Introduction

Le Modèle d'évaluation des capacités de gestion des données définit l'étendue des capacités requises pour établir, activer et maintenir une discipline de gestion des données mature. Il aborde les stratégies, les structures organisationnelles, la technologie et les meilleures pratiques opérationnelles nécessaires pour mener à bien la gestion des données. Il aborde les principes de la gestion des données sur la base d'une compréhension de la valeur commerciale combinée à la réalité de la mise en œuvre opérationnelle.

Vue d'ensemble

Pourquoi la gestion des données est-elle importante ?

La gestion des données est une capacité essentielle pour toute organisation qui s'efforce de devenir centrée sur les données et de construire un avenir fondé sur les données. Pour ceux qui ne connaissent pas encore ce concept, cette introduction donne un aperçu de ce qu'implique la gestion des données, ainsi que des tendances clés du secteur, telles que le rôle croissant de l'intelligence artificielle.

Au fond, la gestion des données vise à garantir que les données sont de haute qualité, bien gouvernées et fiables, afin de soutenir les opérations commerciales, la prise de décision et la conformité. Alors qu'elle était traditionnellement motivée par des besoins défensifs tels que les exigences réglementaires, la gestion des données joue aujourd'hui un rôle de plus en plus offensif en aidant les organisations à réduire les coûts, à améliorer l'efficacité opérationnelle et à dégager de la valeur grâce à l'analyse des données.

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

À l'avenir, les progrès des technologies de données, y compris toutes les formes d'IA, promettent de remodeler et d'automatiser les processus d'infrastructure de base, y compris la gestion des données elle-même. Avec la croissance exponentielle des volumes de données, la gestion évolutive et automatisée des données deviendra une nécessité, fondée sur des principes fondamentaux solides.

Diagramme 0.1 : Construire un avenir fondé sur les données

Quels sont les facteurs de changement en matière de gestion des données ?

Depuis la sortie de DCAM v2, plusieurs changements significatifs et considérations émergentes ont remodelé le paysage de la gestion des données. L'un des changements les plus importants est l'évolution rapide de l'intelligence artificielle. Les organisations de tous les secteurs réagissent de diverses manières à l'explosion des capacités d'intelligence artificielle et à l'augmentation de la puissance de calcul. Bien que les implications à long terme pour la gestion des données restent incertaines, des domaines clés tels que la découvrabilité, la provenance et la confiance des données s'avèrent déjà essentiels pour soutenir l'analyse avancée. La mise en œuvre de l DCAM continuent d'offrir 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 reste une autre force majeure dans l'évolution de la gestion des données. A l'origine, la crise financière mondiale de 2007-2008 et les inquiétudes qui en ont découlé pour la sécurité des données ont mis en évidence la nécessité d'une réglementation. la qualité des données, Depuis, la gestion des données a dépassé le stade de la conformité pour se concentrer sur la création de valeur pour l'entreprise. Cependant, le regain d'intérêt pour la réglementation, en particulier en ce qui concerne l'agrégation des données sur les risques, a entraîné une augmentation de la demande de données, la sécurité des données et la vie privée, l'accès éthique aux données, leur utilisation et leurs résultats, y compris l'IA, exigent une vigilance constante de la part des leaders en matière de données.

Une tendance notable est que l'analytique ne se contente plus de consommer des données, mais en génère également de nouvelles, souvent de manière automatique. Ces données, qu'elles soient créées par l'apprentissage automatique, la formation de grands modèles de langage, l'analyse prédictive ou d'autres pratiques d'intelligence artificielle, doivent toujours adhérer à la gestion des données et à l'approche de l'intelligence artificielle. la qualité des données normes. DCAM Les meilleures pratiques restent pleinement applicables dans tous ces domaines, ce qui garantit une gouvernance et une intégrité cohérentes.

Alors que les volumes de données continuent de croître et que les équipes de gestion des données sont de plus en plus sollicitées, les processus manuels deviennent insoutenables. La gestion des données “à l'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 des architectures innovantes, telles que le tissu de données, le maillage de données, les modèles à grand langage et à petit langage, le traitement des données en temps réel, métadonnées et les outils de libre-service de données, offrent des possibilités de rationaliser et d'automatiser les activités de gestion des données. 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, et même l'éducation et la formation en matière de données et de gestion des données. Il est essentiel que toutes les avancées soient classées par ordre de priorité en fonction de leur capacité à apporter une valeur mesurable à l'organisation.

Le partage et le libre-service des données gagnent également du terrain, grâce aux technologies émergentes qui permettent d'échanger simultanément des données et des informations. métadonnées l'accès à la fois par les humains et les machines. Ce double accès modèle pourrait devenir un objectif central dans l'amélioration de la facilité d'utilisation et de l'accessibilité des données.

