Etablir un cycle de vie , et s ’ y tenir
L ’ élaboration d ’ un cycle de vie pour les données , qui détermine leur date de mise au rebut lorsqu ’ elles sont devenues inutiles , fait en sorte qu ’ aucune donnée obsolète ne stagne sur les systèmes , coûtant de l ’ argent et influençant les décisions .
Suivre les métadonnées dans toute l ’ entreprise
Les métadonnées ont gagné en importance ces dernières années avec l ’ augmentation du stockage et de l ’ analyse des données non structurées . Les métadonnées concernant la création , les propriétaires et les thèmes sont cruciales pour la compréhension et l ’ amélioration de la valeur d ’ un ensemble de données . L ’ adoption d ’ une stratégie et d ’ une instance unique à l ’ échelle de l ’ entreprise pour suivre toutes les métadonnées permettra à quiconque au sein de l ’ entreprise de localiser rapidement les informations nécessaires à son travail .
Suivre les copies / instances d ’ un même ensemble de données avec les emplacements et les dates de création
A mesure que les systèmes d ’ information gagnent en complexité , il devient de plus en plus fréquent d ’ avoir plusieurs copies d ’ un même ensemble de données dans l ’ entreprise . Ces répliques sont indispensables au bon fonctionnement du système opérationnel , mais doivent être suivies de manière homogène , avec leur date de création , pour s ’ assurer de pouvoir mettre à jour ou supprimer les copies si nécessaire .
Prendre en compte l ’ Intégration et la Transformation de manière distincte dans les stratégies de gouvernance des données
Intégration
Les stratégies d ’ intégration des données doivent définir les types de données pouvant être combinées et quelle position de sécurité doit être adoptée pour les données en découlant . Les stratégies d ’ intégration doivent également consigner les emplacements où les données peuvent être combinées et les processus utilisés afin d ’ assurer la répétabilité des opérations .
Transformation
Les stratégies de transformation doivent consigner les actions effectuées sur les données d ’ origine . Par exemple , les données sont-elles conservées ou supprimées après transformation ? Dans un monde où il est courant de transformer les données pendant leur analyse , il convient d ’ évaluer les avantages à conserver les données originales au cas où des flux de travail futurs en auraient besoin .
Gestion du modèle
De nombreuses entreprises s ’ appuient sur des modèles prédictifs . Ces modèles sont utilisés pour définir beaucoup d ’ éléments , des recommandations au profilage des risques . Ces modèles sont tout aussi cruciaux que les données qui les alimentent , si ce n ’ est plus . Ils doivent être pris en compte dans une stratégie de gouvernance des données pour expliquer qui peut approuver le déploiement de nouveaux modèles , comment ceux-ci sont testés , et quelle documentation doit être fournie pour tous les modèles produits .
Mettre en place d ’ un Expert technique ( SME ) assigné pour chaque ensemble de données
Beaucoup d ’ entreprises désignent un propriétaire des données pour définir et mettre en œuvre les stratégies sur des ensembles de données spécifiques . Je recommande de désigner un Expert technique ( SME ) pour chaque ensemble de données . Au final , les données appartiennent à l ’ entreprise , le terme de « propriétaire » est donc trompeur . Le titre de SME est plus précis , il s ’ agit d ’ une personne qui comprend parfaitement les risques et la valeur que les données impliquent , et comment les optimiser pour l ’ entreprise .
« La connaissance du risque que posent les données à votre entreprise est cruciale pour assurer une protection adéquate . »
Dans le monde d ’ aujourd ’ hui , basé sur le cloud et centré sur les données , le rôle de celles-ci est plus important que jamais . Les stratégies d ’ intégration , de transformation et de contexte de sécurité doivent être mises à jour pour suivre le mouvement normal des applications et des données qui les alimentent . Ces changements doivent être effectués via la gestion des risques , et dirigés par un SME chargé de définir tous les aspects de la gouvernance pour chaque ensemble de données . Le SME assure une bonne gestion des risques et un équilibre entre les risques et les besoins de l ’ entreprise et des personnes qui consultent et analysent les données . Ce n ’ est qu ’ une fois cette mesure en place que les entreprises disposent d ’ une stratégie de gouvernance des données solide .
HIVER 2016 | THE DOPPLER | 25