Demandez à une organisation de vous présenter sa stratégie de données et il y a de fortes chances que vous y découvriez une feuille de route technologique.
Migration vers le cloud.
Une nouvelle plateforme de données.
Consolidation des données du lac de données.
Gestion des données de référence.
Lancement d'un catalogue.
Pipelines en temps réel.
Infrastructure d'IA.
Ces investissements pourraient avoir leur importance.
Mais ce n'est pas la stratégie.
Une stratégie de données doit définir comment une organisation utilisera, gouvernera, protégera et améliorera ses données afin de modifier ses décisions commerciales, ses flux de travail, ses risques et ses résultats économiques.
La feuille de route technologique doit expliquer comment la technologie soutiendra cette stratégie.
Inverser les deux inverse la séquence.
Au lieu de se demander de quoi l'entreprise a besoin en matière de données, les équipes commencent à se demander quelles plateformes elles devraient construire, migrer, consolider ou acheter.
Pour les CDO, cette distinction est devenue encore plus importante à mesure que l'IA modifie à la fois la valeur et les conséquences des données d'entreprise.
Une séquence plus forte est :
Résultat commercial → Décision ou flux de travail → Données critiques → Exigences et contrôles → Capacités → Technologie → Valeur mesurable
La technologie a toujours son importance. Elle doit simplement servir quelque chose.
Stratégie de données : principaux enseignements
- Une stratégie de données et une feuille de route technologique ne sont pas la même chose. La stratégie définit les résultats commerciaux, les décisions, les données, la gouvernance et les capacités nécessaires. La feuille de route séquence les technologies et la mise en œuvre nécessaires pour les atteindre.
- Commencez par les décisions, pas par les plateformes. Identifiez les points à améliorer au sein de l'organisation avant de décider des travaux d'architecture, d'outillage ou de modernisation nécessaires.
- Privilégier les données critiques par rapport à toutes les autres données. Les résultats commerciaux varient en fonction des données, de leur qualité, de leur fraîcheur, de leur contexte, de leur accessibilité et des contrôles mis en place.
- La gouvernance fait partie intégrante de la stratégie de données. La propriété, la qualité, la traçabilité, l'accès, la confidentialité, la sécurité, le cycle de vie et les politiques déterminent si les équipes peuvent utiliser les données en toute sécurité aux fins prévues.
- L'IA rehausse le niveau. Les systèmes d'IA peuvent extraire, combiner, générer et exploiter les données d'entreprise, faisant du contexte, de l'accès, de la traçabilité, de la qualité et de la responsabilité des données des exigences stratégiques.
- BigID relie la stratégie aux données elles-mêmes. BigID aide les organisations à découvrir, classer, cataloguer, gouverner, sécuriser et exploiter les données d'entreprise qui sous-tendent l'analyse, l'IA, la conformité, la sécurité et les décisions commerciales.
Qu'est-ce qu'une stratégie de données ?
Une stratégie de données définit comment une organisation utilisera, gérera, gouvernera, protégera et améliorera ses données afin de soutenir des objectifs commerciaux spécifiques.
Une stratégie de données d'entreprise efficace doit répondre à des questions telles que :
- Quels résultats commerciaux dépendent d'une meilleure utilisation des données ?
- Quelles décisions ou quels processus doivent être améliorés ?
- Quelles sont les données essentielles à ces décisions ?
- Où se trouvent ces données ?
- Qu'est-ce que ça veut dire?
- À qui appartient-il ?
- À quel point doit-elle être précise, complète et à jour ?
- Qui ou quoi devrait y avoir accès ?
- Quelles sont les exigences applicables en matière de sécurité, de confidentialité, de conformité et de cycle de vie ?
- Comment l'IA utilisera-t-elle les données ?
- De quelles capacités l'organisation a-t-elle besoin ?
- Quels changements de modèle opérationnel doivent accompagner ces capacités ?
- Comment l'organisation mesurera-t-elle la valeur commerciale ?
Les réponses pourraient à terme nécessiter une nouvelle architecture et de nouvelles technologies.