Enfin, l'éthique des données a évolué pour devenir une exigence fondamentale en matière de données. Cette évolution souligne la nécessité d'aligner les capacités de gestion des données sur le cadre éthique de l'organisation en ce qui concerne l'accès, l'utilisation et la consommation des données, ainsi que la prise en compte de leurs résultats. Les Chief Data Officers doivent veiller à ce que les considérations éthiques soient intégrées dans tous les aspects de la gestion des données et à ce que les données soient traitées de manière réfléchie dans le cadre des valeurs plus larges de l'organisation.

Défis pour la gestion des données

La gestion des données est confrontée à une série de défis complexes et persistants qui nécessitent une vision stratégique, un leadership et un engagement organisationnel soutenu. L'un des obstacles les plus importants est l'ampleur et la complexité des données existantes, qui sont souvent tentaculaires et fragmentées. Pour résoudre ces problèmes, il faut un soutien fort de la part de la haute direction, une allocation budgétaire adéquate et un soutien visible à une stratégie claire en matière de données, à une stratégie de gestion des données définie, à un système de gestion des données et à un système de gestion de l'information. modèle de fonctionnement, et une proposition de valeur convaincante.

Parce que les programmes de gestion des données doivent être permanents et durables, les organisations de gestion des données doivent gérer soigneusement les attentes, en particulier 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, mais nombre d'entre eux échouent en raison d'un manque de capacités humaines à tous les niveaux de l'organisation. Il s'agit notamment d'un soutien insuffisant de la part des dirigeants, d'une faible habilitation au changement et d'un manque d'engagement à l'égard des meilleures pratiques en matière de rôle des données, de responsabilité et de partage des données au sein de l'organisation.

Un écosystème de données durable repose sur la participation active de tous les membres de l'organisation, qu'il s'agisse du personnel permanent ou temporaire. L'organisation chargée de la gestion des données doit donc cultiver une compréhension commune des responsabilités en matière de données et favoriser une culture des données positive et inclusive. Cependant, de nombreuses organisations sont confrontées à une fragmentation importante des données, où de grandes quantités de données sont fournies par des centaines de sources internes et externes, stockées dans des systèmes isolés, ou agrégées de manière informelle avec une visibilité ou un contrôle des données limités. Cette situation entraîne de nombreux défis en matière de données, notamment des données qui ne sont pas fiables, qui ne sont pas complètes ou qui nécessitent un mappage complexe, des références croisées et un rapprochement des données.

Parallèlement, il est nécessaire de comprendre les processus opérationnels existants et de démystifier les environnements de données extrêmement complexes. Les organisations de gestion des données doivent se concentrer sur la fourniture d'une valeur incrémentale et mesurable plutôt que sur la poursuite d'objectifs trop ambitieux ou d'une perfection inatteignable. Le développement de partenariats essentiels, en particulier avec les entreprises, les technologies et les fonctions d'architecture associées, peut rencontrer des résistances, mais la collaboration et le consensus ne sont pas négociables pour une conception et une mise en œuvre efficaces des solutions de données.

Un autre défi de taille consiste à s'aligner sur la signification commerciale des données dans leur contexte d'utilisation. Parvenir à un accord sur la terminologie et la gouvernance processus Il peut s'avérer particulièrement difficile de maintenir les définitions, surtout lorsque les applications commerciales essentielles reposent sur plusieurs systèmes existants. Plutôt que d'appliquer une convention de dénomination universelle, une approche plus pratique consiste à harmoniser les définitions de données sur la base de significations légales, contractuelles ou commerciales. Il est également plus efficace de se concentrer sur une définition claire des concepts commerciaux, sur la documentation de la logique de transformation et sur la capture des relations réelles entre les données. Une fois ces bases établies, les systèmes, glossaires, dictionnaires et référentiels existants peuvent être recoupés pour parvenir à une compréhension commune.

L'établissement d'un cadre de risque et de contrôle des données qui s'aligne sur la stratégie plus large de gestion des risques de l'organisation est une autre tâche vitale mais complexe. Il s'agit de créer et d'appliquer un cadre cohérent de gestion des risques liés aux données. taxonomie. En outre, les organisations doivent faire face à 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 juridiques, réglementaires et de protection de la vie privée, et nécessite souvent des outils avancés pour identifier et supprimer les données périmées ou inappropriées

Enfin, l'application des principes de propriété et de responsabilité des données peut constituer un changement culturel difficile à mettre en œuvre lorsque les concepts sont nouveaux et mal compris. Une adoption réussie exige une communication soutenue, des programmes de formation solides et un soutien visible de la part des dirigeants afin d'intégrer ces principes dans l'ensemble de l'organisation.

Pourquoi ai-je besoin de la gestion des données ?

