Objectifs de la formation
Aligner la gouvernance des données et des informations, avec les autres formes de gouvernance (SI, d’entreprise, de sécurité…). Définir les équipes, fonctions et processus de travail. Combiner gouvernance du SI et gouvernance des données;
Cartographier les données métiers, mettre en place un catalogue partagé des actifs informationnels.
Améliorer en continu la qualité des données, pour l’adapter aux usages. Mettre en place une gestion des données de référence (MDM);
S’assurer de la conformité des données de toute l’organisation aux règles externes (RGPD, Data Act…), et internes (éthique).
Informations Pratiques
Séminaire également proposé via le catalogue Capgemini Institut
Durée : 3 jours
Formateur : Philippe Nieuwbourg
Programme de la formation
1ère partie : enjeux et perspectives : aligner les gouvernances
Les enjeux de la gouvernance au service de l’économie des données
Le monde de la donnée, des infocentres au big data
Typologie des données, structurées et non-structurées
Passer du coût de la donnée, à la valeur de la donnée
Particularités des données destinées à l'entraînement des modèles d’intelligence artificielle
Gouvernance des données, gouvernance des informations
Les « régimes » de gouvernance d’entreprise : centralisation, fédéralisme…, comment choisir ?
Aligner les démarches de « gouvernance du système d’information » et de « gouvernance des données »
Approches académiques et théoriques existantes de la gouvernance des SI (TOGAF, COBIT, ITIL, DMBOK..)
Transférer la gouvernance des données aux métiers : pourquoi et comment
La future norme ISO 24143
2ème partie : Mise en place des équipes, et architectures
Équipes, personnes, rôles et fonctions de la gouvernance, de la qualité et de la conformité des données
Les métiers de la gouvernance des données : Chief Data Officer (CDO), data steward, data owner, data product manager, data custodian, data compliance manager, DPO…
Comité de gouvernance des données : organisation et composition, mode de fonctionnement, la charte de gouvernance des données
Les architectures de données et leurs liens avec le choix d’un régime de gouvernance
Concept de gravité des données vs gravité des applications : architecture applicative ou architecture de données ?
Architecture centralisée : construire une plateforme de données autour du data warehouse et du data lake
Architecture fédéralisée : passer du data warehouse au data mesh
Impact des choix d’architecture sur la disponibilité et le partage de l’information
La place du cloud computing dans les architectures de données
Contraintes liées au transfert des données depuis/vers le cloud
Impact du développement du low-code / no-code sur la répartition des rôles
Conduire le projet « Gouvernance des données »
Définir le périmètre global, identifier les priorités, planifier et démarrer les ateliers de gouvernance
Mettre en place les indicateurs et le tableau de bord
3ème partie : Catalogue de données
Créer un dictionnaire-référentiel des données orienté métiers
Cartographier données, personnes et processus
Modéliser les données au travers des processus métiers (du Domain Driven Design au Data Mesh)
Élaborer à partir d’un modèle sa fiche de référentiel et animer les ateliers de cartographie
Étude de cas : comparaison des fiches réalisées par plusieurs entreprises
Encadrer les relations producteurs - consommateurs de données avec des contrats de données (Data Contracts)
Valorisation des données - Mettre en place des métriques de valorisation
Normes IAS vs normes françaises : travaux en cours
Data as a Product : comment les métiers doivent percevoir leurs données
Comment référencer les données ouvertes (Open Data)
Solutions tactiques pour obtenir un premier retour sur investissement
Une base de données graph pour formaliser son catalogue de données
Utiliser l’Intelligence Artificielle Générative pour accélérer certaines étapes
Panorama comparatif des principaux outils du marché : Collibra, Alation, Castor, Data Galaxy, Atlan, Magda, Microsoft PureView…
4ème partie : Démarche qualité, critères et indicateurs
Impact de la qualité des données sur les performances
Construisez le tableau de bord de la santé de vos données - L’observabilité des données
Les 15 indicateurs principaux de mesure de la qualité
Lien entre qualité des données et gouvernance : le rôle du data steward
Le projet « qualité des données » en 10 étapes
Quelles tâches liées à la qualité des données peuvent être automatisées - le rôle de l’Intelligence Artificielle
Panorama et comparatif des principaux outils de gestion de la qualité des données
5ème partie : Master Data Management (MDM)
Enjeux et ROI d’un projet MDM
Définition, sélection et synchronisation des données maîtres
Le MDM, principal outil d’obtention d’un ROI rapide de la gouvernance des données
Comparaison des architectures MDM : Consolidée unique, consolidée avec références multiples, décentralisée, virtualisée
Combiner MDM et Product Information Management (PIM)
MDM et catalogue de données – quelles différences ?
Panorama et comparatif des principaux outils de gestion des données de référence
6ème partie : Conformité
Conformités
Impliquer le DPO dans la gouvernance des données
Les conformités sectorielles : banques, assurances, secteur public, données de santé…
Conformité et sécurité informatique : réduire les risques pesant sur les données
Disponibilité et résilience : aligner PCA (Plan de Continuité d’Activité) et gouvernance des données
Le rôle de la gouvernance dans la recherche de sobriété numérique
Les législations européennes et américaines, en cours et à venir : Data Governance Act, Data Act, CSRD…
Panorama et comparatif des principaux outils de suivi de la conformité des données
Conclusion et synthèse
Améliorer l’alphabétisation à la donnée de l’ensemble de l’entreprise
Erreurs à éviter, meilleures pratiques : partage d’expériences entre les participants