RETOUR SUR LA GOUVERNANCE DE DONNEES...
L’impact du Covid-19 n’a pas été sans souligner le défi essentiel de la connaissance, de la collecte, de la conservation et de la transmission de données de qualité. Rappelons par exemple ici, que l’absence de définition commune, claire et partagée pour la comptabilisation des décès a conduit à une analyse maladroite dans les bilans du gouvernement. Le challenge, conséquent pour les années à venir, sera de pouvoir garantir l’application de normes cohérentes de gouvernance de données, à savoir, certifier des rapports rationnels pour les potentielles autres pandémies. L’enjeu sera de normaliser les définitions et les calculs utilisés pour des concepts communs comme, par exemples, le nombre de cas confirmés. Comme dans de nombreuses organisations encore à ce jour, la définition d’un concept entre les différents intervenants (ex : fournisseur et consommateur) peut s’avérer dans de nombreux cas différents. Ce qui implique une méthode dissemblable de calcul de la donnée. Nul n’est sans savoir que les données sont le « carburant » essentiel de l’entreprise pour éclairer leurs décisions et leurs actions. De mauvaises données peuvent conduire à de mauvaises décisions.
Le processus de gouvernance de données vise à ce que l’ensemble des décisions prises dans une organisation soient appuyées par des données les plus proches possibles de la réalité. Par décisions prises, il faut entendre celles prises par l’humain, un choix fait par une personne en réponse à une problématique. Prenons l’exemple du conseiller bancaire qui valide le dossier de crédit d’un client en s’appuyant sur les informations fournies par celui-ci et les données issues du SI tel que l’historique des relevés de compte. Cependant, il est possible d’élargir cette définition à des processus automatiques, sans intervention humaine. Un des exemples les plus aboutis réside dans la voiture autonome, qui fait des millions de choix par seconde et doit être certaine que les données issues de ses capteurs reflètent suffisamment bien l’environnement dans lequel elle évolue. Dans le milieu bancaire, on peut penser aux processus d’analyse de transaction frauduleuse qui vont empêcher, en temps réel, la réalisation d’une opération en se basant sur une modélisation statistique des données reçues.
Une démarche de gouvernance de données peut être définie en deux processus qui ont pour but d’apporter la meilleure confiance possible dans ses données.
1. S’assurer que le patrimoine de données de l’organisation est bien documenté. C’est ici qu’apparaissent les notions de dictionnaire de données et de Data Lineage.
2. S’assurer que les données de l’entreprise qui sont utilisées sont de bonne qualité, ou en tout cas que le niveau de qualité est connu (Data Quality Management).
Dans les banques, la crise de 2008 a été un accélérateur dans leur mise en place. L’analyse à posteriori de la crise par les organismes de contrôle ont montré qu’un des leviers de cette crise était que les indicateurs de pilotage des banques étaient parfois éloignés ce qu’ils étaient censés représenter.
UN RISQUE SE MAITRISE DAVANTAGE LORSQU’IL SE CONNAIT
Par définition, le travail des banques est de maîtriser le risque (risque de crédit, de marché, de contrepartie, etc...) pour l’anticiper, il faut le connaitre et pour cela, il est nécessaire de se baser sur des données les plus fiables possibles, afin de refléter au mieux la réalité. La crise de 2008 a révélé que les données sur lesquelles se basaient les banques étaient mal connues, mal maîtrisées et que les indicateurs étaient donc faux. Fort de ce constat, les organismes de contrôle ont édifié (entre autres) la norme BCBS239 qui oblige les banques à mettre en place une stratégie de gouvernance de données selon 14 principes*. Dorénavant, les banques sont incitées à nommer un CDO (Chief Data Officer) en charge de mettre en place et de piloter la gouvernance de données avec des outils, méthodes et organisation associées.
Dans le milieu financier, la mise en place de la gouvernance de données n’est donc pas optionnelle, c’est une contrainte réglementaire.
*texte officiel : https://www.bis.org/bcbs/publ/d501.pdf
« Notre conviction chez Lamarck est que les banques doivent transformer cette contrainte en atout et qu’investir dans la gouvernance de données c’est s’assurer la confiance de ses data et de les exploiter avec plus de facilité, reporting plus fiable, data science avec de meilleurs résultats prédictifs, gain de temps dans la mise en place de projet IA.... », souligne Pierre Savary de Beauregard, Directeur DATA de Lamarck Group.
