Introduction

Le volet "gestion analytique", huitième élément de la stratégie de l DCAM joue un double rôle dans les processus de gestion des données en agissant à la fois comme créateur et consommateur de données. En tant que créateur de données, la gestion analytique doit respecter les principes énoncés dans les sept premières composantes du cadre de gestion des données. DCAM; qui définissent les capacités de base nécessaires à une gestion efficace des données. Cela permet de garantir cohérence et précision dans la manière dont les données sont consommées et les informations générées, afin de soutenir les processus de prise de décision de l'organisation. Pour aider les professionnels de l'analyse, il doit y avoir des processus clairs qui régissent la façon dont la gestion de l'analyse fonction est structuré et géré. Ces processus doivent définir les cadres de gouvernance nécessaires à la conception, à l'exécution, à la validation et à la fourniture de modèles, y compris ceux liés aux grands modèles linguistiques, afin de répondre aux besoins de l'organisation.

Le volet "gestion analytique", huitième élément de la stratégie de l DCAM joue un double rôle dans les processus de gestion des données en agissant à la fois comme créateur et consommateur de données. En tant que créateur de données, la gestion analytique doit respecter les principes énoncés dans les sept premières composantes du cadre de gestion des données. DCAM; qui définissent les capacités de base nécessaires à une gestion efficace des données. Cela permet de garantir cohérence et précision dans la manière dont les données sont consommées et les informations générées, afin de soutenir les processus de prise de décision de l'organisation. Pour aider les professionnels de l'analyse, il doit y avoir des processus clairs qui régissent la façon dont la gestion de l'analyse fonction est structuré et géré. Ces processus doivent définir les cadres de gouvernance nécessaires à la conception, à l'exécution, à la validation et à la fourniture de modèles, y compris ceux liés aux grands modèles linguistiques, afin de répondre aux besoins de l'organisation.

L'objectif premier de la gestion analytique est de formaliser la manière dont les activités analytiques sont structurées, gouvernées et exécutées au sein d'une organisation. Cela permet de s'assurer que ces activités s'alignent sur les pratiques plus larges de gestion des données. La structure organisationnelle, que les équipes d'analyse soient centralisées ou distribuées, dépendra de la culture de l'organisation. Cependant, un cadre cohérent pour l'analyse peut renforcer les synergies, maximiser l'efficacité et améliorer l'efficacité globale lorsqu'il est aligné sur une stratégie d'analyse complète.

Définition

Le cadre 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.

Le volet analytique décrit les capacités nécessaires pour réussir, mais n'aborde pas les différentes structures organisationnelles qui peuvent exister, ni les facteurs à prendre en compte pour choisir la structure la plus appropriée. Chaque organisation devra concevoir une structure appropriée pour répondre à ses besoins et à ses capacités d'analyse, en fonction de ses ressources et de ses capacités propres.

Champ d'application

• 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 l'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 savoir-faire les examens, les tests, les approbations, la documentation, les plans de mise en production, le suivi et l'examen régulier des processus, les ajustements et le retrait.
• 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, savoir-faire biais, et savoir-faire 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.

Proposition de valeur

Les organisations qui excellent dans la gestion de leurs fonctions et ressources analytiques sont capables d'exploiter la puissance des méthodes analytiques, des algorithmes avancés et des données de haute qualité. En améliorant la vitesse et l'efficacité de la conversion des données en informations exploitables, elles renforcent non seulement leur capacité à prendre des décisions rapides et éclairées, mais garantissent également le respect des normes éthiques et juridiques. La présente étude a pour but d'aider les entreprises à prendre des décisions éclairées. processus stimule les performances globales et la compétitivité.

Vue d'ensemble

Au fond, l'analyse vise à améliorer la prise de décision. Il ne s'agit pas simplement de calculer des chiffres, mais d'extraire des informations pratiques qui peuvent guider les décisions stratégiques. Cette approche met l'accent sur l'importance des connaissances exploitables dérivées des données, plutôt que sur la simple analyse. processus même.

