data forum micropole - 2015

DATA FORUM

1 DÉCEMBRE 2015 - PARIS

EN PARTENARIAT AVEC :

Data Forum – Décembre 2015

3 AGENCES

EN CHINE

6 pays dans le mondeBELGIQUE / CHINE / FRANCE / LUXEMBOURG /

PAYS-BAS / SUISSE

9 AGENCES

EN FRANCE

5 PAYS

EN EUROPE

GROUPE INTERNATIONAL SOLUTIONS TECHNOLOGIQUES INNOVANTES AUTOUR DE LA DATA & DU DIGITAL

CA 100 m€DONT 30%

A L’INTERNATIONAL

1100CONSULTANTS METIERS

ET INGENIEURS

D ATA

& I N N O VAT I O N

DANS NOTRE ADN

Page 4 Data Forum – Décembre 2015

DES OFFRES EN POINTEAU SERVICE DE LA PERFORMANCE DES DIRECTIONS MÉTIERS

TRANSFORMATION DIGITALE WIDE

Un positionnement unique qui allie expertise conseil des CMO’s, excellence technologique et design.

GOUVERNANCE DES DONNÉES

N°1 du MDM en Europe : + de 60 projets réalisés.

PILOTAGE DE LA PERFORMANCE

Spécialiste DATA depuis 25 ans.

N°1 de la Performance Financière avec + de 250 projets réalisés.


• Démontrer et valoriser les apports business de l’amélioration de la

qualité et de la mise en place d’une gouvernance des données

• Valider l’implication d’un Sponsor « Métier » sur la démarche

• Les plus-values « métier » doivent être démontrées à chaque

itération de la démarche

• Valider la maturité des domaines de données de référence les plus

pertinents

• La production d’un dictionnaire des données est un préalable

obligatoire à un projet de gouvernance

• La définition des rôles doit être en lien avec l’organisation et les

processus existants

• Une démarche de conduite du changement est nécessaire pour

assurer la réussite d’un projet de Data Governance

• La gouvernance des données doit être INTÉGRÉE en tant que

fonction de l’entreprise, dans une démarche LONG TERME

DATA GOUVERNANCE 2.0


LA SYNTHÈSE DU FORUM 2014, LES CLÉS DE SUCCÈS

• Démontrer et valoriser les apports business de l’amélioration de

la qualité et de la mise en place d’une gouvernance des données

• Valider l’implication d’un Sponsor « Métier » sur la démarche

Page 6



COMMENT VALORISER LA GOUVERNANCE DE VOS DONNÉES ?

Les nouveaux enjeux …

Rappels sur la gouvernance des données

Approches de valorisation de la gouvernance des données

Big Data et gouvernance, quels enjeux ?

1

2

3

4

Pourquoi choisir l’expertise de MICROPOLE ?5

Questions ?6

Page 7

ENJEUX AUTOUR DE LA DONNÉE


LA DONNÉE AU SERVICE DE L’INNOVATION ET DES ÉVOLUTIONS DE

BUSINESS MODEL

SÉCURISER SON PATRIMOINE

INFORMATIONNEL…UNE OBLIGATION

UNE DONNÉE DE PLUS EN PLUS VOLUMINEUSE, RICHE ET MULTI

ASPECT

DES CONTRAINTES RÉGLEMENTAIRES

TOUJOURS PLUS NOMBREUSES

UNE NÉCESSITÉ DE PILOTAGE DE LA QUALITÉ DES DONNÉES

PLUS DE DONNÉES, MOINS DE MOYENS

MONTÉE EN PUISSANCE DU DIGITAL ET

DES INTERACTIONS ENTRE LES

CANAUX

ENJEUX ORIENTÉS CLIENT

DROIT A L’OUBLI

Page 9

ANALYSE DE

PARCOURS

CLIENTS

MESURE DE LA VALEUR CLIENT

FIDELISATIONSEGMENTATIONS

CLIENTSOPÉRATIONNELLES

MESURE DE PERFORMANCE

DES CAMPAGNES MARKETING

CROSS CANAL

RECO CROSS

CANAL

MONITORING QUALITE SERVICE

CLIENT

FIABILISATION

PROCESSUS

DE GESTION DE LA

RELATION CLIENT

PASSAGE D’UNE APPROCHE SILO A

UNE LOGIQUE OMNICANAL

ET VOUS ?


