Introduction

Le Modèle d'évaluation des capacités de gestion des données Ce document définit le périmètre des compétences nécessaires pour établir, mettre en œuvre et pérenniser une gestion des données performante. Il aborde les stratégies, les structures organisationnelles, les technologies et les meilleures pratiques opérationnelles indispensables à une gestion des données réussie. Il expose les principes de la gestion des données en s'appuyant sur une compréhension de la valeur ajoutée pour l'entreprise et des réalités de la mise en œuvre opérationnelle.

Aperçu

Pourquoi la gestion des données est-elle importante ?

La gestion des données est une compétence essentielle pour toute organisation qui aspire à une approche centrée sur les données et à un avenir fondé sur celles-ci. Pour les néophytes, cette introduction offre un aperçu de la gestion des données et des principales tendances du secteur, telles que le rôle croissant de l'intelligence artificielle.

La gestion des données vise essentiellement à garantir la qualité, la gouvernance et la fiabilité des données, afin de soutenir les opérations commerciales, la prise de décision et la conformité. Si, traditionnellement, elle était motivée par des impératifs défensifs tels que les exigences réglementaires, la gestion des données joue aujourd'hui un rôle de plus en plus offensif, aidant les organisations à réduire leurs coûts, à améliorer leur efficacité opérationnelle et à créer de la valeur grâce à l'analyse des données.

Pour réussir, les responsables de la gestion des données doivent démontrer et défendre la valeur de leurs initiatives par des résultats cohérents et mesurables. Ils doivent également promouvoir une culture de responsabilité partagée et d'engagement afin de construire et de maintenir des données fiables.

À l'avenir, les progrès des technologies de données, notamment l'intelligence artificielle sous toutes ses formes, promettent de transformer et d'automatiser les processus d'infrastructure essentiels, y compris la gestion des données elle-même. Face à la croissance exponentielle des volumes de données, une gestion évolutive et automatisée de ces dernières, reposant sur des principes fondamentaux solides, deviendra indispensable.

Diagramme 0.1 : Construire un avenir axé sur les données

Qu’est-ce qui motive le changement dans la gestion des données ?

Depuis la sortie de DCAM Avec la version 2, plusieurs changements importants et de nouvelles considérations ont profondément transformé le paysage de la gestion des données. L'un des changements les plus marquants est l'évolution rapide de l'intelligence artificielle. Les organisations de tous les secteurs réagissent de diverses manières à l'explosion des capacités de l'IA et à l'augmentation de la puissance de calcul. Si les implications à long terme pour la gestion des données restent incertaines, des aspects clés tels que la découvrabilité des données, leur provenance et la confiance qu'elles inspirent s'avèrent déjà essentiels pour soutenir l'analyse avancée. La mise en œuvre de DCAM Les capacités continuent de constituer une base solide, mais les organisations doivent rester attentives à l'évolution de l'environnement de l'IA et à son influence sur les pratiques en matière de données.

La réglementation demeure un autre facteur majeur de l'évolution de la gestion des données. Initialement propulsée sur le devant de la scène par la crise financière mondiale de 2007-2008 et les préoccupations subséquentes concernant qualité des données, Depuis, la gestion des données s'est étendue au-delà de la simple conformité pour se concentrer sur la création de valeur ajoutée pour l'entreprise. Cependant, le regain d'intérêt des autorités de réglementation, notamment en matière d'agrégation des données de risque, sécurité des données La protection de la vie privée, l'accès éthique aux données, leur utilisation et leurs conséquences, notamment en matière d'IA, exigent une vigilance constante de la part des responsables des données.

Une tendance notable est que l'analyse de données ne se contente plus de consommer des données, mais en génère également de nouvelles, souvent automatiquement. Ces données, qu'elles soient créées par l'apprentissage automatique, l'entraînement de grands modèles de langage, l'analyse prédictive ou d'autres pratiques d'intelligence artificielle, doivent toujours respecter les principes de gestion et de traitement des données. qualité des données normes. DCAM Les meilleures pratiques restent pleinement applicables dans ces domaines, garantissant une gouvernance et une intégrité cohérentes.

Face à l'explosion des volumes de données et à l'accroissement des exigences imposées aux équipes de gestion des données, les processus manuels deviennent intenables. La gestion des données à grande échelle, ou la capacité à tirer parti de l'automatisation pour soutenir les efforts de gestion des données, est de plus en plus évidente. Des technologies et architectures innovantes, telles que les réseaux de données (data fabric et data mesh), les modèles de langages de grande et de petite taille, et le traitement des données en temps réel, métadonnées Les solutions et les outils de libre-service de données offrent des possibilités de rationaliser et d'automatiser les activités de gestion des données améliorées. L'IA générative est prometteuse pour des tâches telles que la découverte de données, évaluation de la qualité des données, métadonnées et la gestion de l'architecture, voire la formation et l'enseignement en matière de données et de gestion des données. Il est essentiel que toutes les avancées soient priorisées en fonction de leur capacité à apporter une valeur ajoutée mesurable à l'organisation.