La prise de décision en temps réel fondée sur l'analyse est devenue un facteur de différenciation crucial pour les entreprises, grâce aux progrès rapides de la technologie, à l'accessibilité accrue des données et aux capacités de traitement, ainsi qu'aux techniques d'analyse avancées qui répondent aux besoins des entreprises et des consommateurs. partie prenante exigences.

Diagramme 8.1 : Facilitateurs et parties prenantes de l'analyse

Les progrès en matière de technologie et de données sont les suivants

• Les technologies NoSQL et les bases de données graphiques permettent d'accéder à de plus grandes variétés et quantités de données structurées et non structurées et de les traiter efficacement.
• La baisse des coûts de traitement, associée à des vitesses de traitement plus rapides et à l'évolutivité de l'informatique en nuage, rend les techniques d'analyse sophistiquées plus abordables et plus accessibles.
• La disponibilité de solutions ‘tout-en-un“ démocratise l'accès aux techniques d'analyse.
• La baisse des coûts de stockage des données et l'augmentation des limites de stockage augmentent la quantité de données disponibles pour l'analyse.
• Les nouvelles sources de données telles que les capteurs, la télématique et l'imagerie satellitaire permettent d'analyser de nouveaux ensembles de données et de nouvelles combinaisons d'ensembles de données.
• La visualisation avancée des données simplifie l'exploration et l'interprétation de volumes exceptionnellement importants de résultats analytiques.
• Acceptation et utilisation accrues de l'apprentissage automatique dans savoir-faire Ce développement a été rendu possible par un public de professionnels qui ont adopté et accepté l'intelligence artificielle comme un facteur d'amélioration de la productivité, ainsi que par les progrès réalisés dans la mise en place d'un cadre juridique et réglementaire pour la soutenir.

Pour mettre en œuvre et gérer avec succès leurs capacités analytiques en fonction des objectifs de l'entreprise, les organisations doivent suivre la discipline et les principes fondamentaux énoncés dans la DCAM Les meilleures pratiques en matière de gestion de l'analyse, qui englobent

• Une stratégie analytique répondant aux besoins de l'entreprise. Le volume et la diversité croissants des données dont disposent les organisations ont élargi les applications potentielles de l'analyse avancée. La demande de ces analyses augmentant, il devient crucial pour les organisations de hiérarchiser les projets en fonction de leur importance. Pour exploiter efficacement l'analyse au service des objectifs de l'entreprise, les organisations ont besoin d'une stratégie d'analyse claire qui réponde aux besoins de l'entreprise et qui s'appuie sur un plan de financement de l'analyse. Modèle pour soutenir l'effort.
• Une analyse claire Modèle de fonctionnement. Dans de nombreuses organisations, les praticiens de l'analyse travaillent souvent plus étroitement avec les unités opérationnelles qu'avec les équipes technologiques traditionnelles. Il est essentiel pour l'organisation d'avoir une vision claire de ce qu'est l'analyse. modèle de fonctionnement qui garantit cohérence et l'efficacité de leurs activités. Les concepteurs de cette savoir-faire doit veiller à rester en phase avec les parties prenantes et à conserver l'agilité nécessaire.
• Gestion analytique alignée sur la gestion des données. En l'absence d'une gestion efficace des données, une grande partie du temps d'un praticien de l'analyse est consacrée à la manipulation, au nettoyage et à la transformation des données en vue de l'analyse. Il est important que l'analyse soit alignée sur l'initiative de gestion des données. La gestion de l'analyse des données doit permettre de s'assurer que les données sont comprises et que des sources faisant autorité sont utilisées lorsqu'elles sont disponibles. Qualité des données La direction fournira des mesures de la qualité des données que les praticiens de l'analyse devraient consulter et utiliser pour gérer les la qualité des données lorsqu'ils préparent les données pour leurs modèles.
• Une plateforme d'analyse pour répondre à des besoins globaux. Toutes les activités d'analyse n'impliquent pas la création de modèles qui, une fois testés avec succès, fonctionneront comme des processus ou des services de production. Certaines activités d'analyse seront des exercices ponctuels visant à étudier des problèmes historiques ou à répondre à des questions spécifiques actuelles. Il peut également y avoir des expériences avec de nouvelles sources de données ou de nouvelles techniques d'analyse. La technique ou l'approche analytique appropriée devra être sélectionnée pour chaque énoncé de problème afin de garantir que l'organisation maximise les avantages et prenne en compte les aspects connexes. La plateforme qui supporte l'analyse doit être conçue pour s'adapter à ces différents types d'activités et aux besoins spécifiques des différentes parties prenantes.
• Gouvernance et discipline en matière d'analyse. Modèle La gouvernance et la transparence sont essentielles pour le développement et le déploiement responsables d'analyses avancées, y compris l'apprentissage automatique et l'intelligence artificielle. Le respect des réglementations en matière de protection de la vie privée est crucial lorsque les modèles sont rendus opérationnels. Il existe un besoin croissant d'explicabilité dans les savoir-faire qui peut également être une exigence réglementaire, d'où l'importance d'aborder ces aspects dès le début du processus. savoir-faire développement processus. En outre, l'identification et le contrôle des biais potentiels dans les données de formation sont essentiels pour éviter des résultats préjudiciables à des groupes spécifiques. Un contrôle permanent est également nécessaire pour les données rencontrées en production. Enfin, le respect du code d'éthique des données de l'organisation est essentiel pour garantir que l'utilisation des données dans les modèles est éthique et appropriée, guidant la manière dont les organisations agissent sur les décisions et les recommandations générées par les modèles.
• La formation à l'analyse pour soutenir la culture de l'analyse. Pour relever efficacement les défis liés à la création d'une organisation axée sur l'analyse, il est nécessaire d'opérer des changements significatifs tant au niveau de la culture que des comportements. Il est essentiel que toutes les personnes impliquées acquièrent la compréhension nécessaire des avantages que l'analytique peut apporter et, inversement, des répercussions négatives qui peuvent résulter de son application.