LA CHASSE AUX IRRITANTS DATA
Lamarck accompagne les métiers Data dans l’identification de leurs « irritants data » parmi lesquels, le temps passé dans le nettoyage des données, à trouver les données requises pour un reporting ou encore tracer un chiffre faux... - Une fois ces irritants identifiés, Lamarck détermine avec le CDO les victoires rapides envisageables et enclenche des processus projets avec les équipes concernées pour avancer, ensemble, sur la résolution des problèmes.
En parallèle de cette approche « Bottom-up », il est important de travailler à la mise en place des briques essentielles à la Data Gouvernance (Édiction des grands principes de data gouv, instauration d’une organisation avec des rôles bien définis, réflexion sur les critères de qualité des données, choix des outils SI – dictionnaire des données, lineage, Data quality.).
PARTAGE DE MISSIONS
Au sein de l’entité CIB d’une grande banque française.
Au sein de l’équipe SI et sous le sponsoring du CDO, mise en place de l’outil de Data Gouvernance Collibra* auprès des différents métiers pour identifier leurs cas d’usage prioritaires data :
- Direction financière (gestion Data dans le cadre d’évolutions SI – base de données, reporting - pour les besoins métiers et partages des données « Data by design ») ;
- Direction des risques, lineage des données dans le cadre de Anacrédit (reporting) ;
- Autres directions : disposer d’un dictionnaire de données central permettant le partage des définitions à l’ensemble des acteurs de
l’établissement.
*Collibra éditeur de logiciel spécialisé dans la Data et partenaire Lamarck
Pour banque spécialisée de taille intermédiaire.
Assistance du CDO dans la mise en place et l’animation de la gouvernance des données :
- Rédaction de la Charte Data (principes et règles de gestion des données) ;
- Validation par le COMEX et diffusion auprès des collaborateurs ;
- Mise en place et animation du réseau gouvernance des données (30 Data Managers) ;
- Suivi de chantiers d’évolution et de complétude du dictionnaire des données ;
- Plan de remédiation de qualité de données.
L’impact du Covid-19 n’a pas été sans souligner le défi essentiel de la connaissance, de la collecte, de la conservation et de la transmission de données de qualité. Rappelons par exemple ici, que l’absence de définition commune, claire et partagée pour la comptabilisation des décès a conduit à une analyse maladroite dans les bilans du gouvernement. Le challenge, conséquent pour les années à venir, sera de pouvoir garantir l’application de normes cohérentes de gouvernance de données, à savoir, certifier des rapports rationnels pour les potentielles autres pandémies. L’enjeu sera de normaliser les définitions et les calculs utilisés pour des concepts communs comme, par exemples, le nombre de cas confirmés. Comme dans de nombreuses organisations encore à ce jour, la définition d’un concept entre les différents intervenants (ex : fournisseur et consommateur) peut s’avérer dans de nombreux cas différents. Ce qui implique une méthode dissemblable de calcul de la donnée. Nul n’est sans savoir que les données sont le « carburant » essentiel de l’entreprise pour éclairer leurs décisions et leurs actions. De mauvaises données peuvent conduire à de mauvaises décisions.
Le processus de gouvernance de données vise à ce que l’ensemble des décisions prises dans une organisation soient appuyées par des données les plus proches possibles de la réalité. Par décisions prises, il faut entendre celles prises par l’humain, un choix fait par une personne en réponse à une problématique. Prenons l’exemple du conseiller bancaire qui valide le dossier de crédit d’un client en s’appuyant sur les informations fournies par celui-ci et les données issues du SI tel que l’historique des relevés de compte. Cependant, il est possible d’élargir cette définition à des processus automatiques, sans intervention humaine. Un des exemples les plus aboutis réside dans la voiture autonome, qui fait des millions de choix par seconde et doit être certaine que les données issues de ses capteurs reflètent suffisamment bien l’environnement dans lequel elle évolue. Dans le milieu bancaire, on peut penser aux processus d’analyse de transaction frauduleuse qui vont empêcher, en temps réel, la réalisation d’une opération en se basant sur une modélisation statistique des données reçues.