Le partage et l'accès libre aux données gagnent également du terrain, soutenus par les technologies émergentes qui permettent le partage et l'accès simultanés aux données. métadonnées accès par les humains et les machines. Ce double accès modèle peut devenir un objectif central pour améliorer l'utilisabilité et l'accessibilité des données.

Enfin, l'éthique des données est devenue une exigence fondamentale. Cette évolution souligne la nécessité d'aligner étroitement les capacités de gestion des données sur le cadre éthique de l'organisation concernant l'accès, l'utilisation et la consommation des données, ainsi que l'analyse de leurs conséquences. Les responsables des données doivent veiller à ce que les considérations éthiques soient intégrées à tous les aspects de la gestion des données et que celles-ci soient traitées de manière réfléchie, en accord avec les valeurs de l'organisation.

Défis liés à la gestion des données

La gestion des données est confrontée à des défis complexes et persistants qui exigent une vision stratégique, un leadership fort et un engagement organisationnel soutenu. L'un des principaux obstacles réside dans l'ampleur et la complexité des données existantes, souvent vastes et fragmentées. Pour y remédier, il est indispensable de soutenir fermement la direction, de prévoir un budget adéquat et de mettre en œuvre une stratégie de données claire et une gestion des données définie. modèle opérationnel, et une proposition de valeur convaincante.

Les programmes de gestion des données se doivent d'être pérennes et durables. Les organismes de gestion des données doivent donc gérer avec soin les attentes, notamment les demandes trop optimistes de résultats rapides ou de solutions simplistes. La gestion du changement est un élément clé de tout programme de gestion des données, pourtant, nombre d'entre eux échouent faute de compétences humaines à tous les niveaux de l'organisation. Ce manque de compétences se traduit par un soutien insuffisant de la direction, une faible capacité à accompagner le changement et un manque d'engagement envers les meilleures pratiques en matière de rôles liés aux données, de responsabilisation et de partage des données entre les différentes organisations.

Un écosystème de données durable repose sur l'implication active de tous les membres de l'organisation, qu'ils soient permanents ou temporaires. L'organisation de gestion des données doit donc cultiver une compréhension partagée des responsabilités en matière de données et promouvoir une culture des données positive et inclusive. Or, de nombreuses organisations sont confrontées à une forte fragmentation des données : d'immenses volumes de données proviennent de centaines de sources internes et externes, sont stockés dans des systèmes isolés ou agrégés de manière informelle, avec une visibilité et un contrôle limités. Cette situation engendre de nombreux problèmes liés aux données, notamment des données non fiables, incomplètes ou nécessitant un mappage, un recoupement et une réconciliation complexes.

Parallèlement, la compréhension des processus métier existants et la démystification des environnements de données très complexes demeurent une nécessité permanente. Les organisations de gestion des données doivent privilégier la création de valeur progressive et mesurable plutôt que de poursuivre des objectifs trop ambitieux ou une perfection inatteignable. L'établissement de partenariats essentiels, notamment avec les fonctions métier, techniques et d'architecture associées, peut se heurter à des résistances, mais la collaboration et le consensus sont indispensables à la conception et à la mise en œuvre efficaces des solutions de données.

Un autre défi majeur consiste à parvenir à un consensus sur la signification métier des données dans leur contexte d'utilisation. Il s'agit notamment de s'entendre sur la terminologie et la gouvernance. processus Maintenir des définitions peut s'avérer particulièrement complexe, surtout lorsque des applications métier critiques reposent sur plusieurs systèmes existants. Plutôt que d'imposer une convention de nommage universelle, une approche plus pragmatique consiste à harmoniser les définitions de données en fonction de leur signification juridique, contractuelle ou métier. Il est également plus efficace de définir clairement les concepts métier, de documenter la logique de transformation et de saisir les relations réelles entre les données. Une fois ces bases établies, les systèmes, glossaires, dictionnaires et référentiels existants peuvent être interconnectés afin de parvenir à une compréhension commune.

L’établissement d’un cadre de gestion des risques et de contrôle des données aligné sur la stratégie globale de gestion des risques de l’organisation constitue une autre tâche essentielle, mais complexe. Cela implique la création et l’application d’un cadre de gestion des risques liés aux données cohérent. taxonomie. De plus, les organisations doivent gérer l'intégration de vastes volumes de données non structurées, qu'elles soient anciennes ou nouvelles. La gestion de ces données est essentielle pour atténuer les risques liés à la confidentialité, à la réglementation et aux aspects juridiques, et nécessite souvent des outils avancés pour identifier et supprimer les données obsolètes ou inappropriées.

Enfin, imposer la propriété et la responsabilité des données peut représenter un changement culturel difficile lorsque ces concepts sont nouveaux et mal compris. Une adoption réussie exige une communication soutenue, des programmes de formation solides et un soutien manifeste de la direction afin d'ancrer ces principes dans toute l'organisation.

Pourquoi ai-je besoin de la gestion des données ?