Questions fondamentales

• La stratégie d'analyse définit-elle clairement le rôle que l'analyse jouera dans la mise en œuvre de la stratégie de l'entreprise ?
• La stratégie d'analyse est-elle alignée sur la stratégie de gestion des données ?
• La stratégie d'analyse bénéficie-t-elle de l'alignement et du soutien de l'organisation ?, modèle de fonctionnement, Les activités d'analyse sont-elles hiérarchisées en fonction des priorités de l'entreprise ? Les activités d'analyse sont-elles hiérarchisées en fonction des priorités de l'entreprise ?
• La valeur de l'analyse est-elle comprise et mesurée ?
• La gouvernance de la gestion des données et la gouvernance de la gestion analytique sont-elles alignées ?
• La plateforme d'analyse répond-elle aux besoins des praticiens de l'analyse ?
• Des processus sont-ils en place pour contrôler la mise en production des modèles d'analyse ?
• L'approbation et la diffusion des modèles sont-elles conformes à la gouvernance en matière de protection de la vie privée et d'éthique des données ?
• Des initiatives ont-elles été mises en place pour aborder le changement culturel et la formation des praticiens de l'analyse afin de permettre le succès de l'analyse ?

Artefacts de base

• Stratégie analytique
• Système de classification analytique
• Analyse Modèle de fonctionnement
• Méthodologie d'analyse
• Modèle Documentation Standard
• Stratégies d'obscurcissement des données
• Modèle Test, approbation, diffusion, examens réguliers, suivi, ajustement et mise en veilleuse des processus ou des procédures.
• Comportements culturels Analyse des lacunes et initiatives en attente
• Analyse des lacunes en matière de compétences analytiques

Pour une analyse fonction pour être durable, il doit être formellement établi et reconnu. Il doit être approuvé par la direction et soutenu par un financement approuvé. Modèle et une structure de gouvernance efficace. Les rôles et les responsabilités doivent être établis et une méthodologie d'analyse doit être adoptée.

Description

La stratégie d'analyse doit être définie en fonction des objectifs stratégiques de l'organisation, tout en tenant compte des capacités d'analyse existantes et des progrès réalisés. Le rôle de l'analyste fonction doit être communiquée aux parties prenantes et la stratégie analytique doit être officiellement approuvée par la direction générale.