La gestion des données est essentielle parce que les données sont un actif fondamental qui alimente les capacités commerciales, 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 tous les membres de l'organisation comprennent leur 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 l'ensemble de l'organisation. L'organisation de la gestion des données, souvent dirigée par un Directeur des données, L'organisation de gestion des données est responsable de la mise en place d'un écosystème de données collaboratif et efficace, dans lequel les individus comprennent à la fois leurs propres responsabilités en matière de données et la manière dont leurs rôles interagissent avec d'autres. Pour ce faire, l'organisation de gestion des données doit mettre en place une stratégie, des rôles, une gouvernance et une communication adaptés, ainsi qu'un système de gestion des données solide. architecture des données de la fondation. Cependant, bien qu'elle supervise et orchestre l'écosystème des données, l'organisation de gestion des données n'est pas la seule propriétaire ou experte de toutes les données. Cette responsabilité incombe aux équipes commerciales qui créent, transforment et utilisent les données quotidiennement. Sans une gestion coordonnée des données, les organisations risquent la fragmentation, où une terminologie incohérente, des définitions vagues et des modèles de données isolés provenant de systèmes distincts conduisent à la confusion, à l'inefficacité et à la perte de valeur.

L'utilisation d'un cadre tel que DCAM fournit une base structurée et reconnue par l'industrie pour établir et évaluer les pratiques de gestion des données. DCAM définit ce à quoi ressemble une gestion des données fondée sur les meilleures pratiques, en offrant une vue d'ensemble des capacités nécessaires pour gérer efficacement les données, sans prescrire exactement comment chaque organisation devrait mettre en œuvre ces capacités. Elle aide les organisations à élaborer une approche cohérente et durable de la gouvernance, de la qualité et de la stratégie des données, tout en restant adaptable à l'évolution des technologies et des demandes du secteur, telles que l'essor de l'intelligence artificielle. En utilisant DCAM, Les organisations peuvent comparer leurs pratiques de gestion des données, identifier les lacunes et donner la priorité aux améliorations, ce qui permet en fin de compte une utilisation plus fiable, plus responsable et plus utile des données dans l'ensemble de l'organisation. entreprise.

DCAM : Un cadre pour la gestion durable des données

Un ensemble complexe de capacités de gestion des données est nécessaire pour mettre en place un environnement de contrôle des données. L'environnement de contrôle des données nécessite un ensemble complexe de capacités de gestion des données. Modèle d'évaluation des capacités de gestion des données est un cadre pour la mise en œuvre d'une gestion des données solide et durable. fonction. Il s'agit également d'un outil essentiel pour l'évaluation et l'étalonnage continus des capacités de gestion des données d'une organisation.

Diagramme 0.2 : DCAM Le cadre

Le DCAM Le cadre de gestion des données comprend sept composantes essentielles et une composante optionnelle. Le premier élément, la stratégie des données, la stratégie de gestion des données et l'analyse de rentabilité de la gestion des données, et le deuxième élément, le programme de gestion des données et le financement, sont les suivants
Le programme est un élément fondamental pour les cinq autres composantes essentielles.

Les quatre composantes essentielles suivantes de la DCAM Cadre, architecture - entreprise, données et technologie, connaissance des données de l'entreprise, Qualité des données La gestion et la gouvernance des données et le programme de gestion des données sont les composantes de l'exécution.

La dernière composante essentielle est l'activité de collaboration, la gestion des données, des opérations, des risques et du contrôle. C'est ici que les composantes d'exécution sont mises en œuvre par l'équipe de gestion des données. producteur de données pour contrôler un ensemble défini de données et les mettre à la disposition des consommateurs de données à un moment donné, 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.

La huitième composante, la gestion de l'analyse, est facultative et pertinente lorsqu'une organisation souhaite évaluer les capacités du système d'analyse. fonction ainsi que la gestion des données. Cette composante comporte 6 capacités et 21 sous-capacités.

DCAM : Le champ d'application des huit composantes

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

Les composantes Stratégie des données, Stratégie de gestion des données et Analyse de rentabilisation de la gestion des données définissent la manière dont les données et les capacités de gestion des données sont liées aux objectifs opérationnels de haut niveau et intégrées dans les opérations de l'organisation. Il articule la valeur et la vision à long terme des données, les capacités de gestion des données et identifie les parties prenantes qui doivent être alignées pour atteindre les objectifs commerciaux de l'organisation avec les données.

• Établir et maintenir une stratégie de données documentée, spécifiant le contenu et l'utilisation des données, ainsi que la stratégie de gestion des données nécessaire pour soutenir l'entreprise, en s'appuyant sur les éléments suivants DCAM d'articuler les capacités de gestion des données.
• Aligner la stratégie des données et la stratégie de gestion des données sur la stratégie, les objectifs et les priorités de l'entreprise, y compris la hiérarchisation des données en fonction de leur criticité pour l'entreprise.
• S'engager avec les principales parties prenantes à articuler et à 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.
• Hiérarchiser les objectifs de la stratégie de gestion des données et établir une feuille de route et un calendrier de mise en œuvre.
• Établir la justification et la logique commerciale de la gestion des données par le biais de l'initiative globale de gestion des données de l'organisation. Les analyses de rentabilité doivent mettre en évidence la valeur des données et préconiser l'investissement dans les capacités de gestion des données, qu'il s'agisse de projets d'amélioration ou d'opérations et de pratiques permanentes.