Mais l'architecture doit répondre aux exigences définies par la stratégie.
Mettre en pratique la stratégie de données
Relier le contexte métier aux données sous-jacentes aux décisions critiques
Découvrir, classer, cataloguer, gouverner et comprendre les données d'entreprise à travers les initiatives commerciales, de sécurité, de conformité, d'analyse et d'IA.
Stratégie de données vs. feuille de route technologique : quelle est la différence ?
Une stratégie de données définit Pourquoi l'organisation a besoin de capacités de gestion des données et que doivent permettre ces capacités.
Une feuille de route technologique définit comment et quand l'organisation mettra en œuvre la technologie nécessaire pour les soutenir.
Les deux devraient entretenir des liens étroits.
Ils ne devraient pas fusionner en un seul.
Le piège de la stratégie de données axée sur la technologie
Prenons l'exemple d'une organisation qui affirme :
“ Notre stratégie en matière de données consiste à migrer les données de notre entreprise vers le cloud. ”
C'est un objectif technologique.
Cela n'explique pas ce que l'organisation prévoit d'améliorer après la migration.
Le besoin sous-jacent pourrait impliquer :
- Réduire les coûts d'infrastructure
- Amélioration des performances analytiques
- Prise en charge des charges de travail d'IA
- Mise hors service des systèmes hérités
- Augmentation de la disponibilité des données
- Améliorer la résilience
- Accélérer le développement des produits
- Réduire la complexité de la conformité
Ces résultats nécessitent des priorités différentes.
Si l'objectif est l'IA, l'organisation peut avoir besoin de personnes de confiance. données non structurées, la classification des données sensibles, leur traçabilité, leur qualité et l'accès contrôlé à l'IA.
Si l'objectif est la réduction des risques réglementaires, la rétention, la résidence, la visibilité des données sensibles, l'accès et les preuves peuvent avoir plus d'importance.
Si l'objectif est d'accélérer l'analyse, la fraîcheur des données, les définitions, la qualité et les goulots d'étranglement dans la livraison peuvent devenir prépondérants.
Une même initiative technologique peut servir plusieurs stratégies. Le besoin de l'entreprise détermine laquelle est pertinente.
Commencez votre stratégie de données par des décisions commerciales
Au lieu de vous demander à quoi devrait ressembler la plateforme de données dans trois ans, commencez par vous demander ce que l'entreprise doit faire différemment.
Demander:
Quelles décisions, actions ou flux de travail seraient sensiblement améliorés si l'organisation disposait de meilleures données ?
Par exemple :
- Identifier plus tôt le risque de renouvellement client
- Détectez les fraudes avant de finaliser une transaction.
- Réduire le rapprochement financier manuel
- Améliorer l'allocation des stocks
- Répondre plus rapidement aux demandes de confidentialité
- Limiter l'accès excessif aux informations sensibles
- Fournissez aux employés des réponses fiables grâce à l'IA d'entreprise
- Autoriser les agents d'IA à exécuter les flux de travail approuvés en toute sécurité
Ces déclarations constituent un fondement pour identifier les données et les capacités requises.
Le cadre stratégique des données axé sur les affaires
Le cadre stratégique des données axé sur les affaires
Définissez les objectifs des données avant de décider des technologies à modifier.
Quel résultat commercial ou lié aux risques, mesurable, doit changer ?
Quelle décision, action ou flux de travail doit être amélioré ?
Quelles données étayent réellement ce résultat ?
Quelles sont les exigences applicables en matière de qualité, de propriété, d'accès, de confidentialité, de sécurité et d'IA ?
Quelles sont les capacités organisationnelles et techniques qui font défaut ?
Quels investissements technologiques ont aujourd'hui une finalité justifiée ?
Les données critiques doivent orienter la stratégie
Une erreur fréquente consiste à considérer toutes les données d'entreprise comme également stratégiques.
Ce n'est pas.
Les différents processus métier dépendent de données différentes.