Objectifs

• Établir officiellement la stratégie analytique de l'organisation.
• Obtenir le soutien de la direction générale pour la stratégie d'analyse.
• Communiquer le rôle de l'analytique dans l'ensemble de l'organisation par le biais de canaux organisationnels formels.

Conseil

La stratégie analytique doit être alignée sur les objectifs commerciaux et opérationnels de l'organisation et sur la stratégie de gestion des données.

La stratégie présente la vision de l'analytique, en abordant l'organisation, le leadership, les techniques, la plateforme, les processus et la culture. Elle décrit comment combler les lacunes et concrétiser la vision. Le but de l'élaboration de la stratégie analytique est de définir des objectifs de haut niveau et de les traduire en solutions analytiques réalisables.

Réaliser partie prenante et l'adhésion de la direction sont essentielles à la réussite de la stratégie. Une stratégie analytique bien documentée est à la fois une déclaration d'approche et un document marketing à présenter aux parties prenantes et à la direction générale. Une communication efficace de la stratégie est essentielle pour permettre une approche coordonnée dans l'ensemble de l'organisation et éviter les incohérences et les inefficacités liées à l'adoption d'approches différentes par les différents secteurs d'activité.

Questions

• Existe-t-il une stratégie et une approche formelles et documentées en matière d'analyse ?
• Les parties prenantes ont-elles été identifiées et impliquées dans l'élaboration et l'approbation de la stratégie ?
• La stratégie analytique et la vision de la stratégie de gestion des données sont-elles alignées ?
• La stratégie analytique soutient-elle les objectifs de haut niveau de l'organisation ?
• La stratégie a-t-elle été soutenue par la direction générale ?
• Le rôle de l'analytique a-t-il été formellement communiqué à l'ensemble de l'organisation ?
• Les différents types d'analyse pertinents pour l'organisation sont-ils documentés ?

Artéfacts

• Déclaration de la vision de l'état cible de l'analytique et de la manière dont elle soutient les objectifs de l'organisation
• Approche hiérarchisée des initiatives nécessaires à la réalisation de la vision analytique
• Alignement documenté de la stratégie analytique et de la vision de la stratégie de gestion des données
• Liste des parties prenantes et preuves d'une communication bidirectionnelle
• Preuve de la communication formelle de la stratégie et de l'approche
• Approbation formelle de la stratégie par la direction générale

Notation

Description

Un modèle de fonctionnement est défini pour décrire comment l'analyse sera structurée au sein de l'organisation. Elle établit le champ d'application et couverture des différents aspects et types d'analyse et conçoit la manière dont ils doivent fonctionner ensemble pour répondre aux besoins de l'entreprise et soutenir la stratégie de gestion des données. L'analyse Modèle de fonctionnement porte sur la structure de l'organisation de l'analyse, les responsabilités au niveau des rôles, la structure de gouvernance, les processus de financement et les plates-formes technologiques, et est intégrée à la stratégie de gestion des données. Modèle de fonctionnement.

Objectifs

• Définir la structure de l'équipe d'analyse au sein de l'organisation, en délimitant le champ d'application et les objectifs de l'équipe. couverture.
• Définir les rôles et les responsabilités au sein de chaque type d'équipe d'analyse.
• Définir les relations entre les différentes équipes d'analyse, entre les équipes d'analyse et le programme de gestion des données et les équipes chargées des données, et entre les équipes d'analyse et les fonctions de l'entreprise.
• Aligner le financement Modèle avec l'approche globale de financement de l'organisation.

Conseil

L'analyse Modèle de fonctionnement englobe des disciplines issues de différents domaines tels que l'informatique, les fonctions commerciales et l'analyse. Il clarifie la manière dont ces domaines collaborent pour fournir les données requises par le biais de techniques et de modèles analytiques, et pour mettre les modèles en production. L'analyse Modèle de fonctionnement Les concepteurs doivent s'assurer qu'ils s'appuient sur les exigences de l'entreprise et qu'ils sont en mesure de répondre aux besoins de l'entreprise. architecture d'entreprise et est tenu à jour grâce à l'évolution des contributions des chefs d'entreprise.

