Nous lançons une mini série de trois articles traitant de la « Data Democracy ». Sujet d’abord culturel en plein essor, elle mérite d’être expérimentée dans nos entreprises de tout secteur, toute taille. Nous vous proposons de détricoter cette forme de démocratie en entreprise en trois points : les droits, les devoirs, et la gouvernance.
Des règles
Le nerf de la guerre, pour qu’une organisation tienne, sont les règles et le respect de celles-ci. La Data Democracy n’y échappe pas, au contraire, elle l’incarne. Démocratie ne signifie pas anarchie.
Ce n’est jamais agréable de concevoir un RACI. Alors pourquoi ne pas démarrer gentiment avec le protocole RAID :
- R pour “Risks”
Les risques sont les problèmes potentiels qui se cachent dans votre projet. Les risques ont tendance à être considérés comme ayant un impact négatif sur le projet, mais il y a aussi des risques positifs.
- A pour “Actions”
Les actions sont ce que vous devez faire tout au long du projet.
- I pour “Issues”
Les problèmes sont ceux qui surviennent lorsque quelque chose tourne mal dans le projet. Si un problème n’est pas géré et résolu, il peut faire dérailler le projet ou le faire échouer.
- D pour “Decisions”
Les décisions sont la façon dont vous avez décidé d’agir dans le cadre du projet.
Avec cette façon de faire, on construit un socle, un terrain de jeu fertil pour aller vers un RACI qui a du sens pour les personnes qui évolueront dans ce cadre.
RAID et RACI apportant une contrainte qui espère être pérenne pour apporter de la stabilité dans l’organisation, il est primordial d’expérimenter et de partager les feedbacks afin d’être le plus congruent avec les compétences en place et les objectifs à atteindre.
Les règles du data management sont alors mises en évidence d’abord par les problèmes réels identifiés sur les données dans le SI :
- Accès vs. sécurité
- Exploitation vs. qualité
- Risques vs. documentation
- Business vs. KPI
- Etc.
Les règles vont alimenter la définition des rôles et fonctions de la data (stewardship, ownership, etc.), la définition des KPI à mettre en oeuvre (qualité, coût, délai, valeur, performance, dette, etc.) et les différents processus ou bonnes pratiques qui vont être nécessaires pour faciliter le pilotage et donc la gouvernance à l’échelle de l’organisation.
La culture et le management de l’entreprise déterminent l’approche top-down, bottom-up ou hybride dans le déploiement des règles et processus.
Justement, les processus. Pour standardiser voire automatiser un certain nombre de tâches, souvent celles à faible valeur ajoutée, on procède au déploiement de processus. Dans une culture davantage responsabilisante, on préfèrera des guide lines ou bonnes pratiques mises à disposition des collaborateurs et de la communauté data.
Les processus du data management vont par exemple déterminer de quelle manière on catalogue et documente les données du SI, ou comment on performe le diagnostic de la qualité des données sur un périmètre métier, ou comment le reporting s’opère pour arbitrer et décider des investissements afin de maintenir la bonne qualité et le bon accès des données pour celles et ceux qui en ont (extrêmement) besoin.
Un processus pensé par le résultat attendu et sa simplicité de déploiement sera un accélérateur pour l’efficience du data management dans l’organisation et son écosystème.
Pour mettre en place un processus vertueux et le sécuriser, il est important de gouverner la capacité de la communauté data à réaliser les processus du data management selon les objectifs et la qualité attendue.
Déjà évoqué en première partie, une organisation doit donner les moyens nécessaires et suffisants à ses collaborateurs, mais ces derniers doivent également se responsabiliser dans la bonne utilisation du temps. Ce temps doit être centré sur la valeur, et la chasse au gaspillage doit être un levier.
Responsabilisée de cette manière, la communauté data peut se concentrer sur ses objectifs :
- Améliorer la connaissance sur les données et induire l’innovation
- Sécuriser la qualité des données et rester compétitif
- Animer la communauté et garantir une continuité de service au sein de l’organisation
- Garantir la disruption pour l’innovation et être vigilant sur les risques potentiels
- Créer des vocations, faire grandir les collaborateurs sur la data, l’IA et tout ce que cela implique
“En ce début de millénaire, la donnée est le nouvel atout majeur. Nulle entreprise ne peut ignorer qu’elle constitue un actif stratégique crucial – qu’il s’agisse de données globales d’activités, propres à toutes les structures (comptabilité, finance, données clients…) ou de données spécifiques aux domaines d’activités (process, schémas techniques…). Tandis que le Big Data se généralise, cet actif stratégique doit répondre à toujours plus d’obligations réglementaires de sécurisation et d’utilisation, condition sine qua non d’une exploitation responsable et conforme des données.”
datagalaxy.com
On ne le dit jamais assez : il faut communiquer ! Mais il faut bien communiquer. Alors au-delà du feedback, d’un point de vue opérationnel, il est important de communiquer autour de KPI dans un reporting pensé par celles et ceux qui en ont réellement besoin.
