Quelle est la différence exacte entre data-governance et data-management ?

Publié le : 26 janvier 20217 mins de lecture

Le fait de comprendre les données et de déterminer comment les travailler soulève une série de questions, qui est de la part des parties prenantes et des utilisateurs. Quelles sont les bonnes données pour le problème ? Comment ces données sont-elles stockées ? Les réponses ne sont pas faciles. Quelques champs permettent pourtant de les résoudre et de les organiser : data-governance et data-management. Ces termes constituent de programmes totalement différents. Ils sont souvent employés de manière interchangeable. Découvrez la différence entre data-governance et data-management.

Gestion des données : la pratique informatique

Si vous n’avez pas établi une gestion solide de données, le reste de monde de données n’est pas donc à votre portée. La data-management est, à la nuance de data-governance, mieux perçue comme le programme informatique dans l’objectif est de contrôler et d’organiser les ressources de données de façon à ce qu’elles soient fiables, accessibles et opportunes quand les utilisateurs le consultent. De point de vue administratif, des équipes informatiques responsables de data-management peuvent aussi s’appuyer sur un ensemble personnalisé et complet de théories, pratiques, systèmes et processus qui permettent de traiter, d’organiser, de stocker, de valider, de collecter et sinon maintenir des données. Si des données ne sont, après tout, pas traitées correctement, dans ce cas, elles peuvent être inutilisables ou corrompues et devenir complètement inutiles. Par ailleurs, il est nécessaire de noter qu’une data-management englobe généralement l’ensemble de cycles de vie de l’actif de données, d’une création initiale de données à une suppression finale de données. Pour plus d’informations, cliquez sur www.formationinformatique.info.

Gouvernance des données : la stratégie d’entreprise

Si la gestion de données est une logistique de données, la data-governance est une stratégie de donnée. La data-governance doit sembler plus globale et plus vaste que la gestion de données. La gouvernance nécessite, en effet, une politique. Cela est mieux atteint par le consensus au sein de la société. La data-governance a pour but de fournir de réponses concrètes à la façon dont une société peut hiérarchiser et déterminer les avantages financiers de données tout en atténuant des risques commerciaux qui sont liés à des données de mauvaise qualité. De plus, la gouvernance de données a besoin de déterminer les données qui peuvent être employées dans les scénarios. Ce qui a besoin de déterminer précisément ce que sont les données acceptables : à quoi consistent les données, quelle est sa précision, où sont-elles utilisées et collectées, quelles règles doivent-elles suivre ? Il est nécessaire de noter qu’il faut que la gouvernance de données aille au-delà de l’informatique et inclue des parties prenantes d’ensemble de la société. La gouvernance exige aussi la participation de parties prenantes de différents secteurs d’activité. Cela permet de garantir la fiabilité et la sécurité de toutes les données. Si chaque silo de société aborde sa stratégie des données de façon différente, dans ce cas, le résultat final semble chaotique et, éventuellement, pas assez complet afin d’être utile.

Data-management : premiers pas de révolution copernicienne

La révolution copernicienne va, en fait, de pair avec une évolution de rôle de la DSI. Il faut que celle-ci mette à disposition de métiers l’infrastructure utile afin de faire son business. Cependant, si la donnée n’est pas vraiment de qualité, dans ce cas, les métiers n’avancent pas. De plus, ils ne parviennent pas également à l’amélioration de la productivité et de la performance dont ils nécessitent. On a donc déplacé peu à peu le zoom d’appareil photo des problèmes qui sont liés à l’interopérabilité de donnée, à la consolidation, au stockage vers ce qui fait exactement sa valeur même. Désormais, l’enjeu est de donner de valeur à la donnée. Cela devient une principale préoccupation des sociétés. C’est la raison pour laquelle, peu à peu, les sociétés se mettent à sortir de la gestion de leurs données afin de construire une approche centralisée. Un data-management s’impose surtout avec la Master Data Management ou MDM. Il s’agit d’une méthode exhaustive qui permet à une société d’associer ses données critiques au fichier maître, étant un référentiel commun.

Data-governance : quand une révolution atteint toute la société

On est alors passé en quelque sorte de la vision outillage, comme les stockages et l’infrastructure, à une vision qualité, comme la nature de la donnée, sa réutilisation possible pour les services de la société, sa cohérence et sa forme. On passe peu à peu à la vision valeur : comment construit-on de valeur de cette donnée, tout en l’associant à quelle donnée, avec quelle étique, quelles normes, en conformité à un service de quelle stratégie et avec quelle réglementation. Cette troisième étape de data correspond à la data-governance ou data-gouvernance. Ainsi, un data-management est le cheval et une data-governance est le cocher et la carrosse dirigeant le cheval. Une data-governance peut généralement prendre quantité des chemins sinueux afin d’arriver à bon port. La chose la plus essentielle que vous nécessitez pour votre trajet, c’est le projet. 

 

L’accueil téléphonique réussi : la clé d’une relation client durable
Optimiser la gestion de vos contacts avec un logiciel CRM adapté : conseils pour faire le bon choix

Plan du site