La gestion des données est essentielle car les données constituent un atout fondamental qui sous-tend les capacités, les opérations et les processus de gouvernance d'une organisation. L'objectif de la gestion des données est de maximiser la valeur mesurable des données tout en veillant à ce que chaque membre de l'organisation en comprenne l'importance. La gestion des données crée de la valeur en établissant des structures de gouvernance, des politiques et des normes qui rendent la connaissance des données accessible et soutiennent les activités liées aux données dans toute l'organisation. L'organisation de gestion des données, souvent dirigée par un… Directeur des données, L'organisation de gestion des données est chargée de mettre en place un écosystème de données collaboratif et efficace, où chacun comprend ses propres responsabilités en matière de données et l'interaction de son rôle avec ceux des autres. Pour ce faire, elle doit élaborer une stratégie, définir les rôles, la gouvernance et la communication appropriées, et instaurer une forte culture de collaboration. architecture de données Bien que l'organisation de gestion des données supervise et orchestre l'écosystème de données, elle n'en est ni la seule propriétaire ni la seule experte. Cette responsabilité incombe aux équipes métiers qui créent, transforment et utilisent les données au quotidien. Sans une gestion coordonnée des données, les organisations risquent la fragmentation : une terminologie incohérente, des définitions vagues et des modèles de données isolés provenant de systèmes distincts engendrent confusion, inefficacité et perte de valeur.

En utilisant un cadre comme DCAM offre une base structurée et reconnue par l'industrie pour établir et évaluer les pratiques de gestion des données. DCAM Ce document définit les meilleures pratiques en matière de gestion des données, offrant une vue d'ensemble des capacités nécessaires à une gestion efficace, sans pour autant prescrire précisément la manière dont chaque organisation doit les mettre en œuvre. Il aide les organisations à construire une approche cohérente et durable de la gouvernance, de la qualité et de la stratégie des données, tout en restant adaptables à l'évolution des technologies et aux exigences du secteur, telles que la montée en puissance de l'intelligence artificielle. DCAM, Les organisations peuvent ainsi comparer leurs pratiques de gestion des données, identifier les lacunes et prioriser les améliorations, ce qui permet en fin de compte une utilisation plus fiable, responsable et pertinente des données à tous les niveaux. entreprise.

DCAM : Un cadre pour une gestion durable des données

Un ensemble complexe de capacités de gestion des données est nécessaire pour parvenir à un environnement de contrôle des données. Modèle d'évaluation des capacités de gestion des données est un cadre pour la mise en œuvre d'une gestion des données robuste et durable fonction. Il s'agit également d'un outil essentiel pour l'évaluation et l'analyse comparative continues des capacités de gestion des données d'une organisation.

Diagramme 0.2 : DCAM Cadre

Le DCAM Le cadre se compose de sept éléments principaux et d'un élément optionnel. Le premier élément, la stratégie de données, la stratégie de gestion des données et l'analyse de rentabilité de la gestion des données, et le deuxième élément, le programme et le financement de la gestion des données, sont :
fondamentales pour les cinq autres composantes essentielles.

Les quatre composantes principales suivantes de DCAM Cadre, architecture – Métier, données et technologie, connaissance des données métier, Qualité des données Gestion et gouvernance - Le programme de données et de gestion des données constitue la composante d'exécution.

Le dernier élément central est l'activité de collaboration, les opérations de gestion des données, les risques et le contrôle. C'est à ce stade que les composantes d'exécution sont mises en œuvre par le producteur de données pour maîtriser un ensemble défini de données et les mettre à la disposition des consommateurs de données à un moment précis, soit en temps réel, soit à la fin d'une période.

Les sept composantes principales comprennent 28 capacités et un total de 80 sous-capacités. La définition et la portée de chaque composante sont présentées ci-dessous.

Le huitième composant, la gestion des données analytiques, est facultatif et pertinent lorsqu'une organisation souhaite évaluer les capacités de son système d'analyse. fonction ainsi que la gestion des données. Ce composant possède 6 fonctionnalités et 21 sous-fonctionnalités.

DCAM : Portée des huit composants

1.0 Stratégie de données, stratégie de gestion des données et analyse de rentabilité de la gestion des données

Le volet « Stratégie de données, stratégie de gestion des données et analyse de rentabilité de la gestion des données » définit comment les données et les capacités de gestion des données sont liées aux objectifs commerciaux de haut niveau et intégrées aux opérations de l'organisation. Il expose la valeur et la vision à long terme des données et des capacités de gestion des données, et identifie les parties prenantes qui doivent être impliquées pour atteindre les objectifs commerciaux de l'organisation grâce aux données.

• Établir et maintenir une stratégie de données documentée, précisant le contenu et l'utilisation des données, ainsi qu'une stratégie de gestion des données nécessaires au soutien de l'entreprise, en tirant parti des DCAM pour définir les capacités de gestion des données.
• Alignez la stratégie de données et la stratégie de gestion des données avec la stratégie, les objectifs et les priorités de l'entreprise, notamment en hiérarchisant les données en fonction de leur importance pour l'entreprise.
• Collaborer avec les principales parties prenantes pour définir l'état actuel et l'objectif futur des capacités de gestion des données à l'aide d'un outil d'évaluation tel que DCAM.
• Définir les priorités des objectifs de la stratégie de gestion des données et établir une feuille de route et un calendrier de déploiement pour sa mise en œuvre.
• Justifiez et expliquez la pertinence commerciale de la gestion des données dans le cadre de l'initiative globale de gestion des données de l'organisation. Les analyses de rentabilité doivent mettre en évidence la valeur des données et plaider en faveur d'investissements dans les capacités de gestion des données, que ce soit pour des projets d'amélioration ou pour les opérations et pratiques courantes.

