Cas métier
Des scénarios illustrant comment le cadre DGU soutient les décisions métier au quotidien.
Commande client
Pourquoi les Ventes et la Finance présentent-elles des valeurs de commandes différentes ?
Contexte connecté
Relier la définition de la commande, son responsable, les données sources et le rapport. Vérifier la qualité et retracer les transformations.
Données de référence fournisseurs
Quel enregistrement fournisseur les Achats et la Finance doivent-ils utiliser ?
Contexte connecté
Relier les définitions des fournisseurs, les enregistrements sources et les responsables désignés. Éliminer les doublons à la source.
Migration ERP
La cible préservera-t-elle le sens et la valeur métier ?
Contexte connecté
Établir la correspondance entre les entités sources et cibles. Comparer les données, retracer les dépendances et attribuer les problèmes avant la mise en production.
Probabilité de défaut (PD)
Pouvons-nous expliquer et considérer comme fiable l’estimation de PD utilisée dans ce rapport de risque ?
Contexte connecté
Relier les données, la version du modèle et le rapport. Consigner la définition du défaut et l’horizon temporel. Vérifier la qualité, les responsabilités et les accès.
Le sens, les responsabilités, la qualité, la traçabilité et la protection se complètent dans chaque exemple.
Les données en pratique
Explorez le paysage de données connecté, les pratiques de mise en œuvre et les modèles de gouvernance. Ouvrez un visuel pour en afficher une vue plus grande et une explication lisible.
Univers des données
Lorsque les données sont mal gérées, les connexions complexes entre systèmes produisent des données non maîtrisées et peu fiables. Elles deviennent difficiles à comprendre et à retracer, ralentissent l’activité métier et augmentent les coûts opérationnels.
Lire le contexte
La vue de gauche représente environ 1 200 systèmes et 6 000 interfaces. La finance, les ventes, le marketing et les RH dépendent d’un paysage de données fortement interconnecté. Une plateforme centrale relie ce paysage à deux vues détaillées de traçabilité à droite. Cet exemple montre pourquoi des connexions non maîtrisées rendent les données difficiles à comprendre et à considérer comme fiables, ralentissent les activités métier et augmentent les coûts opérationnels.
Exemple supplémentaire
Univers des données : traçabilité de bout en bout
Suivez les données depuis leur origine, via les systèmes sources, fichiers utilisateurs et référentiels partagés, jusqu’à l’analytique, aux rapports et à leur utilisation métier.
Lire le contexte
Le flux relie sources de données, systèmes sources, outils utilisateurs (EUC) et autres sources, sources de référence, outils de reporting et d’analytique, puis rapports finaux. Il relie les lieux de création des données aux plateformes où elles sont combinées et utilisées. Un composant commun de traçabilité couvre tout le parcours, aux côtés des capacités de catalogue, de qualité et de sécurité. Définitions, qualité, rapports, conservation, processus, responsabilités, détails des systèmes, projets, gestion du changement et classification apportent le contexte. La cartographie détaillée sous le flux montre comment suivre les dépendances individuelles entre systèmes et étapes de reporting.
Catalogue de données
DAWISO relie une entrée du glossaire métier aux métadonnées métier et techniques associées.
Lire le contexte
L’exemple DAWISO fourni présente une entrée du glossaire métier et son graphe de connaissances, ainsi qu’une vue détaillée de la traçabilité des objets techniques connectés.
Exemple supplémentaire
Mise en œuvre du produit de catalogue de données
Collectez les métadonnées, enrichissez leur sens métier, validez les responsabilités et publiez des connaissances fiables dans un processus de catalogue gouverné.
Lire le contexte
Ce modèle proposé collecte les métadonnées des plateformes, systèmes sources, outils analytiques et référentiels de gouvernance ; les données métier restent dans leurs systèmes sources. DAWISO réunit définitions, responsables, domaines, données critiques, sens des KPI, classification, conservation, état de qualité et contexte de traçabilité. Les data stewards et responsables techniques enrichissent le catalogue avant les contrôles de complétude, la validation du steward et l’approbation du propriétaire de données. Le contenu approuvé facilite découverte et réutilisation. Les entrées rejetées ou incomplètes passent par la gestion des problèmes, la correction et une nouvelle validation. Retours utilisateurs et changements sources suivent la même boucle ; couverture, complétude, responsabilités, actualité des revues et utilisation sont suivies.
