Comment structurer une équipe data performante pour démocratiser l’utilisation des données

Pour accélérer la consommation des données, les Chief Data Officers (CDO) et autres responsables data s’appuient sur les talents de leurs équipes et sur des modèles d’organisation afin de partager les bonnes données, aux bons formats, avec les bons utilisateurs. Dans le même temps, ils doivent garantir la cohérence et une bonne gouvernance des données, afin de fournir à l’entreprise une source unique de vérité.

Mais très souvent, les équipes data et analytics (D&A) ont été créées de manière centralisée autour d’une expertise IT, et sont composées de profils techniques qui se concentrent essentiellement sur le traitement et l’analyse des données. Si une telle approche favorise la cohérence, elle ne prend pas suffisamment en compte les besoins et atouts des équipes métier et ne permet pas d’exploiter tout le potentiel des données, faute d’agilité. Dans ce contexte, comment trouver le bon équilibre entre contrôle centralisé et réponse aux besoins de l’entreprise ?

Dans son dernier rapport intitulé How D&A Leaders Should Organize Their Data and Analytics Teams (Leaders D&A : comment organiser vos équipes Data et Analytics), Gartner recommande aux CDO d’adopter une approche hybride, à la fois en matière de structuration et de compétences. L’objectif ? Garantir une gouvernance efficace, stimuler l’innovation et permettre aux utilisateurs d’accéder directement aux données dont ils ont besoin. Découvrez dans cet article les solutions de Gartner, et le rôle clé des data product marketplace pour une stratégie D&A réussie.

Deux grands modèles coexistent actuellement pour gérer les données et les diffuser :

• Une équipe centrale qui pilote et contrôle le partage des données pour garantir leur cohérence ;
• Des équipes décentralisées (rattachées à un service, une région ou un bureau), qui apportent une expertise métier et un contexte local à l’usage des données.

Le cabinet Gartner recommande aux organisations d’explorer deux approches supplémentaires :

• Des équipes analytics locales et décentralisées, implantées sur des sites spécifiques (usine, point de vente, etc.) pour répondre aux besoins opérationnels de terrain ;
• Des équipes agiles « Next », véritables laboratoires d’innovation qui explorent les usages avancés de la donnée, comme l’IA ou les nouveaux services data.

Chacune des approches a ses points forts, mais aucune ne suffit à elle seule pour optimiser réellement la consommation de données. Il s’agit plutôt d’opter pour un modèle hybride qui associe intelligemment des éléments de chaque approche pour répondre à des besoins spécifiques. L’équilibre idéal dépendra largement des priorités de l’organisation. Les entreprises qui se lancent dans le partage de données à grande échelle adopteront souvent une posture prudente centrée sur la mise en place des bonnes plateformes data, et préféreront donc un modèle centralisé. À l’inverse, les organisations plus matures accorderont une place plus importante aux équipes Next et aux laboratoires d’innovation.

« Il n’existe pas de modèle D&A universel capable de garantir à la fois la cohérence d’une structure centralisée et l’agilité d’une approche décentralisée. »

Pour réussir, les CDO doivent mettre en place un modèle mixte de type hub-and-spoke, combinant des équipes centrales (hub) et des relais locaux (spoke). Cela commence par comprendre où en est l’entreprise aujourd’hui, quels sont ses besoins immédiats et quelle est l’évolution à prévoir. 

La création de ce modèle conceptuel permet de déterminer quelles activités doivent être pilotées au niveau central, et quelles sont celles qui seront mieux gérées par les équipes régionales ou locales. À partir de là, les CDO peuvent établir une structure opérationnelle où les compétences, les ressources et les expertises techniques et métiers seront placées au bon endroit. Tout cela en gardant à l’esprit un objectif clé : répondre aux attentes des utilisateurs pour accélérer l’usage de la donnée et en tirer de la valeur. 

« Les principaux défis pour devenir une organisation data-driven ne sont pas d’ordre technologique, mais humain. Autrement dit, les obstacles relèvent des équipes et de l’organisation. »

Pour trouver le bon équilibre entre cohérence et liberté, de plus en plus d’entreprises adoptent un modèle de type franchise. À l’image d’une chaîne de fast-food, les équipes locales (spokes) fonctionnent de manière autonome pour répondre aux besoins du terrain, tout en respectant un cadre de référence défini et contrôlé par une équipe centrale. Ce modèle garantit la cohérence et la gouvernance, évite les doublons et les bricolages par les équipes locales, tout en offrant la souplesse et l’agilité nécessaires.