2.0 Programme de gestion des données et financement

Le volet « Programme de gestion des données et financement » constitue un ensemble de capacités permettant de gérer l’organisation de gestion des données. Ces structures organisationnelles comprennent les besoins en ressources et une gamme complète de Bureau de gestion de programme activités telles que l'exécution de la gestion de programmes, partie prenante Gestion, gestion des financements, activités de changement, communications, formation et mesure de la performance. Le financement Modèle Le programme de gestion des données vise à garantir l'allocation des capitaux nécessaires à sa mise en œuvre, à son succès à long terme et à son adoption durable. Il définit et décrit également les méthodologies utilisées pour mesurer les coûts et les bénéfices, à l'échelle de l'organisation, découlant de cette initiative.

• Mettre en place un programme de gestion des données fonction mettre en œuvre le Bureau de gestion de programme capacités au sein de l'organisation de gestion des données.
• Faciliter la conception et la mise en œuvre de processus et d'outils de gestion des données durables pour les activités courantes, à travers les composants et leurs capacités.
• Définir les rôles et les responsabilités liés aux capacités de gestion des données qui correspondent à la structure organisationnelle et les mettre en œuvre au sein d'une organisation de gestion des données.
• Définir le financement Modèle, sécuriser et contrôler le financement, et mettre en place un suivi des coûts et des avantages aligné sur l'analyse de rentabilité.
• Établir la feuille de route d'exécution de la gestion des données, assortie de plans de projets de soutien, afin de s'appuyer sur la feuille de route stratégique de haut niveau en matière de gestion des données.
• Engagez chacun partie prenante dans l’ensemble de l’écosystème des données, en fonction de leurs rôles respectifs en matière d’alignement des ressources, de financement, de communication, de formation et de développement des compétences.
• Gérer l'initiative de gestion des données en surveillant et en communiquant les indicateurs de performance de la gestion des données.
• S'assurer que la gouvernance du programme de gestion des données est intégrée à la structure de gouvernance des données et processus.
• Identifier les rôles et responsabilités organisationnels et développer des activités d'engagement pour soutenir les stratégies/objectifs de gestion des données.
• Développer les compétences en communication et en gestion du changement dans le domaine de la gestion des données afin d'influencer les comportements et la culture à l'échelle de l'organisation.

Architecture 3.0 – Métier, Données et Technologie

Le volet Architecture – Métier, Données et Technologie vise à établir une architecture intégrée servant de base à une gestion optimale des données. La collaboration entre les architectures métier, données et technologie est essentielle à la réalisation des objectifs commerciaux.

• Établir l'architecture politique et des normes pour guider les entreprises, les données et architecture technologique comme base pour la gestion des données à l'échelle de l'organisation.
• Établir la feuille de route des processus d'architecture structurés et intégrés (métier, données et technologie) pour soutenir l'exécution de la gestion des données dans toute l'organisation.
• Garantir l'alignement de la gestion des données avec les objectifs commerciaux, les données et architecture technologique, et stratégie.
• Concevoir et mettre en œuvre des solutions durables architecture de données des processus nécessitant une collaboration adéquate pour répondre aux exigences en matière de données et de gestion des données telles que définies comme résultats des architecture d'entreprise processus.
• Établir le architecture de données approche pour définir et concevoir architecture de données pour atteindre les objectifs commerciaux et répondre aux besoins en données.
• Identifier et inventorier les données de l'organisation nécessaires pour répondre aux besoins de l'entreprise.
• Développer et valider les domaines de données, les modèles de données, les sources faisant autorité et les points d'approvisionnement.
• Assurez-vous que Architecture d'entreprise, Architecture des données et Architecture technologique La gouvernance est intégrée aux structures de gouvernance des données et alignée sur les activités de gouvernance des affaires et des technologies.

4.0 Connaissance des données d'entreprise

La notion de connaissance des données d'entreprise aborde les méthodes et les pratiques permettant de développer et de maintenir en permanence la sensibilisation aux données et la compréhension partagée de celles-ci au sein d'une organisation. L'objectif est de créer un écosystème de données unique favorisant une culture des données positive, adoptée par l'ensemble de l'organisation. employés, chacun ayant une compréhension claire de sa propre responsabilité et de celle des autres en matière de données.

• Mettre en place un programme formel de formation et d'enseignement en matière de gestion des données.
• Collaborer avec les parties prenantes de la gestion des données pour concevoir et mettre en œuvre des processus durables de définition des conditions commerciales alignées sur Architecture des données plans et maquettes.
• Établir un système durable gestion des métadonnées approche et programme.
• Mettre en place un référentiel permanent d'informations et de données accessibles par entreprise.

