Dans un environnement marqué par un accroissement des échanges, le pilotage des activités requiert de disposer d’une vision de synthèse juste, adaptée et fréquemment mise à jour. Que l’activité soit financière, industrielle, commerciale, marketing ou liée à la santé, ce besoin repose sur la maîtrise d’une même matière première : la donnée.
Cet enjeu fait l’objet d’une attention soutenue des régulateurs bancaires et le comité de Bâle a précisé ses exigences dès 2013 au travers de son document Principles for Effective Risk Data Aggregation and Risk Reporting, plus connu sous son nom de code « BCBS 239 ».
À ce titre, les Assets Quality Review (AQR), réalisés dans le cadre de la mise en place du Mécanisme de supervision unique, sont un bon révélateur des difficultés à manipuler de l’information, dès lors que les données ne sont pas disponibles dans les outils de consolidation et que la granularité se révèle inadaptée aux demandes. Ce constat, qui n’est pas réservé à l’industrie bancaire, pose en termes très concrets le problème de la disponibilité des données ainsi que celui de l’organisation nécessaire à leur exploitation et leur maintien en qualité.
Les difficultés rencontrées
La non-qualité des données peut provenir de leur création ou de leur utilisation, lorsque la donnée n’est pas comprise par celui qui la saisit ou lorsqu’il ignore la nature de son utilisation ultérieure. De nombreuses décisions sont ainsi prises en s’appuyant sur des informations erronées ou utilisées à mauvais escient.
La seconde cause majeure de l’absence de qualité provient d’une mauvaise gestion informatique : correspondances (ou mapping) de données entre systèmes mal gérées ou non mises à jour ; ruptures de chaînes de traitements qui entraînent des pertes ; mauvaises règles de gestion qui modifient à tort les données ou en génèrent de nouvelles erronées. Enfin, la complexité des systèmes d’information, qui a pour corollaire une connaissance partielle des composants réellement en place, peut conduire à créer des doublons, renforçant le risque de non-qualité.
Si la mise en place de dispositifs de gouvernance des données doit permettre d’en optimiser le fonctionnement, ils n’atteignent pas systématiquement leurs objectifs, par défaut de globalisation (le périmètre d’application ne s’étend pas toujours au-delà de la frontière d’une direction) et par manque de moyens alloués. La complexité du sujet s’accompagne de l’accroissement exponentiel des données rendant de plus en plus difficile leur lisibilité. Enfin, les actions de contrôle et de mise en qualité exigent des efforts constants qui, en raison de leur caractère répétitif et du fait qu’elles soient absentes des objectifs individuels et collectifs, peinent à mobiliser les équipes.
Au regard de ces éléments, la tentation de créer une filière indépendante qui permettrait d’affecter des moyens et de mesurer plus facilement le retour sur investissement est forte. Séduisante par certains aspects, cette idée se heurte néanmoins à deux obstacles majeurs : la complexification de la gouvernance et le risque de ne pas réussir à mobiliser suffisamment les acteurs dans les directions opérationnelles.
La nature d’un dispositif de gouvernance des données
Un dispositif de gouvernance des données doit être un ensemble cohérent et articulé, composé d’une organisation, de processus, de normes et d’outils qui concourent ensemble à l’atteinte d’objectifs clairement définis, partagés par les directions et l’ensemble des collaborateurs impactés (voir Encadré 1).
L’organisation nécessite de définir le modèle opérationnel qui peut s’organiser sous trois formes différentes :
- décentralisé : la gouvernance des données est pilotée par chaque métier ou fonction ;
- centralisé : la gouvernance des données est pilotée par une entité pour l’ensemble de l’entreprise ;
- fédéral : le dispositif de gouvernance est piloté par une équipe qui s’appuie sur des relais au sein des métiers et fonctions pour déployer un dispositif unique.
Les normes et méthodes déterminent les principes de fonctionnement du dispositif de gouvernance, tant la manière de faire que les données elles-mêmes et les méthodes de mesure de la qualité.