ENJEUX ORIENTÉS PRODUIT

DES CONTRAINTES RÉGLEMENTAIRES

CROISSANTES

Page 10

LA GESTION DU

MULTI ASPECT

(PAYS, ENSEIGNE,

LANGUE, USAGE,…)

PERSONNALISER ET MULTIPLIER LES

CATALOGUES CLIENTS

SIMPLIFIER LES

PRÉVISIONS ET

FIABILISER LE

RAPPROCHEMENT

AVEC LE RÉALISÉ

DECLOISONNER LA

GOUVERNANCE DE

LA DONNEE

PRODUIT

FIABILISER LA

LOGISTIQUE

RISQUE IMAGEPILOTAGE DE LA COLLECTE DES

DONNÉES

FAVORISER

L’INNOVATION / TIME

TO MARKET

CLARIFIER LE

DICTIONNAIRE :

OFFRE/PRODUIT/

ARTICLE

ET VOUS ?









1

2

3

4


Questions ?6

Page 11

GOUVERNANCE DES DONNÉES DE RÉFÉRENCE

12

LES 3 DIMENSIONS DE LA GOUVERNANCE

• Modèle de gouvernance

• Acteurs, rôles et responsabilités (data Owner, data Producer, data consumer, data steward)

• Comitologie de la gouvernance

• Dictionnaire

• Politiques de sécurité, cycle de vie, traçabilité,…

• KPI et règles de qualité

• Solution Master data Management

• Solution de profiling des données

• Outil de qualité des données

• Solution d’échange

Organisation

3. Identify Domain

SMEs and

Stakeholders

8. Mentor

Stewards

6. Recognize Data

Definer, User, and

Producer

Stewards

2.1.1 Build Team

Da

ta Q

ua

lity

Te

am

-

Bu

sin

ess

&

Da

ta A

na

lyst

s

Da

ta D

om

ain

Ste

wa

rd

LO

B/F

un

ctio

na

l

Are

a D

ata

Ste

wa

rd

Co

ord

ina

tor

Da

ta S

tew

ard

Co

mm

itte

e

Da

ta

Go

vern

an

ce

Co

un

cil

4. Identify SMEs

for Applications

Resource

Checklist

Template

Process

Manual

5. Note Potential

Data Stewards

During Domain

Definition

Resource Checklist

Template

Steady State: DG Council and

Data Steward Committee* are

Established

9. Mobilize Data

Stewards

2.1.2.7

End

1. Select Data

Domain Steward

Resource Checklist

Template

2. Map Data

Domain to Lines of

Business

* If Data StewardCommittee

is not yet Established, LOB

Coordinators (who will

eventually be on it) will serve

this function

7. On-Board

Stewards

Resource

Checklist

Template

2.1.2 Build Common Definition (Continued)

LO

B/

Fu

nct

ion

al

Are

a D

ata

Ste

wa

rd

Co

ord

ina

tors

Data

Qualit

y

Team

- M

odele

r

Data

Qualit

y T

eam

- B

usi

ness

Analy

st

Data

Dom

ain

Ste

ward

No

Yes

16. Update

Glossary of Terms

with CLDM Terms

2.1.3

14. Validate Data

Element List and

Conceptual Model

8. Conduct Subject

Area-Focused JAD

Session

11. Update

Conceptual Data

Model

10. Document

Data Standards &

Rules Findings

2.1.2.4

17. Validate

Glossary of Terms

Glossary of

Terms Template

DQ Rules &

Standards Template

9. Document

Business

Definition Findings

Glossary of

Terms

Template

DQ Rules &

Standards

Template

Glossary of

Terms

Template

1.3.112. Update

Subject Area List

15. Initiate

CLDM

Maintenance

Process

2.1.2.7

JAD Session

Guide

13. Have All Subject

Areas Been Sufficiently

Explored?