5.0 Gestion de la qualité des données

Qualité des données Le composant de gestion englobe un ensemble de capacités à mettre en œuvre profilage des données, l'évaluation de la qualité axée sur les besoins de l'entreprise, l'élaboration de règles de contrôle qualité, la surveillance, la gestion des défauts, l'analyse des causes profondes et la résolution des problèmes de données. Ces capacités permettent à l'organisation de mettre en œuvre qualité des données des processus tout au long du cycle de vie des données afin de garantir et de contrôler que les données sont adaptées à leur usage prévu.

• Établir un Qualité des données Gestion fonction.
• Travailler avec la gestion des données Bureau de gestion de programme concevoir et mettre en œuvre des processus et des outils durables pour les activités courantes Qualité des données Gestion.
• Effectuer Qualité des données Processus de gestion par rapport aux données prioritaires de l'organisation, y compris profilage et notation, élaboration de règles, mesure continue, gestion des défauts, correction des causes profondes, remédiation.
• Assurez-vous que Qualité des données Gestion et Qualité des données La gouvernance de gestion est intégrée à la gouvernance des données.
• Assurez-vous que Qualité des données Gestion et Qualité des données La gouvernance de gestion est intégrée à la gouvernance des données.

6.0 Gouvernance – Programme de données et de gestion des données

Le volet « Gouvernance – Données et gestion des données » du programme est un ensemble de capacités qui codifient la structure, les lignes d'autorité, les rôles et les responsabilités, le protocole d'escalade, politique et des normes, des procédures de conformité et des routines pour la gestion et la facilitation des processus au sein des fonctions de gestion des données. Ceci garantit une prise de décision éclairée à tous les niveaux de l'organisation.

• Établir un fonction de gouvernance des données.
• Concevoir et mettre en œuvre des processus et des outils durables pour la gouvernance des données, permettant ainsi de maintenir une activité normale.
• Définir clairement les rôles, les responsabilités et les obligations des ressources en matière de gouvernance des données.
• Mettre en place une structure de gouvernance des données avec des responsabilités claires en matière d'autorité et de prise de décision., partie prenante engagement, supervision, utilisation éthique des données et résultats.
• Gestion des problèmes de suivi (données, gouvernance des données, gestion des données).
• Créer et maintenir des politiques, des normes, des règles et des procédures de gestion des données.
• Surveiller le respect des politiques, des normes, des règles et des procédures.
• Veiller à ce que la gouvernance des données soit alignée et collabore avec les autres fonctions pertinentes de gestion des données.

7.0 Opérations de gestion des données, risques et contrôle

Le volet « Gestion des données, exploitation, risques et contrôle » regroupe les fonctionnalités qui constituent un environnement de gestion des données permettant de superviser et de contrôler les actifs de données d'une organisation. Il intègre des pratiques de cycle de vie cohérentes, la gestion des risques et des contrôles liés aux données, et requiert la collaboration, la responsabilisation et l'alignement sur les objectifs stratégiques de l'organisation.

• Mettre en place des pratiques cohérentes en matière de cycle de vie du développement des données afin de permettre un environnement de gestion des données durable et conforme aux pratiques habituelles.
• Harmoniser les ressources humaines, les processus, les technologies et les pratiques de gestion des données au sein de l'organisation afin de parvenir à un écosystème de données cohérent et de bout en bout.
• Alignez la gestion des données avec la gestion globale des risques de l'organisation afin d'établir une approche et un plan de gestion des risques liés aux données.

8.0 Gestion analytique

La gestion des données analytiques est un élément essentiel de la gestion des données. Elle regroupe les capacités nécessaires pour structurer et gérer les activités analytiques d'une organisation. Ces capacités alignent la gestion des données analytiques sur la gestion des données afin de répondre aux priorités métiers et fonctionnelles. Elles couvrent la culture, les compétences, la plateforme et la gouvernance requises pour permettre à l'organisation de tirer pleinement profit de l'analytique.

• Élaborer une stratégie analytique alignée sur la stratégie commerciale globale.
• Veillez à ce que la stratégie analytique soit alignée sur la stratégie de gestion des données.
• Mettre en place la gestion analytique fonction.
• Garantir une responsabilité claire concernant les analyses créées et leur utilisation au sein de l'organisation.
• Collaborer avec la gestion des données pour aligner l'analyse avec l'ensemble des données. DCAM composants, notamment Architecture des données et Qualité des données Gestion.
• Mettre en place une plateforme analytique offrant flexibilité et contrôle pour répondre aux besoins des différents partie prenante rôles dans l'analyse Modèle opérationnel.
• Concevoir et déployer une gouvernance efficace du cycle de vie de l'analyse des données, incluant des points de contrôle pour modèle Examens, tests, approbations, documentation, plans de mise en production, surveillance et examen régulier des processus, ajustements et mises hors service. Surveiller le respect des politiques, normes, règles et procédures.
• S'assurer qu'Analytics respecte les directives établies en matière de confidentialité, d'éthique des données et de conformité réglementaire., modèle biais et modèle Exigences et contraintes d'explicabilité.
• Gérer les activités de changement culturel et de formation nécessaires pour soutenir la stratégie analytique.