Catalogue de données — Solidatus
Exemple Solidatus reliant les définitions du glossaire, les responsabilités, les relations et le contexte des données.
Lire le contexte
La vue initiale du catalogue est associée à Solidatus. Elle réunit les termes métier, les définitions, les responsabilités, les domaines de données et le contexte associé.
Catalogue de données — Ataccama
Ataccama relie les éléments du catalogue et les termes métier au suivi de la qualité, à la détection des anomalies et aux tâches de suivi.
Lire le contexte
Ataccama relie les éléments du catalogue et les termes métier au suivi de la qualité, à la détection des anomalies et aux tâches de suivi.
Catalogue de données — Collibra
Exemple de catalogue Collibra présentant la maturité des métadonnées et la couverture des responsables et des définitions par communauté et type d’actif.
Lire le contexte
Le tableau de bord de maturité des données Collibra fourni présente la couverture des responsables, des définitions, des modèles et structures de données, des données de référence et des informations sur les sources. Les indicateurs de l’entreprise et les tableaux par communauté aident à repérer les lacunes du catalogue. Les chiffres proviennent de l’exemple fourni.
Qualité des données
Les contrôles de qualité révèlent les anomalies, les incohérences et les erreurs potentielles afin que les équipes puissent évaluer l’adéquation des données aux usages.
Lire le contexte
Le suivi de la qualité des données vérifie leur exactitude et leur cohérence. Un panneau de suivi des processus indique les contrôles en cours. Le suivi des champs et des jeux de données fournit des résultats détaillés. Les résultats peuvent être regroupés par jeu de données, groupe de données ou étiquette. Les définitions des règles techniques et les référentiels de règles métier relient les contrôles à des résultats mesurables. Les captures d’écran présentent, à titre d’illustration, des taux de réussite, des calendriers d’exécution, des contrôles numériques, des décomptes de valeurs nulles et des contrôles d’unicité ; il s’agit d’exemples, et non d’indicateurs de performance des services DGU.
Exemple supplémentaire
Mise en œuvre du produit de qualité des données
Reliez ingestion, contrôles de qualité, gestion des problèmes et reporting dans un modèle opérationnel avec boucles de retour et politiques de soutien.
Lire le contexte
Les systèmes sources et fichiers plats alimentent une plateforme de données, avec des voies directes vers l’observabilité de la qualité si nécessaire. L’exemple présente Databricks et Snowflake, ainsi que profilage, détection d’anomalies, contrôles de structure et d’intégrité et règles métier. Les résultats de qualité reviennent à la plateforme. Les problèmes détectés alimentent leur gestion et le reporting ; en l’absence de problème, la surveillance reprend. ServiceNow, Azure DevOps et Jira illustrent des solutions de gestion, tandis que Power BI présente les tickets et manquements. Le reporting des incidents renvoie aussi des informations à la plateforme. Stratégie, politique, standards et modèles opérationnels de qualité encadrent le flux.
Exemple supplémentaire
Soda · Suivi des jeux de données
Surveillez le nombre de lignes, la fraîcheur des données et les changements de schéma.
Voir la solution· Soda
Lire le contexte
Surveillez le nombre de lignes, la fraîcheur des données et les changements de schéma.
Exemple supplémentaire
Soda · Analyse des anomalies
Examinez une anomalie du nombre de lignes, ajoutez un retour et créez ou associez un incident.
Voir la solution· Soda
Lire le contexte
Examinez une anomalie du nombre de lignes, ajoutez un retour et créez ou associez un incident.
Exemple supplémentaire
Validio · Validateurs
Consultez les validateurs du jeu de données, les résultats de qualité et la gravité des incidents dans une seule vue.
Voir la solution· Validio
Lire le contexte
Consultez les validateurs du jeu de données, les résultats de qualité et la gravité des incidents dans une seule vue.
Exemple supplémentaire
Validio · Analyse des incidents
Analysez les valeurs de vente inhabituelles, les enregistrements concernés et le statut des incidents.
Voir la solution· Validio
Lire le contexte
Analysez les valeurs de vente inhabituelles, les enregistrements concernés et le statut des incidents.
Exemple supplémentaire
Actian · Suivi des actifs
Consultez les actifs connectés, les paramètres d’analyse, les incidents et les comparaisons de données.
Voir la solution· Actian
Lire le contexte
Consultez les actifs connectés, les paramètres d’analyse, les incidents et les comparaisons de données.