15. Initiate

CLDM

Maintenance

Process

6. Create JAD

Session Guide and

Draft Element List

2.1.2 Build Common Definition

LO

B/

Fu

nct

ion

al

Are

a D

ata

Ste

wa

rd

Co

ord

ina

tors

Data

Qualit

y

Team

- M

odele

r

Data

Qualit

y T

eam

- B

usi

ness

Analy

st

Data

Dom

ain

Ste

ward

5. Obtain

Participant Time

JAD Session

Guide

3.Validate Domain

Scope

Scope

Summary

Template

2.1.1.3

2. Determine

Domain

Boundaries

4. Create

Conceptual Data

Model

Scope

Summary

Template

Data Governance

Council Initiates

Domain Definition

2.1.2.8

CLDM

7. Prepare Pre-

JAD Session

Communications1. Create Domain

Boundaries Draft

Subject Area List

2.1.2.11

7. Verify DQ Rules

and Standards

4. Create Draft DQ

Rules and

Standards

2. Gather

Information on

Data Elements

8. Validate DQ

Rules & Standards

1. Review

Elements in DQ

Rules & Standards

2.1.3 Build Data Quality Rules and Standards

Dat

a Q

ualit

y T

eam

- B

usin

ess

Ana

lyst

9. Capture Dashboard/

Scorecard/Reporting

Requirements/ Scope

LOB

/ Fun

ctio

nal

Are

a D

ata

Ste

war

d

Coo

rdin

ator

s

Dat

a

Dom

ain

Ste

war

d

Dat

a Q

ualit

y

Sco

reca

rd

Tea

m

Yes

No

Yes

No

DQ Rules and

Standards

Template

6. Conduct

Additional JAD

Sessions or

Meetings

DQ Rules and

Standards

Template

DQ Rules and

Standards

Template

10. Create Data

Quality Dashboard

Mock-Up

2.1.2.14

DQ Rules and

Standards

Template

DQ Rules and

Standards

Template

1.3.1

2.3.2

DQ Rules and

Standards

Template

12. Mock-Up

Meets Needs?

5. Is More SME

Input Needed?

3. Determine

Application Instances

of Data Elements

DQ Rules and

Standards

Template

11. Validate

Dashboard Mock-

Up

DQ Rules and

Standards

Template

Processus Solution

Gouvernance des Données

La gouvernance des données est un cadre de contrôle qualité visant à évaluer, gérer, exploiter, optimiser, contrôler, entretenir les données de l’entreprise…

Elle intègre 3 dimensions


GOUVERNANCE DES DONNÉES


Suivi d’activitéReporting mensuel des ventes, des stocks, reporting suivi budget

Processus d’Achat, processus de vente, processus Marketing,..

Commandes clients, factures fournisseurs, …

Statique

Provisoire

Stable

Gestion de la grille tarifaire, Contrat cadre achat sur une famille de

produit

Tarif de vente d’un produit pour un client

Gestion des produits, des clients, des assets, des employés, des

fournisseurs

Intégration d’une typologie de métiers, d’une nouvelle famille de

produits

Article, Fournisseur, Client, Structure, employé

Type de produit, type de structure, les pays, les régions

Indicateur de Reporting

Donnéetransactionnelle

Master DataConditionnel

Master Data

Entreprise Data

Périmètre des données de référence,gérées par le MDM

Périmètre géré par les Applications transactionnelles

Périmètre géré par la BI

PYRAMIDE DES DONNEES…








1

2

3

4


Questions ?6

Page 14

VALORISATION D’UNE DEMARCHE DE GOUVERNANCE

Page 15

Les données de références (Client, Produit,…) alimentent les processus.

Les données de référence sont le carburant des processus.

Les processus métiers produisent de nouvelles données (Contrat, commande, offre,…) à partir des données de références.

Les KPI Business sont en lien direct avec les processus et permettent d’en mesurer leur efficacité


LES DEUX APPROCHES DE VALORISATION

Par la qualité

des données

Par l’efficacité

des processus


Page 16

PAR LA QUALITÉ DES DONNÉES


Data QualityAssessment sur un ensemble de données

Recueil des « Pains » et analyse des impacts sur les processus métiers et identifications des acteurs

Production d’un ensemble d’exigences.Définition des KPI business en lien avec les KPI Data Quality

Nouveaux « Besoins » non couverts

Pilotage de l’amélioration des KPI qualité des données

Projection sur le système d’information

Mise en place de la gouvernance et orchestration des actions

Extension du périmètre à d’autres données


Page 17

PAR LA MESURE DE L’EFFICACITÉ DES PROCESSUS


Identification d’un processus métier avec un enjeu business

Identification des « data » consommées par ce processus et des acteurs

Définition des KPI business en lien avec les KPI Data Quality

Projection sur le système d’information

Mise en place de la gouvernance et orchestration des actions

Extension du périmètre à d’autres processus

Pilotage de l’amélioration des KPI processus Business

Référentiel et orchestration

Pas de consolidation ni de référentiel central

MISE EN PLACE DE LA DATA GOUVERNANCE

Page 18

EN FONCTION DU MODÈLE ET DES EXIGENCES


• Monitoring Data Quality

• Data stewardship

• Orchestration

• Dé doublonnage

• Règles de data quality



Modèle de gouvernance

Modèle d’implémentation de la gouvernance

1. Décentralisé 3. Centralisé2. Fédéré

Les pays, unités de gestion et domaines fonctionnels agissent en totale autonomie tout en essayant de maintenir des normes communes

Un point central de gouvernance fournit un point de contrôle au niveau global de l’entreprise.