Une initiative de fidélisation peut dépendre des dates de contrat, de l'utilisation du produit, de l'activité de support, de l'identité du compte et de l'engagement.
Une initiative de clôture financière peut dépendre des transactions, des identifiants de produits, des structures de comptes et des définitions financières approuvées.
Un assistant de connaissances basé sur l'IA peut dépendre des documents internes actuels, des autorisations, du niveau de sensibilité, de la propriété et du contenu faisant autorité.
La stratégie devrait identifier données critiques en fonction des décisions qu'elles étayent.
Cela modifie le champ d'application de la gouvernance.
Au lieu de tenter de gouverner chaque ensemble de données avec la même intensité, les organisations peuvent appliquer des contrôles plus stricts en matière de propriété, de qualité, de traçabilité, d'accès, de sécurité et de politiques là où la valeur commerciale ou le risque l'exigent.
La gouvernance des données fait partie intégrante de la stratégie de données.
La gouvernance ne devrait pas figurer à la fin d'une stratégie, dans la section consacrée aux contrôles.
Elle détermine si la stratégie peut fonctionner.
Si un ensemble de données critiques pour l'entreprise n'a pas de propriétaire, l'organisation peut avoir du mal à résoudre les problèmes de qualité.
Si les équipes sont en désaccord sur les définitions, les analyses peuvent produire des réponses contradictoires.
Si des informations sensibles ont été accès excessif, une utilisation plus large peut accroître les risques pour la sécurité et la confidentialité.
Si la provenance des données reste inconnue, les équipes peuvent avoir du mal à déterminer si ces informations sont appropriées pour un cas d'utilisation en IA ou en analyse de données.
Si les politiques restent déconnectées des données réelles, l'organisation risque d'avoir du mal à les prouver ou à les faire appliquer.
Gouvernance moderne des données Il convient donc de relier le contexte commercial aux notions de propriété, de qualité, de traçabilité, d'accès, de confidentialité, de sécurité, de cycle de vie, de politique et de correction des données.
L'IA rend la stratégie de données axée sur la technologie plus dangereuse
L'IA offre aux organisations une raison supplémentaire de résister à l'envie de commencer par la technologie.
Une stratégie qui dit “ Déployer l’IA générative à l’échelle de l’entreprise ” Cela ne définit toujours pas ce que l'organisation attend de l'IA pour accomplir.
Un assistant de connaissances interne diffère d'un modèle de lutte contre la fraude.
Un copilote de codage diffère d'un agent d'IA capable de modifier les dossiers clients.
Une application RAG récupérant des documents publics diffère d'une application récupérant des informations sur les employés ou des informations financières.
Chaque cas d'utilisation requiert des données et des contrôles différents.
Avant d'investir dans une architecture d'IA, les organisations doivent déterminer :
- Quel flux de travail l'IA va-t-elle transformer ?
- Quelles données l'IA requiert-elle ?
- Quelles données l'IA ne devrait-elle pas utiliser ?
- Les données doivent être précises et à jour.
- Quelles informations sensibles l'IA peut-elle consulter ?
- Quelles identités et autorisations permettent l'accès
- Comment les données circulent dans le système d'IA
- Quelles actions l'IA peut-elle effectuer ?
- Quelles actions nécessitent une approbation humaine ?
- À qui appartient le résultat commercial qui en découle
Une stratégie d'IA ne peut compenser une stratégie de données indéfinie.
Cela rend les décisions manquantes plus lourdes de conséquences.
Associer la stratégie de données à l'IA
Comprendre quelles données alimentent l'IA et si elles ont leur place là-bas
Découvrez les actifs d'IA, classez les données sensibles, comprenez leur provenance et leur accès, appliquez des politiques, évaluez les risques et coordonnez les actions au sein de l'IA d'entreprise.
L'architecture doit répondre aux exigences.
Cela ne rend pas l'architecture moins importante.
Cela donne à l'architecture un rôle plus clair.