Exemple supplémentaire
Actian · Dérive des métriques
Comparez l’exactitude observée à la plage prévue pour identifier une dérive de la métrique.
Voir la solution· Actian
Lire le contexte
Comparez l’exactitude observée à la plage prévue pour identifier une dérive de la métrique.
Traçabilité des données
La traçabilité explique d’où viennent les données, où elles vont et comment elles évoluent.
Lire le contexte
La traçabilité explique d’où viennent les données, où elles vont et comment elles évoluent. Cet exemple suit les données ERP à travers Azure et les couches Bronze, Silver, Gold, Shared et Semantic de la plateforme GDAH jusqu’au reporting Power BI. Les couches système offrent une vue de bout en bout des ERP, des entrepôts de données, des systèmes de données de référence, des plateformes et du reporting. Les objets de métadonnées sont reliés aux définitions du glossaire, aux responsables, aux résultats de qualité, aux systèmes, aux projets, aux calendriers d’ingestion et aux classifications. Les processus métier sont reliés aux couches et aux objets pour montrer comment les processus influencent les données et réciproquement.
Exemple supplémentaire
Traçabilité des données : niveaux et flux métier
Reliez les processus métier aux attributs de données selon six niveaux de détail et suivez les données de leur origine à leur utilisation.
Lire le contexte
La traçabilité verticale relie six niveaux : processus métier ; applications, services et interfaces ; entités de données ; éléments de données critiques (CDE) ; transformations des CDE ; et le même degré de détail pour tous les attributs pertinents. Chaque niveau accroît la granularité, de la vision métier aux calculs et agrégations. La traçabilité horizontale suit le processus métier à travers les systèmes et outils utilisateurs (EUC), l’intégration et l’utilisation des données, puis les systèmes, rapports, processus et résultats EUC. Ensemble, ces vues relient le contexte métier au parcours technique et aident à comprendre les dépendances ainsi que les effets possibles des changements.
ONE Data connecté
Échanger des informations entre les capacités connectées pour rendre les données compréhensibles, traçables et fiables.
Lire le contexte
ONE Data connecté échange des informations pour établir une définition, une qualité et une vérité communes. Les systèmes sources alimentent les contrôles de qualité, le catalogue et les métadonnées de configuration. La configuration fournit les métadonnées de responsabilité à la plateforme. Les contrôles et résultats de qualité circulent entre les solutions de qualité et de plateforme. La plateforme échange des métadonnées techniques et des enrichissements avec le catalogue central et fournit des données pour l’analyse des processus et le reporting. L’informatique décisionnelle fournit les métadonnées des rapports, la gestion des processus celles des processus, l’architecture d’entreprise les métadonnées métier et la protection les métadonnées de confidentialité et de conservation. L’architecture d’entreprise et la gestion des services informatiques échangent des informations sur les systèmes et les interfaces ; l’architecture fournit aussi à la protection le contexte des processus et de la conservation. Le catalogue fournit des métadonnées fiables aux produits de données, qui combinent catalogue, qualité, traçabilité, classification et conservation. Les métadonnées des systèmes connectés alimentent un outil commun de traçabilité de bout en bout. La source indique explicitement que le volet relatif à cet outil est prévu mais pas encore approuvé.
Architecture de l’information d’entreprise
Relier les chaînes de valeur, les capacités métier et les actifs de données à la technologie, aux responsabilités et à la gouvernance.
Lire le contexte
L’architecture relie neuf couches. Les chaînes de valeur décrivent les flux opérationnels de bout en bout au service des divisions. Les domaines métier décrivent les domaines organisationnels et les fonctions. Les équipes comprennent l’analyse des ventes, la paie, le recrutement et la fiscalité. Les capacités métier décrivent les aptitudes essentielles, y compris celles liées aux données. Les processus métier décrivent les flux de travail et les procédures. Les domaines de données regroupent les actifs apparentés et les entités de données sont les objets logiques de ces domaines. Les systèmes informatiques, les applications, les interfaces et les services relient les actifs technologiques, les tables, les attributs et les services. Les responsabilités et la gouvernance définissent les obligations et les contrôles. Le principe des données en tant que produit couvre l’ensemble de la chaîne, soutenu par la gouvernance, la qualité des données, les opérations de données et la protection des données.
Architecture d’entreprise — LeanIX
LeanIX relie la stratégie, les capacités métier, les objets de données, les applications, les interfaces et la technologie dans un modèle d’architecture.