L'analyse Modèle de fonctionnement clarifie la propriété de l'analyse de la ligne d'activité, des fonctions transversales et de tout programme d'analyse global. Il est aligné sur d'autres modèles opérationnels au sein de l'organisation. S'il existe une forte culture de modèles opérationnels fédérés, il convient de l'adopter. Inversement, s'il existe une forte culture de modèles opérationnels centralisés, il faut l'adopter. modèle de fonctionnement Il est important, avant de s'écarter de cette approche, d'examiner soigneusement les avantages qu'elle présente.

Les meilleures pratiques suggèrent que la composition idéale d'une équipe d'analyse comprend des personnes ayant des compétences mathématiques, analytiques et techniques, ainsi qu'un sens aigu des affaires et une expérience de la gestion de projet. Dans la pratique, il existe souvent plusieurs équipes d'analyse localisées au sein d'une organisation, chacune ayant des niveaux de compétences et des approches de livraison différents. Que l'analyse soit gérée de manière centralisée, décentralisée ou fédérée, l'équipe d'analyse doit être en mesure de répondre aux besoins de l'entreprise en matière d'analyse. savoir-faire, L'objectif est de développer une discipline autour de l'analyse qui inspire la confiance et fixe les attentes de la communauté des utilisateurs. L'objectif est de développer une discipline autour de l'analyse qui inspire la confiance et fixe les attentes de la communauté des utilisateurs. L'analyse devient compétente pour fournir des solutions grâce à la sensibilisation, à la collaboration, au partage et aux meilleures pratiques à l'échelle de l'organisation.

Le financement Modèle doit aborder tous les aspects de l'analyse. Les types de travaux qui vont au-delà des projets d'analyse orientés vers l'entreprise doivent être pris en compte. Il s'agit notamment de l'expérimentation, du travail de base, de la création d'actifs de données réutilisables, de l'analyse ad hoc hautement prioritaire, etc. Le financement des licences logicielles, de la plateforme et des coûts d'infrastructure doit être pris en compte. En ce qui concerne les coûts de personnel, il convient de prendre en compte les différences de coûts des spécialistes de l'analyse. L'alignement sur l'approche globale de financement de l'organisation peut nécessiter les éléments suivants savoir-faire de faire la distinction entre les initiatives analytiques alignées sur les unités opérationnelles et les aspects de la stratégie de l'entreprise. modèle de fonctionnement qui ne sont pas spécifiques à l'unité opérationnelle.

Veiller à ce que l'analyse soit financée de manière durable fonction. Utiliser le financement Modèle de distinguer les aspects du financement qui sont discrétionnaires de ceux qui ne le sont pas. Partie prenante la participation à la création du financement Modèle est essentielle pour obtenir un engagement financier durable.

L'adhésion des parties prenantes est essentielle pour que l'organisation analytique soit efficace. Les parties prenantes doivent être impliquées tout au long de la création de la modèle de fonctionnement afin d'éviter des attentes divergentes.

Questions

• La structure des équipes d'analyse au sein de l'organisation a-t-elle été définie ?
• Les rôles et responsabilités de chaque type d'équipe d'analyse ont-ils été définis ?
• Chacune des structures de l'équipe délimite-t-elle le champ d'application et les objectifs de l'équipe ? couverture de chacun ?
• Les interactions entre les équipes d'analyse, l'initiative de gestion des données et l'entreprise sont-elles définies ?
• Le financement est-il Modèle est-elle compatible avec les méthodes de financement et les procédures budgétaires établies de l'organisation ?
• Le financement Modèle de savoir comment l'analyse sera financée de manière continue et durable. fonction?
• Les avantages mesurables des initiatives d'analyse sont-ils utilisés pour justifier les besoins de financement ?
• Les parties prenantes ont-elles approuvé le modèle de fonctionnement?
• La structure fonctionnelle décrite dans le modèle de fonctionnement a été mis en œuvre ?