2.0 Programme de gestion des données et financement

La composante "Programme de gestion des données et financement" est un ensemble de capacités permettant de gérer l'organisation de la gestion des données. Ces structures organisationnelles comprennent les exigences en matière de ressources et une gamme complète d'outils de gestion des données. Bureau de gestion des programmes des activités telles que l'exécution de la gestion du programme, partie prenante la gestion du financement, les activités de changement, la communication, la formation et la mesure des performances. Le financement Modèle Le programme de gestion des données est conçu pour fournir le mécanisme permettant d'assurer l'allocation des capitaux nécessaires à la mise en œuvre du programme, à son succès à long terme, ainsi qu'à son maintien et à son adoption. Il définit et décrit également les méthodologies utilisées pour mesurer à la fois les coûts et les avantages de l'initiative de gestion des données pour l'ensemble de l'organisation.

• Établir un programme de gestion des données fonction pour mettre en œuvre la Bureau de gestion des programmes au sein de l'organisation de gestion des données.
• Faciliter la conception et la mise en œuvre de processus et d'outils durables de gestion des données dans l'ensemble des composantes et de leurs capacités.
• Établir les rôles et les responsabilités liés aux capacités de gestion des données qui s'alignent sur la structure organisationnelle et les mettre en œuvre dans une organisation de gestion des données.
• Définir le financement Modèle, Il s'agit d'assurer et de contrôler le financement, et d'instituer un suivi des coûts et des avantages en fonction de l'analyse de rentabilisation.
• Établir la feuille de route de l'exécution de la gestion des données avec des plans de projet à l'appui pour s'appuyer sur la feuille de route de haut niveau de la stratégie de gestion des données.
• Engager chaque partie prenante dans l'ensemble de l'écosystème des données, en fonction de leur rôle dans l'alignement des ressources, le financement, la communication, la formation et le développement des compétences.
• Gérer l'initiative de gestion des données en surveillant et en diffusant les indicateurs de performance de la gestion des données.
• Veiller à ce que la gouvernance du programme de gestion des données soit intégrée dans la structure de gouvernance des données et dans le système de gestion des données. processus.
• Identifier les rôles et responsabilités de l'organisation et développer des activités d'engagement pour soutenir les stratégies/objectifs de gestion des données.
• Développer les capacités de communication et de gestion du changement de la gestion des données afin d'influencer le comportement et le changement culturel à l'échelle de l'organisation.

3.0 Architecture - Affaires, données et technologie

Le volet Architecture - métier, données et technologie se concentre sur la mise en place d'une architecture intégrée comme fondement des meilleures pratiques en matière de gestion des données. La collaboration entre les architectures d'entreprise, de données et de technologie est essentielle pour atteindre les objectifs de l'entreprise.

• Établir une architecture politique et des normes pour guider les entreprises, les données et les architecture technologique comme base de la gestion des données dans l'ensemble de l'organisation.
• Établir la feuille de route pour des processus d'architecture structurés et intégrés (entreprise, données et technologie) afin de soutenir l'exécution de la gestion des données dans l'ensemble de l'organisation.
• Assurer l'alignement de la gestion des données sur l'activité, les données et l'environnement. architecture technologique, et la stratégie.
• Concevoir et mettre en œuvre des architecture des données avec la collaboration nécessaire pour répondre aux exigences en matière de données et de gestion des données, telles qu'elles sont définies dans les résultats de l'évaluation de l'impact sur l'environnement. architecture d'entreprise processus.
• Établir le architecture des données approche de la définition et de la conception architecture des données pour atteindre les objectifs de l'entreprise et répondre à ses besoins en matière de 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.
• Veiller à ce que Architecture d'entreprise, Architecture des données et Architecture technologique est intégrée dans les structures de gouvernance des données et alignée sur les activités de gouvernance commerciale et technologique.

4.0 Connaissance des données commerciales

Business Data Knowledge traite des méthodes et des pratiques permettant de développer et de maintenir en permanence la connaissance des données d'une organisation et la compréhension partagée de ses données. Le résultat souhaité est un écosystème de données unique soutenant une culture de données positive adoptée par les employés de l'organisation. employés, Chacun d'entre eux doit avoir une compréhension claire de sa propre responsabilité et de celle des autres en ce qui concerne les données.

• Mettre en place un programme formel d'éducation et de formation à la gestion des données.
• Collaborer avec les parties prenantes de la gestion des données afin de concevoir et de mettre en œuvre des processus durables pour définir des termes commerciaux alignés sur les principes de la gestion des données. Architecture des données les plans et les modèles.
• Mettre en place une gestion des métadonnées l'approche et le programme.
• Établir un répertoire permanent d'informations et de données accessibles par l'Agence européenne pour la sécurité et la santé au travail. entreprise.