Une fois que les équipes comprennent les capacités métier requises, les architectes peuvent prendre de meilleures décisions concernant :
- Infrastructure cloud
- Entrepôts de données et lacs
- Intégration des données
- Streaming
- Apis
- Données de base
- Métadonnées
- Couches sémantiques
- Bases de données vectorielles
- Infrastructure de l'IA
- Architecture de sécurité
- Technologie de gouvernance
La stratégie définit les exigences et les priorités.
L'architecture détermine comment les prendre en charge.
La feuille de route séquence les travaux.
Un exemple concret : “ Nous devons moderniser notre plateforme de données ”
Supposons qu'une organisation commence par :
“ Nous devons moderniser notre plateforme de données. ”
Voilà une solution proposée.
Cette découverte révèle que le véritable problème réside dans la fidélisation de la clientèle.
Les équipes commerciales ne peuvent pas identifier suffisamment tôt les risques de renouvellement car les données relatives à l'utilisation des produits, aux demandes d'assistance, aux contrats et aux interactions restent fragmentées.
La stratégie peut désormais définir :
Résultat commercial : Améliorer la fidélisation des comptes à forte valeur ajoutée.
Décision: Quels comptes nécessitent une intervention avant leur renouvellement ?
Flux de travail : Fournissez aux gestionnaires de comptes une liste de tâches fiable concernant les risques liés aux comptes suffisamment tôt pour qu'ils puissent agir.
Données critiques : Dates contractuelles, utilisation du produit, activité de support, identité du compte, engagement et propriété.
Exigences: Correspondance fiable des comptes, définitions convenues, utilisation actuelle, traçabilité, propriété, contrôles de qualité et accès adapté au rôle.
Lacunes en matière de capacités : Résolution de l'identité du client, contexte des données inter-systèmes, surveillance de la qualité et livraison contrôlée dans le flux de travail de renouvellement.
Technologie: Il faut maintenant évaluer quelles modifications de la plateforme permettent réellement de combler ces lacunes.
Valeur: Intervention plus précoce, fidélisation accrue, réduction des rapprochements et adoption par les équipes commerciales.
L'organisation pourrait encore avoir besoin de moderniser sa plateforme de données.
Mais maintenant, il le sait pourquoi, où et dans quelle mesure la modernisation nécessaire est requise.
Comment prioriser une stratégie de données
Une stratégie efficace ne peut pas traiter chaque demande comme étant d'égale importance.
Les CDO peuvent prioriser les initiatives en utilisant cinq questions.
1. Quels changements en termes de résultats commerciaux ?
Reliez cette initiative aux revenus, aux marges, aux coûts, à l'expérience client, aux performances opérationnelles, à la conformité, à la sécurité ou aux risques.
2. Quel est le coût de la situation actuelle ?
Établissez une base de référence telle que l'effort manuel, les retards, les erreurs, les pertes dues à la fraude, les accès excessifs, le taux de désabonnement des clients, les coûts d'infrastructure ou l'exposition réglementaire.
3. Les données constituent-elles réellement la contrainte ?
N’utilisez pas une initiative basée sur les données pour compenser un processus métier non résolu, une responsabilité floue ou un problème organisationnel.
4. Quelle est la plus petite intervention viable ?
Une métrique fiable, un élément de données critique, un produit de données gouverné, une modification d'accès, une règle de qualité ou une source d'IA sélectionnée peuvent résoudre le problème immédiat avant qu'une transformation plus large ne devienne nécessaire.
5. L'organisation peut-elle maintenir ce résultat ?
Déterminer à qui appartiennent les données, comment les équipes les surveillent, ce qui se passe en cas de changement de qualité ou d'accès, et comment les équipes remédient aux problèmes.
Que doit inclure une stratégie de données ?
Une stratégie de données d'entreprise moderne doit aborder au moins sept domaines interconnectés :
Comment BigID soutient une stratégie de données moderne
BigID aide les organisations à aligner leur stratégie sur les données d'entreprise qui doivent la soutenir.
BigID aide les équipes :
- Découvrir et classer les données : Identifier les données structurées et non structurées dans les environnements cloud, SaaS, sur site et hybrides pris en charge et comprendre les informations sensibles, réglementées, confidentielles, exclusives et critiques pour l'entreprise.