Une gouvernance partagée est réalisée avec des responsabilités partagées sur l’ensemble des niveaux

La gouvernance de données centrale fournit un point de contrôle unique au niveau de l'entreprise pour la prise de décision.

Les autres niveaux ont peu ou pas de responsabilité.

Country

Corporate

Region

Country

Corporate

Region

Country

Corporate

Region

Référentiel central

• Point d’acquisition des données

• Règles de data quality










1

2

3

4


Questions ?6

Page 19

GOUVERNANCE ET BIG DATA

APPLICATION

DataWarehouse

DataMarts

S.I. ENTREPRISE

APPLICATION

APPLICATION

Data Forum – Décembre 2015Page 20

L’ENRICHISSEMENT CONTINU DES USAGES MÉTIER

Référentiel

S.I. ENTREPRISE

APPLICATION

DataWarehouse

DataMarts

S.I. ENTREPRISE

APPLICATION

APPLICATION


GOUVERNANCE ET BIG DATAL’ENRICHISSEMENT CONTINU DES USAGES MÉTIER

DataLake

Référentiel

S.I. ENTREPRISE

APPLICATION

DataWarehouse

DataMarts

S.I. ENTREPRISE

APPLICATION

APPLICATION



S.I. ENTREPRISE

Découverte/miningExpérimentation(Dis)QualificationEvolutions S.I.

DataLake

Référentiel

S.I. ENTREPRISE

APPLICATION

DataWarehouse

DataMarts

S.I. ENTREPRISE

APPLICATION

APPLICATION



DataLab

Connexions

SI 360°

Sandbox

BIG DATA

OPEN DATA

PARTENAIRES

S.I. ETENDU

OBJETS (IoT)

…

SOCIAL

S.I. ENTREPRISE

Découverte/miningExpérimentation(Dis)QualificationEvolutions S.I.

DataLake

Référentiel

S.I. ENTREPRISE

APPLICATION

DataWarehouse

DataMarts

S.I. ENTREPRISE

APPLICATION

APPLICATION



DataLab

Connexions

SI 360°

Sandbox

Une fois les sources de données identifiées il est nécessaire de les documenter pour les rendre exploitables et en gérer les évolutions.

HETEROGENEITE

•Formats

•Structures

•Multilinguisme

•…

QUALITE

•Pertinence

•Complétude

•Confiance

•Fraicheur

• ...

FACTEUR TEMPS

•Pertinence des

données Vs Temps

•Accessibilité Vs

Temps

•Durée optimale de

consommation

•…

Comment les données vont

être intégrées dans un

schéma unique ?

Les données atteignent-elles

les exigences métier ?

Quelles modalités de

transformation et de

nettoyage ?

Quelle fréquence de

collecte ?

Doit-on stocker les données

ou pas ?

GOUVERNANCE ET BIG DATAFOCUS SUR L’EXPLOITABILITE ET L’UTILISABILITE DES SOURCES

Selon la nature des sources de données et le contenu, la matière manipulée peut être sensible et son exploitation peut exposer l’organisation à des risques.

Il est donc nécessaire de mettre sous gouvernance les risques.

Page 26

Réglementation

• Conformité réglementaire

• Provenance des données

• Contenus

• Usages

• Conservation

• …

Propriété

• Consentement du

propriétaire :

• Usages

• Conditions

• Durée

• …

Autres

• Quels autres risques :

• Business

• Réputation entreprise

• Confiance clients /

Partenaires

• …

Les usages des données

sont-ils conformes à la

réglementation en vigueur

?

Ce facteur est assez

complexe du fait de

l’évolution constante des

règles et leur variété.

Le propriétaire des

données est-il informé et

consentant ?

Comment protéger ses

données ?

Peut on anonymiser les

données ?

Y-a-t-il d’autres risques ?

GOUVERNANCE ET BIG DATAFOCUS SUR LA GESTION DES RISQUES








1

2

3

4


Questions ?6

Page 27

POURQUOI CHOISIR L’EXPERTISE DE MICROPOLE ?

Page 28

Partenariats et certifications avec les principaux éditeurs du marché.

UNE SOLIDE EXPERTISE SECTORIELLE

Capitalisation et références dans tous les secteurs : industrie, pharmacie, distribution , luxe, banque & assurance. Des accélérateurs pour les principaux domaines.