5.0 Gestion de la qualité des données

Qualité des données La composante "gestion" englobe un ensemble de capacités permettant de mettre en œuvre les éléments suivants profilage des données, Ces capacités comprennent l'évaluation de la qualité en fonction de l'activité, l'élaboration de règles de contrôle de la qualité, la surveillance, la gestion des défauts, l'analyse des causes profondes et la résolution des problèmes liés aux données. Ces capacités permettent à l'organisation d'exécuter la 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 l'usage auquel elles sont destinées.

• Établir un Qualité des données Gestion fonction.
• Travailler avec la gestion des données Bureau de gestion des programmes concevoir et mettre en œuvre des processus et des outils de gestion durable pour Qualité des données Gestion.
• Exécuter Qualité des données Les processus de gestion par rapport aux données prioritaires de l'organisation, notamment profilage & classement, élaboration de règles, mesure continue, gestion des défauts, résolution des causes profondes, remédiation.
• Veiller à ce que Qualité des données Gestion et Qualité des données La gouvernance de la gestion est intégrée à la gouvernance des données.
• Veiller à ce que Qualité des données Gestion et Qualité des données La gouvernance de la gestion est intégrée à la gouvernance des données.

6.0 Gouvernance - Programme de gestion des données et des données

La composante "Gouvernance - Programme de gestion des données et des données" est un ensemble de capacités qui codifient la structure, les lignes d'autorité, les rôles et les responsabilités, le protocole d'escalade, politique et les normes, la conformité et les routines de gestion et de facilitation des processus dans les fonctions de gestion des données. Cela garantit une prise de décision faisant autorité 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.
• Définir clairement les rôles, les responsabilités et l'obligation de rendre compte des ressources en matière de gouvernance des données.
• Établir une structure de gouvernance des données avec une autorité claire et des responsabilités décisionnelles, partie prenante l'engagement, la surveillance, l'utilisation éthique des données et les résultats.
• Contrôler la gestion des problèmes (données, gouvernance des données, gestion des données).
• Créer et maintenir des politiques, des normes, des règles et des procédures de gestion des données.
• Contrôler le respect des politiques, des normes, des règles et des procédures.
• Veiller à ce que la gouvernance des données s'aligne et collabore avec d'autres fonctions pertinentes de gestion des données.

7.0 Gestion des données Opérations, risques et contrôle

La composante "Gestion des données - Exploitation, risques et contrôle" comprend des capacités qui forment un environnement de gestion des données permettant de superviser et de contrôler les actifs de données d'une organisation. Il intègre des pratiques cohérentes en matière de cycle de vie, de gestion des risques et des contrôles des données, et nécessite une collaboration organisationnelle, une responsabilisation et un alignement sur les objectifs stratégiques.

• Établir des pratiques cohérentes pour le cycle de vie du développement des données afin de permettre un environnement durable pour la gestion des données.
• Aligner les personnes, les processus, les technologies et les pratiques de gestion des données dans l'ensemble de l'organisation afin de mettre en place un écosystème de données cohérent de bout en bout.
• Aligner la gestion des données sur 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 des analyses

La composante "gestion analytique" fait partie intégrante de la gestion des données. Il s'agit d'un ensemble de capacités nécessaires pour structurer et gérer les activités d'analyse d'une organisation. Ces capacités permettent d'aligner la gestion de l'analyse sur la gestion des données afin de soutenir les priorités commerciales et fonctionnelles. Elles concernent la culture, les compétences, la plateforme et la gouvernance nécessaires pour permettre à l'organisation de tirer une valeur commerciale de l'analyse.

• Élaborer une stratégie d'analyse qui s'aligne sur la stratégie globale de l'entreprise.
• Veiller à ce que la stratégie d'analyse soit alignée sur la stratégie de gestion des données.
• Mise en place de la gestion analytique fonction.
• Assurer une responsabilité claire en ce qui concerne les analyses créées et leur utilisation dans l'ensemble de l'organisation.
• Travailler avec la gestion des données afin d'aligner les analyses sur l'ensemble des activités de l'entreprise. DCAM les composants, en particulier Architecture des données et Qualité des données Gestion.
• Mettre en place une plateforme d'analyse qui offre la flexibilité et les contrôles nécessaires pour répondre aux besoins des différents secteurs d'activité. partie prenante rôles dans le domaine de l'analyse Modèle de fonctionnement.
• Concevoir et déployer une gouvernance efficace sur le cycle de vie de l'analyse des données, y compris des points de contrôle pour modèle Les activités de l'entreprise comprennent les examens, les tests, les approbations, la documentation, les plans de mise en œuvre, le suivi et l'examen régulier des processus, les ajustements et le retrait de l'emploi.surveiller le respect des politiques, des normes, des règles et des procédures.
• Veiller à ce que le service d'analyse respecte les lignes directrices établies en matière de protection de la vie privée, d'éthique des données et de conformité réglementaire, modèle biais, et modèle les exigences et les contraintes en matière d'explicabilité.
• Gérer le changement culturel et les activités de formation nécessaires pour soutenir la stratégie d'analyse.