Artéfacts

• Modèle de fonctionnement Mandat
• Structure organisationnelle des équipes d'analyse
• Définitions des rôles et RACI (à la fois entre les équipes d'analyse et entre l'analyse et d'autres fonctions)
• Processus modèles pour l'analyse, la gestion des données et les interactions commerciales
• Financement documenté Modèle
• Un écrit processus examiner, modifier et valider les plans de ressources
• Preuve de l'alignement sur les processus budgétaires et les cycles organisationnels
• Documentation des avantages mesurés
• Plans de financement et allocation budgétaire
• Liste des parties prenantes et preuves d'une communication bidirectionnelle
• Approbation formelle documentée de la modèle de fonctionnement et des dispositions à réexaminer et à actualiser en cas de besoin

Notation

Description

Une gouvernance explicite de l'analyse doit être mise en place au sein de l'organisation. La structure de gouvernance supervise la mise en œuvre et soutient le processus d'analyse. modèle de fonctionnement pour l'analyse, la mise en œuvre de la plateforme d'analyse et les initiatives en cours visant à façonner la culture de l'analyse de l'organisation. Il assure l'alignement de l'analyse sur la stratégie de l'entreprise, l'éthique des données et le programme de gestion des données.

Objectifs

• Définir la structure de gouvernance pour l'analyse.
• Créer des politiques pour renforcer la mise en œuvre de la gouvernance analytique.
• Mettre en place des forums de gouvernance avec des chartes écrites et approuvées.
• Mettre en place des structures de gouvernance opérationnelle.
• Identifier les parties prenantes et s'engager avec elles.
• Communiquer partie prenante rôles et responsabilités.
• Tenir les parties prenantes responsables de leur participation à l'analyse par le biais d'évaluations des performances et de considérations relatives à la rémunération.

Conseil

La structure de gouvernance doit compléter et s'aligner sur la stratégie analytique. Modèle de fonctionnement. Il convient de veiller à ce que la structure de gouvernance n'entrave pas la prise de décision en temps voulu. Les membres de la structure de gouvernance analytique doivent avoir une idée claire de leur rôle et être habilités à conduire le changement. Veiller à ce que toutes les disciplines nécessaires à la résolution des problèmes liés à l'identification des opportunités, à la collecte et à la fourniture des données, et à l'analyse des données, soient représentées. savoir-faire déploiement.

Les services d'analyse dépendront d'autres secteurs de l'organisation pour des prestations telles que la collecte de données et l'analyse de l'information. savoir-faire le déploiement. Il est particulièrement important de convenir à l'avance d'un transfert clair des responsabilités et d'une procédure d'escalade. Envisager de faire en sorte que les membres de l'organisation de gouvernance rendent compte à la direction générale, par exemple au directeur des opérations, afin d'obtenir cette habilitation.

La sélection des outils doit être alignée sur la stratégie de l'entreprise et ne doit pas être dictée uniquement par l'outillage ou l'expertise existant dans l'organisation.

L'éthique et la protection de la vie privée sont des thèmes centraux dans la gouvernance de l'analyse. Commencez par vous appuyer sur les processus et les structures de gouvernance des données en matière d'éthique et de protection de la vie privée déjà en place. Les processus de gouvernance doivent démontrer l'équité, la transparence et la sécurité de l'utilisation des données.

Questions

• Existe-t-il un mandat pour la gouvernance de l'analyse ?
• Existe-t-il des politiques qui imposent la mise en œuvre de la gouvernance analytique ?
• Existe-t-il des paramètres pour déterminer ce qui est régi et des mesures pour évaluer le respect des règles ?
• Existe-t-il un inventaire de l'outillage avec des recommandations d'utilisation ?
• Existe-t-il une documentation RACI (Responsible, Accountable, Consulted, Informed) pour toutes les parties prenantes et tous les participants à la gouvernance analytique ? processus?
• La gouvernance est-elle processus démontrant que l'éthique et la vie privée sont régies ?