Une démarche de gouvernance de données peut être définie en deux processus qui ont pour but d’apporter la meilleure confiance possible dans ses données.
1. S’assurer que le patrimoine de données de l’organisation est bien documenté. C’est ici qu’apparaissent les notions de dictionnaire de données et de Data Lineage.
2. S’assurer que les données de l’entreprise qui sont utilisées sont de bonne qualité, ou en tout cas que le niveau de qualité est connu (Data Quality Management).
Dans les banques, la crise de 2008 a été un accélérateur dans leur mise en place. L’analyse à posteriori de la crise par les organismes de contrôle ont montré qu’un des leviers de cette crise était que les indicateurs de pilotage des banques étaient parfois éloignés ce qu’ils étaient censés représenter.
UN RISQUE SE MAITRISE DAVANTAGE LORSQU’IL SE CONNAIT
Par définition, le travail des banques est de maîtriser le risque (risque de crédit, de marché, de contrepartie, etc...) pour l’anticiper, il faut le connaitre et pour cela, il est nécessaire de se baser sur des données les plus fiables possibles, afin de refléter au mieux la réalité. La crise de 2008 a révélé que les données sur lesquelles se basaient les banques étaient mal connues, mal maîtrisées et que les indicateurs étaient donc faux. Fort de ce constat, les organismes de contrôle ont édifié (entre autres) la norme BCBS239 qui oblige les banques à mettre en place une stratégie de gouvernance de données selon 14 principes*. Dorénavant, les banques sont incitées à nommer un CDO (Chief Data Officer) en charge de mettre en place et de piloter la gouvernance de données avec des outils, méthodes et organisation associées.
Dans le milieu financier, la mise en place de la gouvernance de données n’est donc pas optionnelle, c’est une contrainte réglementaire.
*texte officiel : https://www.bis.org/bcbs/publ/d501.pdf
« Notre conviction chez Lamarck est que les banques doivent transformer cette contrainte en atout et qu’investir dans la gouvernance de données c’est s’assurer la confiance de ses data et de les exploiter avec plus de facilité, reporting plus fiable, data science avec de meilleurs résultats prédictifs, gain de temps dans la mise en place de projet IA.... », souligne Pierre Savary de Beauregard, Directeur DATA de Lamarck Group.
LA CHASSE AUX IRRITANTS DATA
Lamarck accompagne les métiers Data dans l’identification de leurs « irritants data » parmi lesquels, le temps passé dans le nettoyage des données, à trouver les données requises pour un reporting ou encore tracer un chiffre faux... - Une fois ces irritants identifiés, Lamarck détermine avec le CDO les victoires rapides envisageables et enclenche des processus projets avec les équipes concernées pour avancer, ensemble, sur la résolution des problèmes.
En parallèle de cette approche « Bottom-up », il est important de travailler à la mise en place des briques essentielles à la Data Gouvernance (Édiction des grands principes de data gouv, instauration d’une organisation avec des rôles bien définis, réflexion sur les critères de qualité des données, choix des outils SI – dictionnaire des données, lineage, Data quality.).
PARTAGE DE MISSIONS
Au sein de l’entité CIB d’une grande banque française.
Au sein de l’équipe SI et sous le sponsoring du CDO, mise en place de l’outil de Data Gouvernance Collibra* auprès des différents métiers pour identifier leurs cas d’usage prioritaires data :
- Direction financière (gestion Data dans le cadre d’évolutions SI – base de données, reporting - pour les besoins métiers et partages des données « Data by design ») ;
- Direction des risques, lineage des données dans le cadre de Anacrédit (reporting) ;
- Autres directions : disposer d’un dictionnaire de données central permettant le partage des définitions à l’ensemble des acteurs de
l’établissement.
*Collibra éditeur de logiciel spécialisé dans la Data et partenaire Lamarck
Pour banque spécialisée de taille intermédiaire.
Assistance du CDO dans la mise en place et l’animation de la gouvernance des données :
- Rédaction de la Charte Data (principes et règles de gestion des données) ;
- Validation par le COMEX et diffusion auprès des collaborateurs ;
- Mise en place et animation du réseau gouvernance des données (30 Data Managers) ;
- Suivi de chantiers d’évolution et de complétude du dictionnaire des données ;
- Plan de remédiation de qualité de données.