Si la structure de chaque entreprise est unique, Gartner a synthétisé 6 bonnes pratiques clés pour bâtir des équipes data performantes en s’appuyant sur des échanges avec des CDO du monde entier :

1. Les politiques de gouvernance des données ainsi que la gestion des données de référence (MDM) ont un impact sur l’ensemble de l’organisation, et doivent donc être centralisées pour garantir la cohérence et la conformité réglementaire. L’intendance des données (data stewardship), qui porte sur des actifs data spécifiques, doit en revanche être déléguée aux équipes les plus proches de ces données.
2. La création d’une culture de la donnée, à travers des programmes de formation et d’accompagnement au changement, doit être pilotée de manière centralisée, mais avec la contribution et la participation de l’ensemble de l’entreprise afin de garantir l’engagement et l’adoption.
3. La business intelligence a toujours été une fonction centralisée, ce qui ne permet pas aux utilisateurs d’accéder facilement aux données stratégiques. Il faut aujourd’hui déployer des solutions d’analytics en libre-service, pour décentraliser le processus et permettre aux collaborateurs d’exploiter directement les informations et outils dont ils ont besoin au quotidien.
4. Les data scientists doivent être intégrés à la fois dans les équipes centrales et dans les équipes locales/régionales. Cela leur permettra de répondre aux besoins locaux tout en créant une culture de la donnée à l’échelle de l’entreprise. Ils devront également collaborer de manière étroite pour partager les meilleures pratiques, enrichir leurs compétences et favoriser une large utilisation des données.
5. L’infrastructure technique est généralement gérée de manière centralisée, souvent en collaboration avec les équipes informatiques, afin de garantir le meilleur niveau de sécurité et de contrôle. Mais à mesure que l’entreprise déploie des data products, la responsabilité de ces produits doit être déléguée à ceux qui sont au plus près des données elles-mêmes et des besoins métier auxquelles elles répondent.

L’architecture et la stratégie data globale sont également mieux pilotées de manière centralisée, sous la direction du CDO.

Mettre en place une data product marketplace intuitive et en self-service permet aux utilisateurs métier d’accéder facilement aux données dont ils ont besoin. Mais elle peut aussi aider les CDO à optimiser la structure de leurs équipes selon six axes clés :

Fournir un espace collaboratif centralisé

Les data product marketplaces réunissent dans un seul environnement les propriétaires locaux de data products et les équipes centrales de gouvernance et d’administration. Elles leur permettent de collaborer efficacement pour créer, partager et valoriser les data products, en suivant leur adoption et les cas d’usage.

Garantir la gouvernance et les bonnes pratiques

Tous les actifs data publiés sur la data product marketplace sont contrôlés afin d’assurer qu’ils répondent aux critères établis de gouvernance, de qualité des données et de sécurité. Des mécanismes de traitement automatisés permettent de standardiser les données selon les critères de l’entreprise, qu’il s’agisse de formats techniques (comme les dates), de référentiels ou encore de vocabulaire métier via des glossaires. La marketplace fournissant une source unique de vérité, l’entreprise gagne en cohérence et en transparence grâce à des processus data auditables.

Faciliter le partage des données par toutes les parties

Les data product owners de toute l’entreprise peuvent facilement créer et partager des actifs data via la marketplace, et ainsi les mettre à la disposition de tous les utilisateurs. L’accès à certaines informations sensibles peut être modéré en cas de besoin afin de garantir la sécurité et la confidentialité, tout en maximisant la réutilisation à tous les niveaux (métier, local ou global).

Mettre la donnée au service de l’IA

Les “Next labs” identifiés par Gartner jouent un rôle clé dans l’innovation data et le développement de l’IA. Les data product marketplaces rendent les actifs data (et particulièrement les data products) accessibles sous des formats lisibles par la machine, ce qui facilite leur exploitation par des modèles et agents IA. Des data contracts intégrés précisent les conditions d’utilisation des données, ce qui permet de limiter les risques tout en favorisant l’innovation.

Valoriser les réutilisations des données

Les données provenant d’un service donné peuvent être réutilisées de manière totalement différente dans d’autres entités ou équipes. Les marketplaces permettent et encouragent ce type de partage, en rendant les données compréhensibles et actionnables, et en permettant aux utilisateurs de partager leurs cas d’usage avec le reste de l’entreprise — ce qui favorise l’émergence de nouvelles idées, stimule la collaboration et accélère l’innovation.

Développer une culture data à l’échelle de l’entreprise

La collaboration et la communication sont essentielles pour mettre en place et diffuser une véritable culture de la donnée. En facilitant l’accès aux données pour l’ensemble des utilisateurs et des équipes data, les marketplaces renforcent la confiance envers les données et incitent chacun à expérimenter, partager ses idées et faire des retours. Ce climat favorise l’acquisition des compétences et de la culture nécessaires à la consommation de données à grande échelle dans l’organisation.

À mesure que les organisations cherchent à renforcer l’utilisation et le partage des données, elles doivent s’appuyer sur des structures adaptées et trouver le juste équilibre entre centralisation et gouvernance d’un côté, et besoins métiers locaux de l’autre. Une data product marketplace bien conçue représente un atout, en aidant les organisations à optimiser le partage de données, favoriser l’innovation et accélérer la démocratisation des données.

Envie de structurer vos équipes data de manière efficace ? Nous avons accompagné plus de 3 000 projets de data marketplaces à travers le monde. Parlez à nos experts pour découvrir comment nous pouvons vous aider à concrétiser vos objectifs.