Cas d'utilisation du 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 pour l'industrie

Le DCAM en tant que cadre

Lorsqu'une organisation adopte le standard DCAM Ils introduisent une manière cohérente de comprendre et de décrire la gestion des données. DCAM est un cadre des capacités requises pour une initiative complète de gestion des données, présenté sous la forme d'un paradigme de meilleures pratiques. DCAM contribue à accélérer le développement de l'initiative de gestion des données et à la rendre opérationnelle. L'initiative DCAM Le cadre :

• Fournit un cadre commun et mesurable pour la gestion des données
• Établir un langage commun pour la gestion des données
• Traduire l'expertise sectorielle en normes opérationnelles
• Documents Exigences en matière de capacité de gestion des données
• Proposer des artefacts fondés sur des données probantes

Le DCAM en tant qu'outil d'évaluation

Pour utiliser efficacement DCAM en tant qu'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'outil d'évaluation. DCAM Le cadre.

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

• Mesure de référence des capacités de gestion des données de l'organisation par rapport à un secteur d'activité. standard
• Mesure quantifiable des progrès réalisés par l'organisation pour rendre opérationnelles les capacités requises
• Identification des lacunes dans les capacités de gestion des données afin d'établir une feuille de route prioritaire pour le développement futur, alignée sur les besoins de l'organisation en matière de données et de gestion des données.
• Attention particulière aux besoins de financement de l'initiative de gestion des données

DCAM, une référence dans l'industrie

L'EDM Association réalise des études comparatives sur la gestion des données tous les deux ou trois ans (au moment de la publication du présent document, en 2015, 2017, 2020 et 2023). Chaque étude comparative est basée sur les capacités définies dans le document DCAM et peut donc être utilisé dans le cadre d'une analyse comparative pour les organisations qui mènent une étude de marché. DCAM l'évaluation.

La référence sectorielle n'est pas limitée aux organisations qui utilisent les technologies de l'information et de la communication (TIC). DCAM. La contribution d'un plus grand nombre de praticiens de l'industrie de la gestion des données offre une meilleure perspective sur l'état de l'industrie de la gestion des données.

Guide de notation du DCAM

Le guide de notation utilisé tout au long de l'année DCAM est le suivant. Il est conçu pour évaluer la phase de réalisation des capacités. Il ne s'agit pas d'une évaluation de la maturité ou de l'étendue à laquelle une organisation a appliqué ses capacités. De par sa conception, la notation est un nombre pair afin d'obliger l'évaluateur à prendre une décision consciente et d'éviter la tendance à choisir le point médian de l'échelle de notation.

Tableau 0.5 : DCAM Guide de notation

Comment utiliser ce document - Anatomie du DCAM

Le DCAM est organisé en sept composantes principales et une composante optionnelle. Chaque composant est précédé d'une définition de ce qu'il est, de son importance et de son lien avec la gestion globale des données. processus. Ces définitions sont rédigées à l'intention des cadres commerciaux et opérationnels afin de démystifier la gestion des données. processus. Les composantes essentielles sont organisées en 28 capacités et 79 sous-capacités, et la composante optionnelle est organisée en 6 capacités et 21 sous-capacités. Les capacités et les sous-capacités sont les éléments essentiels de la DCAM Cadre. Elles définissent les objectifs de la gestion des données à un niveau pratique et établissent les exigences opérationnelles nécessaires à une gestion durable des données. Enfin, chaque sous-capacité est associée à un ensemble de critères de mesure. Les mesures sont utilisées pour évaluer votre parcours de gestion des données.

