Du statut de pompier à celui de responsable de la gouvernance, le responsable des données évolue grâce au Data Hub
Perpétuellement à court de budgets, les services informatiques se débattent avec la dette technique liée à l'accumulation de systèmes disparates. Les silos de données restent toujours une problématique forte pour les entreprises accentuée par la période d'incertitude actuelle. Sans données intégrées, les acteurs du retail ne peuvent pas prévoir les choix des clients en matière d'achats en magasin.
Les fabricants ne peuvent pas combler les écarts dans leur chaîne d'approvisionnement et les prestataires de soins de santé ne peuvent pas concevoir des opérations résistantes au COVID-19.
À contrecourant et sans gouvernance centrale, les équipes métiers élaborent leurs propres processus d’analyse de données pour des raisons de rapidité. Au fil du temps, leurs ensembles de données, leurs formats et leurs processus s'éloignent les uns des autres. Devenus des pompiers, les data manager et autres responsables de la gouvernance poursuivent les problèmes de qualité des données au lieu de les prévenir en appliquant les politiques d'entreprise.
Leur rôle nécessite d’évoluer et le data hub, qui cherche à briser les silos, peut les aider dans cette reconquête. Ce hub devient une aide précieuse pour faire converger les données et avoir une seule source de vérité. Les responsables métiers utilisent désormais le data hub pour assembler, traiter, dé-dupliquer et explorer les ensembles de données qui alimentent leurs fonctions commerciales. De plus, les lacunes des données de base sont directement identifiées par les métiers avant l’intervention des responsables des données. Avec moins de travail de transformation et de préparation, ces derniers peuvent explorer les données, gérer les Master Data et s’assurer de la qualité des données afin de découvrir de nouvelles perspectives - un besoin critique actuellement.
Considérer le Data Hub : le jeu en vaut-il la chandelle ?
Cette vision de la convergence ambitieuse nécessite de trouver un équilibre entre des exigences contradictoires pour la réaliser. Si en définitive, la douleur des silos de données fait des data hubs un pari viable pour de nombreuses entreprises, chaque direction IT doit explorer un certain nombre de compromis à commencer par la facilité d'utilisation d'un nouvel outil par rapport à son apprentissage et adoption. Si le data hub cherche à améliorer la productivité, cela justifie-t-il le coût d'opportunité ? Le temps consacré à l'apprentissage et à la gestion de ces nouvelles tâches empiète sur le travail de base. Les avantages en termes de productivité doivent donc être significatifs pour l'ensemble de l'organisation tout en réduisant le travail administratif global.
Un autre point non négligeable réside dans les avantages de la réinvention versus les coûts de la perturbation. Le principe "ne pas nuire" reste à juste titre une priorité absolue pour toute équipe chargée des données et toute organisation informatique. Elles doivent se demander si elles peuvent mettre en œuvre un data hub sans compromettre, même brièvement, leurs processus de gouvernance et leur capacité à se conformer aux exigences règlementaires. La réponse à cette question dépend de la fonctionnalité du data hub - par exemple, ses méthodes de traitement des informations personnellement identifiables (IPI) et ses capacités de reporting. La réponse dépend également de la facilité avec laquelle l'organisation informatique peut déployer la solution et adapter les personnes et les processus existants pour la gérer.
Enfin dernier point : l’efficacité d'un cadre unique ou la nécessité de se spécialiser. Les data hubs offrent une approche immédiate, ce qui soulève la question sur de meilleures alternatives. Cette suite ne doit pas entraver les aspects critiques de la gestion des données. Certaines unités et équipes commerciales ont inévitablement besoin de se spécialiser. À titre d’exemple, les spécialistes de la donnée peuvent avoir besoin d'évaluer le sentiment des clients à l'aide de scripts de traitement du langage naturel. Le data hub doit tenir compte de cette spécialisation, par exemple en intégrant des plug-ins de script personnalisés. Il doit prendre en charge une architecture ouverte avec des formats de données ouverts, des API ouvertes et une intégration facile avec des outils tiers.
Les entreprises doivent donc examiner de près les promesses des outils convergents tels que le data hub pour simplifier leurs environnements. Si le data hub passe probablement le test pour de nombreuses entreprises, il faut néanmoins faire preuve de diligence lors de l'évaluation et de la sélection. Néanmoins, il reste indispensable de compléter le data hub par un dispositif de gouvernance des données métier critiques, ainsi qu'une stratégie d'entreprise visant à développer la culture data auprès des employés.