Artéfacts

• Mandat de gouvernance analytique
• Preuve de l'existence de politiques écrites, mises en œuvre et appliquées pour démontrer que les analyses sont correctement gérées.
• Mesures et indicateurs de la gouvernance analytique
• Suivi analytique des projets
• Modèle l'inventaire, y compris savoir-faire examens et mises à jour
• Inventaire des outils et recommandations
• Gouvernance analytique RACI

Notation

Description

Un cycle de vie ou une méthodologie de développement analytique fournit un cadre pour les activités réalisées tout au long du cycle de vie analytique. Le cycle de vie commence par la compréhension du problème de l'entreprise et se poursuit par le déploiement, l'exploitation et l'examen de la solution. Le cadre fournit un langage commun et une structure permettant aux parties prenantes de se référer aux différentes étapes et aux différents aspects des activités d'analyse.

Le spectre de l'analyse (par exemple, l'information de gestion, l'intelligence économique, l'intelligence artificielle, la description, le diagnostic, la prédiction, la prescription) utilisé par l'organisation est défini. Les noms et les descriptions des différents types d'analyse pertinents pour l'organisation sont formalisés dans un système de catégorisation. Ce système fournit à l'organisation un langage commun pour se référer à l'analytique et permet d'éviter les confusions et les malentendus.

A standard pour savoir-faire la documentation garantit cohérence dans l'ensemble de l'organisation de la manière dont savoir-faire la provenance, les hypothèses, les entrées, les sorties, les paramètres et les limites sont saisis et communiqués.

Objectifs

• Sélectionner ou développer une méthodologie d'analyse qui définit le cycle de vie de l'analyse pour l'organisation.
• Définir et adopter une standard pour savoir-faire documentation.
• Documenter formellement la méthodologie d'analyse et savoir-faire la documentation standard.
• Veiller à ce que la méthodologie, le système de catégorisation et le système d'évaluation des risques soient respectés. savoir-faire les normes de documentation sont comprises et adoptées par les praticiens de l'analyse.
• Fournir des mécanismes de retour d'information pour l'affinement et l'amélioration continus de la méthodologie et du système de gestion de l'information. savoir-faire la documentation standard.

Conseil

La question de savoir si l'organisation doit acheter ou externaliser des solutions analytiques plutôt que de les développer en interne dépend de la maturité et de la culture de l'organisation. La plupart des organisations suivent une approche hybride où, pour certains problèmes, elles développent la solution analytique en interne et, pour d'autres, elles l'externalisent ou l'achètent à l'extérieur. Pour chaque défi à relever, l'organisation doit examiner attentivement les avantages et les coûts du développement de la solution en interne par rapport à l'externalisation et choisir la solution la plus avantageuse pour l'organisation.

La méthodologie d'analyse doit se concentrer sur les étapes importantes du processus de bout en bout. processus plutôt que des techniques d'analyse ou de modélisation spécifiques. Les outils d'analyse vont et viennent, tandis que la méthodologie d'analyse doit être durable et stable. Toutefois, pour parvenir à une méthodologie analytique stable à long terme, l'organisation doit être ouverte aux améliorations méthodologiques basées sur l'expérience. La méthodologie d'analyse doit s'adapter à l'innovation ainsi qu'à l'analyse axée sur les cas d'utilisation de l'entreprise.

La définition et la spécification de la méthodologie d'analyse seront plus souples pour les analyses développées en interne que pour les analyses développées en externe. Toutefois, dans les deux cas, il peut être intéressant de prendre en compte les méthodologies de meilleures pratiques externes et de les adapter à l'organisation.

Pour définir le spectre de l'analytique, des exemples apporteront de la clarté. Les limites du spectre analytique déterminent les activités auxquelles s'appliquent les cadres de gouvernance et de bonnes pratiques en matière d'analyse. Par exemple, une organisation peut définir sa limite inférieure d'analyse de telle sorte que les rapports d'information de gestion statiques (c'est-à-dire non actualisables automatiquement) sont hors du champ d'application, alors que les rapports d'information commerciale en libre-service peuvent être considérés comme entrant dans le champ d'application.