• Composant - un domaine logique de capacités de gestion des données ; utilisé comme outil de référence par les praticiens des données qui sont responsables de l'exécution des activités dans ce domaine
  • Introduction - contexte de haut niveau pour le composant ; utilisé comme base pour développer une compréhension du composant par les praticiens des données
    • Définition - description formelle du composant ; utilisée pour soutenir la compréhension et le langage communs en matière de gestion des données
    • Champ d'application - un ensemble d'énoncés établissant les garde-fous de ce qui est inclus dans le composant ; utilisé pour comprendre et communiquer des limites raisonnables
    • Proposition de valeur - un ensemble d'énoncés permettant d'identifier la valeur commerciale de la mise en œuvre de la composante de gestion des données ; ces énoncés sont utilisés pour étayer les diverses analyses de rentabilisation du développement de l'initiative de gestion des données
    • Vue d'ensemble - un contexte et une comptabilité plus détaillés à un niveau pratique pour établir une compréhension de l'exécution opérationnelle requise pour une gestion durable des données ; utilisés comme guide par les praticiens des données respectifs
    • Questions fondamentales - demandes de haut niveau mais approfondies ; utilisées pour diriger l'exploration du composant de gestion des données
    • Artefacts de base - éléments nécessaires à l'exécution du volet ; utilisés à titre de référence et pour renvoyer à des documents de bonnes pratiques lorsqu'ils sont disponibles.
• Capacité - la spécification d'une capacité à effectuer un travail particulier fonction utilisé comme outil de référence par les praticiens des données qui sont responsables de l'exécution des activités
  • Description - brève explication globale de ce qui est inclus dans les sous-capacités requises pour atteindre la capacité ; utilisée dans l'évaluation processus informer le répondant de l'étendue de ce qu'il évalue
  • Description - brève explication globale de ce qui est inclus dans les sous-capacités requises pour atteindre la capacité ; utilisée dans l'évaluation processus informer le répondant de l'étendue de ce qu'il évalue
• Sous-capacité - spécification d'une tâche requise pour exécuter de manière satisfaisante une capacité spécifique ; utilisée comme outil de référence par les praticiens des données qui sont responsables de l'exécution des activités.
  • Description - objectifs identifiés ou résultats souhaités de l'exécution de la sous-capacité ; ils servent de base à la définition des exigences en matière de gestion des données. processus conception
  • Objectif - contexte de haut niveau pour le composant ; utilisé comme base pour développer une compréhension du composant par les praticiens des données
  • Conseil - un aperçu plus détaillé mais décontracté des meilleures pratiques comment pour exécuter la sous-capacité dans une perspective de revue d'audit ; utilisée par le praticien des données
  • Questions - demandes d'interrogation directe de l'état actuel de la capacité/sous-capacité ; utilisées par le praticien des données pour donner un point de vue sur la notation de l'évaluation.
  • Artéfacts - Éléments requis ou preuves d'adhésion ; utilisés à des fins d'évaluation et de référence d'audit et pour établir un lien avec les documents de référence sur les bonnes pratiques, le cas échéant.
  • Notation - aperçu de la définition d'un score d'évaluation ; utilisé lors de la réalisation d'une enquête d'évaluation

Ce que mesure le DCAM

• Préparation: L'état de l'aptitude de l'organisation à mettre en œuvre une capacité donnée (non initiée, conceptuelle, en cours de développement, définie, réalisée et améliorée).

Ce que le DCAM ne mesure pas

• Compétence: Une mesure de la performance de l'organisation dans la réalisation des objectifs fixés.
• Maturité: La mesure de la capacité de l'organisation à intégrer les compétences en matière de gestion des données sur un périmètre spécifique qui permettra d'atteindre durablement ses objectifs.

Glossaire commercial DCAM

L'association EDM a développé un DCAM Glossaire commercial, qui contient ~250 données de gestion terme noms et définitions. DCAM v3.1 a appliqué ces termes de manière cohérente dans l'ensemble du document. Lorsque des termes sont définis dans le glossaire, le mot ou la phrase est mis en italique et souligné dans le texte.

Glossaire des acronymes

Résumé des notes de mise à jour du DCAM

DCAM v3.1 - Juillet 2025

Le DCAM La version v3.1 est considérée comme une version majeur en ce qu'elle comporte des changements structurels. Cette version comprend de nouvelles capacités, des améliorations et des mises à jour des capacités de la v2, ainsi qu'un certain nombre de déplacements et de consolidations de capacités dans le cadre de la modèle. Toutefois, la structure de base du cadre, composée de composantes, de capacités et de sous-capacités, et la notation qui lui est associée modèle restent cohérents. Cela permet aux consommateurs de DCAM de faire correspondre leurs évaluations v2.2 à DCAM v3.1.

L'objectif est qu'il n'y ait pas de changement structurel au niveau de l'administration de l'UE. DCAM plus souvent qu'une fois tous les 24 mois, ce qui correspondra au cycle de deux ans pour l'actualisation des données de référence de l'industrie. Entre deux versions majeures, il est possible qu'une ou plusieurs versions soient publiées. mineur au plus tard tous les six mois. Une version mineure peut inclure des modifications telles que la langue, la clarification, l'alignement du glossaire et l'amélioration de l'introduction du composant et de la référence aux documents relatifs aux meilleures pratiques de l'EDMA. Les fautes de grammaire ou d'orthographe seront corrigées si elles ne sont pas couvertes et ne constitueront pas une version formelle.

L'association EDM soutiendra toujours une version antérieure à la version majeure actuelle (v3.x). En d'autres termes, la version 2.2 sera prise en charge jusqu'à la sortie de la version 3.2.