Cas d'utilisation de DCAM

DCAM a de multiples usages au sein d'une organisation :

• En tant que cadre
• En tant qu'outil d'évaluation
• En tant que référence du secteur

DCAM en tant que cadre

Lorsqu'une organisation adopte le standard DCAM Ce cadre introduit offre une manière cohérente de comprendre et de décrire la gestion des données. DCAM Il s'agit d'un cadre de capacités requis pour une initiative globale de gestion des données, présenté comme un paradigme de bonnes pratiques. DCAM contribue à accélérer le développement de l'initiative de gestion des données et à la rendre opérationnelle. DCAM Cadre:

• Fournit un cadre de gestion des données commun et mesurable
• Établit un langage commun pour la gestion des données
• Traduit l'expertise sectorielle en normes opérationnelles
• Exigences en matière de gestion des données documentaires
• Propose des artefacts fondés sur des preuves

DCAM comme outil d'évaluation

Pour utiliser efficacement DCAM L'utilisation d'un outil d'évaluation nécessite la définition des objectifs et de la stratégie d'évaluation, la planification de la gestion de l'évaluation et une formation adéquate des participants afin d'établir une compréhension de base de l'évaluation. DCAM Cadre.

Les résultats de l'évaluation traduisent la pratique de la gestion des données en une mesure objective. Les avantages qu'une organisation peut tirer d'une telle évaluation sont les suivants :

• Mesure de référence des capacités de gestion des données au sein de l'organisation par rapport à un secteur d'activité standard
• Mesure quantifiable des progrès réalisés par l'organisation pour opérationnaliser les capacités requises
• Identification des lacunes en matière de gestion des données afin d'établir une feuille de route priorisée pour les développements futurs, en adéquation avec les besoins métiers de l'organisation en matière de données et de gestion des données.
• Une attention particulière a été portée aux besoins de financement de l'initiative de gestion des données.

DCAM comme référence du secteur

L'EDM Association réalise des études comparatives du secteur de la gestion des données tous les deux à trois ans (au moment de la publication du présent document, en 2015, 2017, 2020 et 2023). Chaque étude comparative repose sur les capacités définies dans DCAM et peut donc être utilisé dans une analyse comparative pour les organisations menant une DCAM évaluation.

La norme sectorielle ne se limite pas aux organisations qui utilisent DCAM. L'apport d'un plus large éventail de professionnels du secteur de la gestion des données permet d'avoir une vision plus complète de l'état de ce secteur.

Guide de notation DCAM

Le guide de notation utilisé tout au long de la série DCAM Voici comment cela fonctionne. Cet outil vise à évaluer le stade d'acquisition des compétences. Il ne s'agit pas d'une évaluation de la maturité ou de l'étendue de l'application des compétences par une organisation. Le score est volontairement pair afin d'obliger l'évaluateur à faire un choix éclairé et d'éviter la tentation de sélectionner le point médian de l'échelle.

Tableau 0.5 : DCAM Guide de notation

Comment utiliser ce document – Anatomie du DCAM

Le DCAM est organisé en sept composants principaux et un composant optionnel. Chaque composant est précédé d'une définition expliquant sa nature, son importance et son rôle dans la gestion globale des données. processus. Ces définitions sont destinées aux dirigeants d'entreprise et opérationnels afin de démystifier la gestion des données. processus. Les composants principaux sont organisés en 28 capacités et 79 sous-capacités, et les composants optionnels en 6 capacités et 21 sous-capacités. Les capacités et sous-capacités constituent l'essence même du système. DCAM Cadre de référence. Il définit les objectifs de la gestion des données de manière concrète et établit les exigences opérationnelles nécessaires à une gestion durable des données. Enfin, chaque sous-capacité est associée à un ensemble de critères de mesure. Ces mesures servent à évaluer votre démarche de gestion des données.