Les outils sont les supports indispensables au déploiement efficace du dispositif de gouvernance. La complexité des architectures de données impose de disposer d’outils performants permettant le partage de l’information vers l’ensemble des parties prenantes. À titre d’illustration, déployer un dictionnaire de données ne peut plus se limiter au partage d’un fichier Excel.
Les bonnes pratiques
Quelles modalités mettre en œuvre pour l’amélioration de la qualité ? La combinaison de la mesure de la qualité et la définition de la criticité des données permettent d’éviter les deux écueils que sont l’oubli de données critiques et le contrôle de données inutiles. Les plans d’actions, qui doivent être établis en tenant compte des données les plus critiques et de la capacité des équipes à corriger les erreurs, doivent être accompagnés d’améliorations structurelles pour pérenniser le niveau de qualité atteint. Enfin, les propriétaires et gestionnaires des données étant les acteurs principaux de l’amélioration de la qualité, l’identification et l’affectation de leurs rôles le plus en amont possible sont cruciales pour réussir.
Les spécificités de chaque organisation ne permettent pas de dégager de solution miracle. En revanche, un point commun est la forte résistance au changement lorsqu’il s’agit de mettre en œuvre le dispositif de gouvernance des données. Il est difficile de convaincre un intervenant d’assumer le rôle de propriétaire de données ou de prendre en charge des contrôles complémentaires. Pour ces raisons, débuter le déploiement du dispositif de gouvernance sur un périmètre pilote est une nécessité : il permet de vérifier le bon fonctionnement de la démarche et au besoin de l’ajuster avant sa généralisation. Il convient aussi de commencer par des normes et méthodes rapides à mettre en œuvre (aisées à comprendre et qui apportent un bénéfice pour les acteurs impliqués). Le dictionnaire de données, en incluant les rôles et la criticité de chaque donnée, est généralement un bon candidat pour démarrer.
Relativement aux autres axes (entités, direction, filière), il convient de débuter avec les entités les plus favorables à la mise en place d’une gouvernance et de poursuivre avec celles qui se montrent les plus réticentes, dès lors que les premiers résultats, source de motivation, sont obtenus.
Enfin, le dispositif de gouvernance doit définir, dès que possible, les processus de création des nouvelles données, les documenter et les diffuser.
Tirer avantage des données maîtrisées
La gouvernance des données permet de les maîtriser et, par la suite, de pouvoir piloter au mieux l’activité, maîtriser les risques, comprendre et anticiper les comportements clients et produire des informations pertinentes au moyen des technologies et méthodes de Big Data-Data Analytics.
Piloter l’activité signifie prendre des décisions, ce qui exige de disposer de données fiables. La gouvernance des données, au travers de la mesure de leur qualité et du processus d’amélioration associé, permet la production d’indicateurs supports des décisions sur lesquels s’appuyer.
Les indicateurs qui permettent de maîtriser les risques s’appuient sur des données d’origines diverses, réclamant une parfaite coordination entre les équipes opérationnelles et les équipes risques. La gouvernance des données permet de s’assurer de la qualité de l’information, de sa traçabilité et de la coordination entre les différentes entités.
Enfin, le pilotage stratégique, le pilotage opérationnel et la maîtrise des risques exigent aujourd’hui de prendre en compte des données qui dépassent le périmètre des systèmes traditionnels d’information de synthèse. La gouvernance des données permet de connaître ces éléments et les outils de Big Data et de Data Analytics offrent la possibilité de les intégrer en quantités importantes et de les analyser en s’affranchissant des contraintes des systèmes internes. Les organisations ayant le savoir-faire pour manipuler les données en masse, et étant par conséquent capables de les analyser, notamment celles des clients, possèdent un substantiel avantage concurrentiel.
Un élément stratégique
Le déploiement d’une gouvernance des données durable est aujourd’hui un élément stratégique pour toute entité. À l’ère de la digitalisation, cette maîtrise sera indispensable au bon fonctionnement de l’entreprise, dont les processus vont de plus en plus souvent être nourris de données informatiques.
Devant elles se dressent des travaux dont l’ampleur est à la hauteur des enjeux. Mais l’émergence du Big Data, les exigences des régulateurs et les moyens déployés sur le Digital doivent leur permettre créer le momentum nécessaire à la réalisation de ce projet.