- Cataloguer et contextualiser les données : Associer les métadonnées techniques à leur signification commerciale, à la propriété, à la sensibilité, à la traçabilité, à la qualité et au contexte politique.
- Opérationnaliser la gouvernance des données : Reliez les exigences de gouvernance aux données, aux propriétaires, aux politiques et aux flux de travail de l'entreprise qu'elles régissent.
- Gouverner l'accès aux données : Déterminez qui ou quoi peut accéder aux données sensibles et identifiez les autorisations qui créent une exposition inutile.
- Étendre la stratégie à l'IA : Connecter les systèmes d'IA aux données sensibles, aux identités, aux accès, à la propriété, à la traçabilité, aux politiques, aux risques et aux preuves.
- Action de conduite : Coordonner les mesures correctives lorsque la qualité des données, l'accès, l'exposition, le cycle de vie ou les conditions politiques créent un risque.
Une stratégie de données ne doit pas se limiter à la description de l'architecture technologique future. Elle doit clairement définir les résultats commerciaux essentiels, les données qui les sous-tendent, la manière dont ces données doivent être gouvernées et les changements nécessaires à l'organisation pour générer une valeur mesurable.
Connecter les points entre les données et l'IA
Transformer la stratégie de données en actions maîtrisées
Découvrez comment BigID connecte les données d'entreprise au contexte métier, à la propriété, à la qualité, à la traçabilité, à l'accès, aux politiques, à l'IA, aux risques et à la remédiation.
FAQ sur la stratégie de données
Qu'est-ce qu'une stratégie de données ?
Une stratégie de données définit comment une organisation utilise, gère, gouverne, protège et améliore ses données afin d'atteindre des objectifs commerciaux mesurables. Elle relie les priorités de l'entreprise aux exigences en matière de données critiques, de propriété, de gouvernance, de sécurité, d'IA, d'architecture et de modèle opérationnel.
Quelle est la différence entre une stratégie de données et une feuille de route des données ?
Une stratégie de données définit les résultats, les priorités, les principes, les exigences en matière de données et les capacités dont une organisation a besoin. Une feuille de route séquence les initiatives, les investissements technologiques, les dépendances, les responsables et les étapes clés nécessaires à la mise en œuvre de cette stratégie.
L'architecture des données fait-elle partie de la stratégie des données ?
Oui, mais l'architecture doit répondre aux exigences définies par la stratégie. Les objectifs commerciaux et les besoins en données critiques permettent de déterminer les investissements prioritaires en architecture et en technologie que l'organisation doit privilégier.
Que doit inclure une stratégie de données ?
Une stratégie de données doit définir les résultats commerciaux, les données critiques, la propriété, la qualité, la gouvernance, la sécurité, la confidentialité, l'accès, les exigences en matière d'IA et d'analyse, le modèle opérationnel, les capacités requises, les priorités technologiques et les mesures de la valeur.
Comment l'IA change-t-elle la stratégie de données ?
L'IA renforce l'importance de la qualité, de la sensibilité, de la traçabilité, de l'accès, de la propriété, des politiques et de la responsabilité en matière de données. Les organisations doivent déterminer quelles données l'IA peut utiliser, comment elle y accède et quelles actions les systèmes ou agents d'IA peuvent entreprendre avec ces informations.
La stratégie de données doit-elle commencer par la technologie ?
Non. Les organisations doivent d'abord définir le résultat commercial escompté, la décision ou le flux de travail concerné, les données critiques et les contrôles nécessaires. Ces exigences pourront ensuite orienter les décisions relatives à l'architecture et aux technologies.
Comment BigID soutient-il la stratégie de données ?
BigID aide les organisations à découvrir, classer, cataloguer, contextualiser, gouverner, sécuriser et corriger les données d'entreprise tout en les reliant à la propriété, la qualité, la traçabilité, l'accès, les politiques, la confidentialité, l'IA et les risques.
Auteur