• Composant – un domaine logique de compétences en gestion des données ; utilisé comme outil de référence par les professionnels des données chargés de l’exécution des activités au sein de ce domaine
  • Introduction - Contexte général du composant ; utilisé comme base de référence pour permettre aux spécialistes des données de mieux comprendre le composant.
    • Définition – Description formelle du composant ; utilisée pour faciliter la compréhension et le langage communs en matière de gestion des données
    • Portée – un ensemble d'énoncés visant à définir les limites de ce qui est inclus dans le composant ; utilisé pour comprendre et communiquer des limites raisonnables
    • Proposition de valeur – un ensemble d’énoncés visant à identifier la valeur commerciale de la mise en œuvre du composant de gestion des données ; utilisé pour éclairer les différentes analyses de rentabilité du développement de l’initiative de gestion des données
    • Aperçu – un contexte et une analyse plus détaillés, à un niveau pratique, afin de comprendre la mise en œuvre opérationnelle requise pour une gestion durable des données ; utilisés comme guide par les spécialistes des données concernés.
    • Questions fondamentales – des questions de haut niveau mais approfondies ; utilisées pour orienter l'exploration du composant de gestion des données
    • Artefacts principaux - Éléments nécessaires au bon fonctionnement du composant ; utilisés comme référence et pour renvoyer vers les ressources de bonnes pratiques disponibles.
• Capacité – une spécification relative à la capacité d'effectuer une tâche particulière fonction utilisé comme outil de référence par les spécialistes des données responsables de l'exécution des activités
  • Description - Brève explication synthétique des sous-capacités requises pour atteindre la capacité visée ; utilisée dans l’évaluation processus informer le répondant de la portée de ce qu'il évalue
  • Description - Brève explication synthétique des sous-capacités requises pour atteindre la capacité visée ; utilisée dans l’évaluation processus informer le répondant de la portée de ce qu'il évalue
• Sous-capacité – une spécification de tâche nécessaire à la réalisation satisfaisante d'une capacité spécifique ; utilisée comme outil de référence par les spécialistes des données responsables de l'exécution des activités
  • Description - Objectifs ou résultats escomptés de la mise en œuvre de la sous-capacité ; utilisés comme base pour définir les exigences relatives à la gestion des données processus conception
  • Objectif - Contexte général du composant ; utilisé comme base de référence pour permettre aux spécialistes des données de mieux comprendre le composant.
  • Conseil - un aperçu plus détaillé mais informel des meilleures pratiques comment exécuter la sous-capacité dans une perspective d'audit ; utilisée par le spécialiste des données
  • Questions - Demandes d'informations directes sur l'état actuel de la capacité/sous-capacité ; utilisées par le spécialiste des données pour éclairer l'évaluation du score
  • Artefacts - Éléments requis ou preuves de conformité ; utilisés à des fins d’évaluation et d’audit, et pour accéder aux ressources de bonnes pratiques disponibles.
  • Score - Informations permettant de définir un score d'évaluation ; utilisées lors de la réalisation d'un questionnaire d'évaluation

Quelles sont les mesures du DCAM ?

• Préparation: Le niveau de capacité de l'organisation à exercer une compétence spécifique (Non initiée, Conceptuelle, En développement, Définie, Réalisée et Améliorée)

Ce que DCAM ne mesure pas

• Compétence: Une mesure de la performance de l'organisation dans la réalisation des objectifs énoncés
• Maturité: La mesure de la capacité de l'organisation à intégrer les compétences en gestion des données dans un périmètre défini, permettant d'atteindre durablement ses objectifs

Glossaire de l'activité DCAM

L'Association EDM a développé un DCAM Glossaire d'affaires, qui contient environ 250 systèmes de gestion de données terme noms et définitions. DCAM La version 3.1 applique ces termes de manière uniforme dans l'ensemble du document. Lorsqu'un terme est défini dans le glossaire, il est indiqué en italique et souligné dans le texte.

Glossaire des acronymes

Résumé des notes de version de DCAM

DCAM v3.1 – Juillet 2025

Le DCAM La version 3.1 est considérée comme une majeur Cette version se distingue par des changements structurels. Elle inclut de nouvelles fonctionnalités, des améliorations et des mises à jour des fonctionnalités de la version 2, ainsi que des déplacements et une consolidation de certaines fonctionnalités au sein de l'ensemble de l'architecture. modèle. Toutefois, la structure de base du cadre, composée de composants, de capacités et de sous-capacités, ainsi que le système de notation associé, restent inchangés. modèle La structure reste cohérente. Cela permet aux consommateurs de DCAM pour faire correspondre leurs évaluations v2.2 à DCAM v3.1.

L'objectif est qu'il n'y ait pas de changement structurel. DCAM plus d'une fois tous les 24 mois, ce qui correspondra au cycle biennal de mise à jour des données de référence du secteur. Entre deux mises à jour majeures, il est possible qu'une ou plusieurs mises à jour soient effectuées. mineure Les mises à jour ne seront pas effectuées plus d'une fois tous les six mois. Une mise à jour mineure peut inclure des modifications de langue, des clarifications, l'harmonisation du glossaire et des améliorations de l'introduction aux composants ainsi que des références aux documents de bonnes pratiques EDMA. Les fautes d'orthographe et de grammaire mineures seront corrigées au fur et à mesure de leur découverte et ne feront pas l'objet d'une mise à jour officielle.

L'EDM Association assurera toujours le support de la version antérieure à la version majeure actuelle (v3.x). Autrement dit, la version 2.2 sera prise en charge jusqu'à la sortie de la version 3.2.

L'objectif de DCAM La mise à jour v3.1 comprend les éléments suivants :

• Modifications apportées aux composants du framework afin de mieux présenter un flux logique des fonctionnalités
• Introduction de nouveaux concepts impliquant des exigences en matière de données et de gestion des données
• Amélioration du contenu pour en accroître la clarté, la facilité d'utilisation et cohérence en matière de langue, de format et de style de présentation

Modifications apportées aux composants du framework

1.0 Stratégie de données, stratégie de gestion des données et analyse de rentabilité de la gestion des données

• Clarification des concepts de stratégie de données (contenu et utilisation des données en fonction des besoins de l'entreprise) et de stratégie de gestion des données (comment la gestion des données soutiendra la stratégie de données).
• Les exigences en matière de données métier ont été intégrées dans une fonctionnalité autonome afin d'éliminer les doublons.