Lire le contexte
LeanIX relie la stratégie, les capacités métier, les objets de données, les applications, les interfaces et la technologie dans un modèle d’architecture.
Processus métier
ADONIS relie le processus de financement à ses responsables, dépendances, entrées et sorties, systèmes, documents et risques.
Lire le contexte
ADONIS relie le processus de financement à ses responsables, dépendances, entrées et sorties, systèmes, documents et risques.
Exemple supplémentaire
Processus métier — Signavio
Signavio présente une demande de prêt immobilier, de la validation et des contrôles de crédit à l’évaluation et à la décision d’approbation.
Voir la solution· SignavioLire le contexte
Signavio présente une demande de prêt immobilier, de la validation et des contrôles de crédit à l’évaluation et à la décision d’approbation.
Exemple supplémentaire
Processus métier — ARIS
ARIS relie un groupe de processus de bout en bout à son cycle de vie, au responsable du processus, à l’approbateur du contenu et aux définitions des fonctions.
Voir la solution· ARISLire le contexte
ARIS relie un groupe de processus de bout en bout à son cycle de vie, au responsable du processus, à l’approbateur du contenu et aux définitions des fonctions.
Parcours des données
Du sens métier et de la création des données à leur utilisation fiable, leur conservation et leur suppression.
Lire le contexte
Processus métier : comprendre le processus et les besoins en information. Dictionnaire de données : convenir des termes métier et de leurs définitions. Modèle de données : définir les entités, les relations et les structures. Créer et modifier : saisir et mettre à jour les données à la source. Analyser et profiler : repérer les tendances de qualité, les problèmes et les lacunes. Ingérer : charger les données dans les plateformes requises. Harmoniser : aligner, valider et transformer pour des usages cohérents. Utiliser : exploiter les données pour les opérations, le reporting, l’analyse et l’IA. Conserver et supprimer : archiver ou supprimer selon les exigences approuvées. Une vue simplifiée du cheminement des données, des sources opérationnelles aux usages métier, avec des contrôles tout au long du parcours des données.
Ingestion des données
D’un besoin métier à des données que les équipes peuvent utiliser en confiance.
Lire le contexte
Le processus d’ingestion commence par un accord entre les responsables de produits de données et les responsables tactiques sur le besoin, les responsabilités et les contrôles. L’équipe d’ingestion charge les données dans GDAH. Les responsables tactiques et les référents confirment les définitions, les responsables et les étiquettes dans DAWISO. L’équipe d’ingestion et les référents mettent en place les contrôles et le suivi dans Anomalo. Le responsable du produit de données confirme que les données sont prêtes à être utilisées. Les référents et l’équipe d’ingestion suivent ensuite les problèmes, les corrigent et mettent les métadonnées à jour. La maintenance continue couvre la gouvernance, la qualité, les opérations et la protection.
Comité de gouvernance des données
Décider dans les limites de son autorité. Faire remonter une décision lorsqu’elle nécessite un accord plus large ou des ressources supplémentaires.
Lire le contexte
Les décisions doivent être prises dans les limites de l’autorité de chaque rôle, puis remontées lorsqu’elles nécessitent un accord plus large ou des ressources supplémentaires. L1, le comité de gouvernance des données, traite les priorités de l’entreprise, la politique et les exceptions avec les responsables stratégiques de données. L2, le forum de gouvernance des données, coordonne les domaines et prend les décisions relevant de son mandat avec les responsables tactiques de données. L3, les groupes de travail sur les données, fournit les éléments de preuve, les métadonnées, le suivi de la qualité et les actions avec les référents et les spécialistes. Les décisions et les actions descendent ; les problèmes et les arbitrages remontent.
Cartographie des domaines de données
Un domaine regroupe des données apparentées. Les sous-domaines relient ce périmètre aux responsables et à des actifs précis.
Lire le contexte
Un domaine regroupe des données apparentées et les sous-domaines relient ce périmètre aux responsables et à des actifs précis. Un responsable stratégique de données supervise le domaine Finance. Les responsabilités tactiques couvrent la fiscalité, la trésorerie, le reporting financier et le contrôle de gestion. Les exemples d’actifs associés sont respectivement un jeu de données fiscales, des données de solde bancaire, un rapport financier et un modèle budgétaire. Les référents tiennent à jour le contexte et les contrôles de ces actifs. Un responsable tactique ou un référent peut couvrir plusieurs sous-domaines ; le registre des domaines consigne le périmètre convenu.