Pour qu’un KPI gagne tout son sens, il doit être pensé dès la conception de l’objet qu’il pilote.
Exemple, le marketing a besoin de maîtriser deux axes importants sur les données des prospects et des clients : l’exhaustivité, c’est-à-dire d’avoir accès à toutes les personnes connues, et la complétude, c’est-à-dire d’avoir toutes les informations disponibles et de qualité sur chaque personne prospect ou cliente. Le marketing a besoin de cette information à chaque nouveau flux d’information. Mais en creusant le besoin, on pourra s’apercevoir que la segmentation sera plus fine que cela : par statut, par zone géographique, etc.
En avançant sur la conception, on voit se dessiner petit-à-petit un KPI, un dashboard.
Dans une démarche Design Thinking, il faut toujours attaquer la conception de l’objectif avec la conception de son KPI.
Tout ce qui est écrit jusqu’ici peut marcher un temps : le temps de l’adhésion d’une première communauté data, le premier cercle. Tenir sur la longueur, maintenir une dynamique et améliorer ou enrichir le dispositif dépendra de l’intéressement des membres de la communauté data.
Plusieurs formes de reconnaissance sont possibles : financière, la plus évidente, la reconnaissance peut aussi être morale (célébrations, endorsement, …), technique (formations, accompagnement, …), ou politique (rôle, fonction, …).
Les lignes managériales et ressources humaines doivent donc participer au déploiement d’une communauté data au service de la stratégie d’entreprise pour que cette reconnaissance soit efficiente mais surtout conforme à la législation en vigueur et aux éventuels accords internes à l’entreprise. L’idée majeure sera toujours de protéger un collaborateur d’éventuelles dérives, mais il est aussi question de protéger l’entreprise d’une dégradation de son image en interne et à l’externe.
Le feedback est donc un devoir : celui de toujours communiquer sur les succès, les réussites, mais aussi sur les limites, les freins, les obstacles. Dans un cadre de communication non violente, ou de co développement, la communauté data peut se réunir pour maintenir une dynamique dans une bienveillance qui permettra à chaque collaborateur de s’épanouir tout en réalisant ses objectifs.
Il ne faut pas oublier que le data management est encore une discipline expérimentale et que peu de recul est encore disponible dans une entreprise, d’autant plus lorsque celle-ci connaît régulièrement des réorganisations, des fusions ou acquisitions ou des changements stratégiques.
Une nouvelle communauté data est comme un enfant qu’il faudra éduquer sur un temps encore inconnu. La culture du résultat, l’intéressement et la bienveillance sont des facteurs clés de succès dans le déploiement du data management.
Cet état d’esprit parvient jusqu’à un détail technique intéressant, notamment expérimenté dans une entreprise historique Française : la donnée est vivante, comme un fruit, elle est produite et consommée. L’engagement du producteur et l’engagement du consommateur.
Le principe est simple : si un consommateur de données veut de la “qualité”, il doit communiquer ses exigences auprès de ses producteurs. Les producteurs de données doivent alors faire le maximum pour satisfaire ces exigences.
En commençant de cette manière, à ce bon niveau de détail, cette entreprise a grandement facilité le déploiement du data management à l’échelle de toute l’organisation, dans une approche hybride, car il y avait quand-même un “patron”…
Ils en parlent depuis quelque temps
Zeenea
“Contrairement à ce que son nom indique, une Data Democracy n’est pas un modèle de gouvernance. Il ne s’agit absolument pas d’un modèle dans lequel les règles gouvernant la distribution des données seraient mises au vote et définies selon une approche majoritaire. Ni d’une organisation dans laquelle les Data Stewards seraient les représentants élus d’opérationnels constitués en corps électoral.
La Data Democracy désigne une culture d’entreprise, un modèle ouvert où liberté rime avec responsabilité.
Son objectif principal est de rendre la donnée de l’entreprise largement accessible au plus grand nombre, si ce n’est à tous. En effet, tout collaborateur est en mesure de pouvoir tirer de la valeur des données à quelque niveau que ce soit.”
Chez Wewyse
Alexis Guyot, Head of Data Science
“La data democracy est un ensemble de framework, de méthodes et de valeurs autours desquels toutes les personnes d’une organisation se retrouvent communément, dans le but d’avoir facilement accès à une information pertinente er fiable, et où chacun participe et porte une responsabilité dans la production et l’utilisation de cette information.”
Intéressés pour en apprendre plus sur la Data Democracy ? Allez voir les autres articles sur le sujet :
https://weblog.wemanity.com/fr/data-democracy-question-de-droits/
https://weblog.wemanity.com/fr/la-data-democracy-cest-avec-un-patron/
