus et des technologies des données qualifiées et fiables.

Sources : IDC.

Data Management

La gestion des données ou Data Management est l'élaboration, l'exécution et la supervision des plans, politiques, programmes et pratiques qui permettent de générer, contrôler, protéger et améliorer la valeur des données et des actifs informationnel sur l'ensemble de leur cycle de vie.

Le Data Management couvre un large éventail d'activités. Cala inclut les actions et décisions de direction visant à donner une place stratégique aux données dans l'entreprise jusqu'au déploiement technique des bases de données.

Les différentes disciplines du Data Management peuvent être regroupées comme suit :
- La Gouvernance des données,
- Les disciplines socle :
- Data Protection (Privacy, Security, Risk Management),
- le Metadata Management,
- la Data Quality Management;
- Les disciplines en lien avec la gestion du cycle de vie des données :
- Planification & Modélisation : Architecture, Modélisation, Conception,
- Support & Maintenance : Infrastructures Big Data, Data Warehousing, Master Data Management, Stockage & Operations des données, Reference Data Management, Intégration de données & interopérabilité.
- Utilisation & Valorisation : Data Science, Data Visualization, Monétisation des données, Analyse prédictive, Utilisation de Master Data, Business Intelligence, Document & Content Management.

Sources : DAMA DMBok 2