2.0 Programme de gestion des données et financement

• Clarification des concepts de financement et de plan de financement pour la gestion des données
• Consolidé partie prenante Intégrer les concepts d'engagement dans les feuilles de route de la gestion des données
• Introduction d'une nouvelle fonctionnalité : Gestion des changements et activation des données
• Introduction d'une nouvelle fonctionnalité : les communications de gestion des données
• Concept de programme de formation pour une nouvelle composante

3.0 Architecture – Métier, Données et Technologie (composante révisée)

• Combiné DCAM Composants v2, 3.0 Entreprise & Architecture des données et 4.0 Données & Architecture technologique ensemble, en mettant l'accent sur l'importance de la collaboration entre ces disciplines

4.0 Connaissance des données d'entreprise (nouveau composant et contenu)

• Introduction de trois nouvelles fonctionnalités : 4.1 Programme de formation aux données, 4.2 Glossaire d'affaires et 4.3 Gestion des métadonnées

5.0 Gestion de la qualité des données

• Mises à jour générales et clarifications concernant l'ensemble du composant
• Réorganisation de certaines capacités et sous-capacités pour présenter un ordre plus logique

6.0 Gouvernance – Programme de données et de gestion des données

• Capacité consolidée pour politique et les normes dans une seule sous-capacité, éliminant ainsi la redondance et les conflits avec le système de notation modèle
• Restructuration des fonctionnalités “ Gouverner les données ” (v2 6.4, 6.5 et 6.6) afin de se recentrer sur les données gouvernées et sur les éléments auxquels elles sont soumises (par exemple, les exigences, l’utilisation, l’accès, etc.)., politique, normes)

7.0 Opérations de gestion des données, risques et contrôle

• Mise à jour incluant les opérations de gestion des données, dont trois nouvelles sous-fonctionnalités : cycle de vie du développement des données, approche des exigences en matière de données et gestion des fournisseurs de données
• Mise à jour du risque lié aux données en tant que capacité

8.0 Gestion analytique

• Consolidated v2 8.4 Analytics est aligné sur Qualité des données dans v3 3.1.
• Mise à jour v2 8.7 consolidant plusieurs sous-capacités et recentrant la capacité sur l'éducation et la gestion du changement dans v3 8.6.
• Il a été précisé que cette composante est facultative pour une évaluation. Pour être considérée comme complète, elle doit être prise en compte. DCAM L’évaluation doit inclure les composantes 1.0 à 7.0. Les organisations peuvent choisir d’inclure la composante 8.0 si elles souhaitent évaluer leurs pratiques analytiques. Cependant, il est déconseillé d’évaluer la composante 8.0 isolément, car elle vise à évaluer la qualité de l’alignement et de la collaboration entre les fonctions de gestion et d’analyse des données au sein de l’organisation.

Introduction de nouveaux concepts

DCAM La version 3.1 a introduit huit nouveaux concepts et a jeté les bases des ajouts futurs à DCAM. Les huit nouveaux concepts qui ont été ajoutés en tant que capacités ou sous-capacités dans le modèle sont:

• Gestion des données, changement et activation
• Communications de gestion des données
• Éducation aux données
• Glossaire d'affaires
• Gestion des métadonnées
• Cycle de vie du développement des données
• Gestion des fournisseurs de données
• Gestion des exigences en matière de données

Ces concepts supplémentaires, associés aux meilleures pratiques existantes, constituent la base des améliorations à venir, telles que la culture des données, prévues pour les prochaines versions.

Améliorations du contenu

• Évaluation de la redondance et de l'incohérence - Dans DCAM v2, plusieurs cas ont été identifiés où la redondance ou l'incohérence rendaient modèle potentiellement source de confusion ou obligeant les évaluateurs à l'interpréter subjectivement. Pour remédier à ces problèmes et garantir un examen complet, le DCAM v3 Fonctionnel Groupe ont mené une analyse approfondie de modèle’les capacités et sous-capacités de l'entreprise liées au cadre de notation. Par conséquent, des zones d'ombre ont été levées, ce qui a permis de rationaliser et de clarifier le processus. modèle pour favoriser une interprétation plus cohérente.
• De nouveaux termes ont été ajoutés à la gestion des données. Glossaire d'affaires - Parallèlement à la réécriture et aux mises à jour de DCAM document-cadre, le DCAM v3 Fonctionnel Groupe et les équipes ont identifié de nouveaux termes ou mis à jour des termes contenus dans la gestion des données de l'association EDM Glossaire d'affaires (DMBG). Le DMBG est disponible sur le portail de connaissances des membres de l'EDMA., Glossaire métier de la gestion des données – Portail de connaissances EDMA. Dans ce document, les termes figurant dans le DMBG sont soulignés et mis en italique dans le texte.