Stratégie, politiques, standards et guides
La stratégie reste globale. La politique, les standards et les procédures apportent progressivement davantage de détails.
Lire le contexte
La stratégie reste globale, tandis que la politique, les standards et les procédures apportent progressivement davantage de détails. La stratégie de données définit l’ambition : des données fiables pour décider. La politique de gestion des données fixe l’attente : attribuer les responsabilités. Les standards de gestion des données définissent l’exigence : consigner un responsable et une définition approuvée. Les procédures et les guides traduisent cette exigence en action quotidienne : le référent consigne et le responsable approuve.
Protection des données
Exemple de processus
Protéger les données du personnel
- Identifiez les données personnelles, leur finalité et leur responsable.
- Classez les données et définissez les règles d’accès et de conservation.
- Consignez les risques pour la vie privée et les actions nécessaires.
- Désignez les responsables des actions et suivez les progrès.
Classification, confidentialité, accès et conservation tout au long du cycle de vie des données.
Lire le contexte
Un exemple de processus pour les données du personnel reliant les registres de protection des données, l’évaluation des risques et les actions de suivi. Découvrez les outils et l’accompagnement de Red Into Green.
Exemple supplémentaire
Red Into Green — Dictionnaires de confidentialité
Les dictionnaires Red Into Green relient les catégories de données, les finalités de traitement, les bases juridiques, les mesures de protection et les actifs informationnels.
Lire le contexte
Les dictionnaires Red Into Green relient les catégories de données, les finalités de traitement, les bases juridiques, les mesures de protection et les actifs informationnels.
Conservation des données
Reliez les exigences de conservation aux catégories de documents, aux processus métier et aux systèmes.
Lire le contexte
L’exemple filerskeepers présente un Retention Viewer et un outil de création de calendriers. Les exemples de mise en œuvre ci-dessous illustrent les liens entre un calendrier de conservation, les règles, l’exécution dans les systèmes et le suivi.
Exemple supplémentaire
Architecture d’exécution de la conservation
Connectez les systèmes, les processus métier et un calendrier de conservation à un moteur de conservation et aux processus de suppression.
Lire le contexte
Connectez les systèmes, les processus métier et un calendrier de conservation à un moteur de conservation et aux processus de suppression.
Exemple supplémentaire
Catalogue des règles de conservation
Associez les catégories de documents et les activités de traitement aux identifiants de règles, aux durées de conservation, aux événements déclencheurs et aux actions de suppression.
Lire le contexte
Associez les catégories de documents et les activités de traitement aux identifiants de règles, aux durées de conservation, aux événements déclencheurs et aux actions de suppression.
Exemple supplémentaire
Tableau de bord de suivi de la conservation
Examinez les règles globales et locales, recherchez les catégories de documents et suivez les liens entre les règles et les champs des systèmes.
Lire le contexte
Examinez les règles globales et locales, recherchez les catégories de documents et suivez les liens entre les règles et les champs des systèmes.
Académie des données
Exemple de parcours de formation
De la sensibilisation aux compétences pratiques en données
- Sensibilisation : comprendre l’importance des données et les quatre fondements.
- Formation par rôle : pratiquer la responsabilité, l’administration des données et la prise de décision.
- Compétences spécialisées : appliquer les méthodes de catalogue, de qualité, de traçabilité et de protection.
- Apprentissage appliqué : résoudre un cas métier et partager les pratiques efficaces.
Un exemple de parcours de formation pour tous, les responsables des données et les spécialistes.
Lire le contexte
Reliez les objectifs de formation aux responsabilités quotidiennes. Utilisez des exercices pratiques et des retours pour renforcer les compétences en gouvernance, qualité, opérations et protection des données.
Maturité des données
Évaluez les pratiques actuelles selon les quatre fondements des données et transformez les écarts en feuille de route de développement.
Lire le contexte
Le guide fourni explique les participants, les domaines d’évaluation, une échelle de maturité de 0 à 5, les preuves et commentaires, ainsi que les résultats : synthèse de maturité, radar, analyse des écarts et plan d’action.
Produits de données
En cours
Produits de données
Exemple en préparation.
Exemple en préparation.
Plateformes de données
En cours
Plateformes de données
Exemple en préparation.
Exemple en préparation.
Gestion des données de référence (MDM)
En cours
Gestion des données de référence (MDM)
Exemple en préparation.
Exemple en préparation.