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

• Changements apportés aux composants du cadre afin de mieux présenter le flux logique des capacités
• Introduction de nouveaux concepts qui ont des exigences en matière de données et de gestion des données
• Amélioration du contenu pour favoriser la clarté, la facilité d'utilisation et l'efficacité de l'information. cohérence dans la langue, le format et le style de présentation

Changements apportés aux composants du cadre

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

• Clarification des concepts de stratégie des 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 des données).
• Les exigences en matière de données commerciales ont été placées dans une capacité autonome afin d'éliminer les doubles emplois.

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 les concepts d'engagement dans les feuilles de route de gestion des données
• Introduction d'une nouvelle capacité, le changement et l'activation de la gestion des données
• Introduction d'une nouvelle capacité, la communication pour la gestion des données
• Concept de programme de formation à un nouveau composant

3.0 Architecture - Affaires, données et technologie (composante révisée)

• Combiné DCAM v2 composants, 3.0 Business & Architecture des données et 4.0 Data & Architecture technologique en mettant l'accent sur l'importance de la collaboration entre ces disciplines

4.0 Connaissance des données commerciales (nouveau composant et contenu)

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

5.0 Gestion de la qualité des données

• Mises à jour et clarifications générales dans l'ensemble du volet
• Réorganisation de certaines capacités et sous-capacités présentant un ordre plus logique

6.0 Gouvernance - Programme de gestion des données et des données

• Capacité consolidée pour politique et les normes en une seule sous-capacité, ce qui élimine la redondance et les conflits avec la notation. modèle
• Restructuration des capacités “Gouverner les données” (v2 6.4, 6.5 et 6.6) pour se recentrer sur les données qui sont gouvernées et sur ce qui gouverne les données (par exemple, les exigences, l'utilisation, l'accès), politique, normes)

7.0 Gestion des données Opérations, risques et contrôle

• Mise à jour pour inclure les opérations de gestion des données, y compris trois nouvelles sous-capacités, le cycle de vie du développement des données, l'approche des exigences en matière de données et la gestion des fournisseurs de données.
• Mise à jour du risque de données en tant que capacité

8.0 Gestion des analyses

• Consolidé v2 8.4 L'analyse est alignée avec Qualité des données en v3 3.1.
• Mise à jour de la v2 8.7 consolidant plusieurs sous-capacités et recentrant la capacité sur l'éducation et la gestion du changement dans la v3 8.6.
• Il est précisé que cette composante est facultative dans le cadre d'une évaluation. Pour être considérée comme une DCAM les composantes 1.0 à 7.0 doivent être incluses. Les organisations peuvent choisir d'inclure la composante 8.0 si elles souhaitent évaluer leurs pratiques analytiques. Toutefois, il n'est pas recommandé d'évaluer la composante 8.0 de manière isolée, car elle est conçue pour évaluer le degré d'harmonisation et de collaboration des fonctions de gestion des données et d'analyse au sein de l'organisation.

Introduction de nouveaux concepts

DCAM v3.1 a introduit un total de huit nouveaux concepts et a jeté les bases des futurs ajouts à l DCAM. Les huit nouveaux concepts qui ont été ajoutés en tant que capacités ou sous-capacités dans le cadre de l modèle sont :

• Changement et mise en œuvre de la gestion des données
• Gestion des données Communications
• Éducation aux données
• Glossaire commercial
• 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, combinés aux meilleures pratiques existantes, constituent la base des améliorations à venir, telles que la culture des données, qui sont prévues dans les prochaines versions.

Améliorations du contenu

• Notation de la redondance et de l'incohérence - En DCAM v2, plusieurs cas ont été identifiés où la redondance ou l'incohérence rendait l'utilisation de l'outil de gestion de l'information plus difficile. modèle Les évaluations de la qualité de l'eau sont souvent confuses ou exigent des évaluateurs qu'ils les interprètent de manière subjective. Afin de résoudre ces problèmes et de garantir un examen complet, la DCAM v3 Travailler Groupe a procédé à une analyse approfondie de la modèle’Ils ont également examiné les capacités et les sous-capacités de l'UE en ce qui concerne le cadre de notation. En conséquence, ils ont résolu les zones de confusion, en rationalisant et en clarifiant le cadre de notation. modèle afin de favoriser une interprétation plus cohérente.
• Nouveaux termes ajoutés à la gestion des données Glossaire commercial - Parallèlement à la réécriture et à la mise à jour du site web de l DCAM le document cadre, le DCAM v3 Travailler Groupe et les équipes ont identifié de nouveaux termes ou une mise à jour des termes contenus dans l'association EDM Data Management Glossaire commercial (DMBG). Le DMBG est disponible dans le portail de connaissances des membres de l'EDMA, Glossaire de la gestion des données - Portail de la connaissance de l'EDMA. Dans le présent document, les termes figurant dans le DMBG sont soulignés et mis en italique dans le texte.