UNE ÉQUIPE DÉDIÉE DEPUIS 2005

60 projets de gouvernance des données réalisés.Practice Data Gouvernance > 100 consultants.Capitalisation de l’expertise et des méthodologies.

UNE METHODOLOGIE EPROUVEE

Consulting, build & run.Démarche agile adaptée aux solutions.Accompagnement sur l’ensemble des étapes du projet de gouvernance.Approche d’urbanisation pragmatique.

Leader sur l’accompagnement

des projets de gouvernance de la

donnée, de Data Quality

et de Référentiel (MDM/PIM)

DES SOLUTIONS ADAPTÉES À CHAQUE PROBLÉMATIQUE


PARMI NOS 60 RÉFÉRENCES

Page 29

Gouvernance des données ClientScénario de bascule vers une vision ‘Personne’ des individus et des personnes morales, préconisation sur le partage d’informations entre tous les acteurs de la relation client

Projet PréferenceRéférentiel Produit/Formule :Maitrise du cycle de vie des données cœur des processus et alignements des forcasts et des réalisés.

Gouvernance des données produits/offreClarification de la gouvernance entre les notions d’article/produit/offredans le cadre de la digitalisation des processus Marketing et Sales Référentiel Tiers et pièces

détachéesOptimisation des processus clients et optimisation des coûts des stocks de pièces détachées.

Data Quality ServiceMise en qualité des données clients en amont d’une migration du CRM.

Référentiel Entreprise Data

Gouvernance des données produits/offres et nomenclatures

pour fiabiliser les processus de pilotage financier

Gouvernance des données Produits

Définition et mise en place de l’organisation, la consolidation et la diffusion des données Produits en cohérence avec les processus métiers

Référentiel Client UnifiéMise en œuvre d’un référentiel unifié des données clients issues des agences du réseau SA pour l’optimisation des campagnes marketing


http://images.google.fr/imgres?imgurl=http://upload.wikimedia.org/wikipedia/fr/7/72/Logo_Technip.jpg&imgrefurl=http://fr.wikipedia.org/wiki/Fichier:Logo_Technip.jpg&usg=__ONp-TBz8_lVdwE-oqXbZEIgD1Jg=&h=162&w=453&sz=17&hl=fr&start=6&sig2=tzyCGnUr_5Gt5ahXSE7CnQ&um=1&tbnid=xqRSwkJpLiD5LM:&tbnh=45&tbnw=127&prev=/images?q=technip&hl=fr&sa=N&um=1&ei=TvYcS5XCG4mE-Qb7qczTDw

http://images.google.fr/imgres?imgurl=http://upload.wikimedia.org/wikipedia/fr/7/72/Logo_Technip.jpg&imgrefurl=http://fr.wikipedia.org/wiki/Fichier:Logo_Technip.jpg&usg=__ONp-TBz8_lVdwE-oqXbZEIgD1Jg=&h=162&w=453&sz=17&hl=fr&start=6&sig2=tzyCGnUr_5Gt5ahXSE7CnQ&um=1&tbnid=xqRSwkJpLiD5LM:&tbnh=45&tbnw=127&prev=/images?q=technip&hl=fr&sa=N&um=1&ei=TvYcS5XCG4mE-Qb7qczTDw

NON GÉRÉ

ET VOUS ?

Page 30

PÉRENNISATION

Surveillance de la qualité de données.

Mise en place du programme (Organisation, monitoring, instances,…).

CADRAGE

Evaluation des données : périmètre, cycle de vie, administration

Audit non qualité des données

Définition du modèle de gouvernance

INITIALISATION

PROFILING

Audit des données sources

Rapprochement

Qualité des données et exigences métier.

Cadrage des priorités et lotissement

IMPLÉMENTATION (MDM/BUS/ESB/DQM)

Alimentation

Nettoyage et Standardisation

Décomposition (Parsing) et Enrichissement

Rapprochement.

Stockage

Publication et Couches de services

CONTRÔLÉ PROACTIFINTÉGRÉ

GÉRÉ EN

RÉACTION


MERCI DE VOTRE ATTENTION

Siège : 91-95, rue Carnot - 92300 Levallois-Perret – France

Tel : +33 (0)1 74 18 74 18

www.micropole.com

Pascal ANTHOINE

Directeur de la Practice Data Governance

[email protected]


mailto:[email protected]

data forum micropole - 2015

Presentations & Public Speaking