Le système de catégorisation des niveaux d'analyse ne sera pas statique. Il fonctionnera mieux en permettant l'émergence de niveaux de sophistication au fur et à mesure que l'analytique mûrit et évolue.

S'assurer que la méthodologie d'analyse et les systèmes de catégorisation sont adaptés à l'organisation et obtenir des informations sur l'état de l'art. partie prenante Pour obtenir l'adhésion du public, les personnes influentes et les parties prenantes doivent participer à la sélection ou à l'élaboration de la méthode d'analyse et du système de catégorisation. Former une communauté de “champions” pour qu'ils s'approprient les méthodes et les moteurs de l'amélioration.

Questions

• Une méthodologie analytique définissant le cycle de vie analytique de l'organisation a-t-elle été choisie ou élaborée ?
• Dispose d'un savoir-faire la documentation standard a été créée ?
• Quels types d'analyses l'organisation a-t-elle développés par le passé ?
• Quels types d'analyses l'organisation prévoit-elle d'utiliser à l'avenir ?
• Quels types d'analyses sont utilisés par d'autres organisations ?
• Quelles sont les parties prenantes à solliciter pour contribuer au système de catégorisation des niveaux d'analyse ?
• A-t-on confirmé que la méthodologie d'analyse, le système de catégorisation et le système d'évaluation de la qualité de l'eau sont conformes aux exigences de l'UE ? savoir-faire la documentation standard ont été compris et adoptés par les praticiens de l'analyse ?
• Disposer d'une méthodologie d'analyse et d'une savoir-faire la documentation standard a fait l'objet d'une documentation formelle ?
• Disposer de mécanismes de retour d'information pour affiner et améliorer en permanence la méthodologie d'analyse, les systèmes de catégorisation et les systèmes de gestion de l'information. savoir-faire la documentation standard a-t-elle été élaborée et mise à la disposition des parties prenantes ?
• Existe-t-il un registre des projets d'analyse avec un état d'avancement actualisé ?
• Existe-t-il un savoir-faire avec les dates de révision et l'historique des mises à jour ?

Artéfacts

• Document sur la méthodologie et la terminologie de l'analyse
• Modèle la documentation standard
• Dossiers de partie prenante approbation de la méthodologie d'analyse et savoir-faire la documentation standard
• Approche de catégorisation analytique

Notation

Description

Les processus analytiques ont été documentés, communiqués et mis en œuvre dans l'ensemble de l'organisation. La réussite d'un programme d'analyse nécessite standard des processus à l'échelle de l'organisation qui sont reproductibles, durables et mesurables. L'organisation devrait s'appuyer sur les normes industrielles existantes et les meilleures pratiques. L'utilisation de la standard Les processus doivent être exigés par les politique.

Objectifs

• Établir une normalisation de tous les processus et praticiens de l'analyse.
• S'assurer que les processus d'analyse sont alignés et qu'ils ont un effet de levier standard les processus de gestion des données.
• Veiller au respect des politiques de gestion des données.
• Veiller à ce que les données créées par l'analyse s'intègrent dans l'écosystème de gestion des données.
• Le service d'analyse participe activement aux pratiques de gestion des données et s'aligne sur celles-ci le cas échéant (par ex, la qualité des données, la gouvernance des données, gestion des métadonnées, (contrôle des données, gestion des problèmes)

Conseil

La gestion de l'analyse doit établir des processus normalisés pour s'assurer que les praticiens documentent de manière cohérente et régulière les exigences, les résultats, les ajustements, les hypothèses et les décisions, tout en suivant les changements en cours. Ces normes doivent tenir compte des interactions avec les parties prenantes, l'équipe de gestion des données et les autres unités opérationnelles concernées au sein de l'organisation.

La gestion analytique et la gestion des données dépendront l'une de l'autre pour aider efficacement l'entreprise à atteindre ses buts et objectifs. Cette collaboration exigera des praticiens des données et de l'analyse qu'ils s'engagent collectivement dans les domaines suivants standard les pratiques. Les équipes chargées de l'analyse et de la gestion des données doivent collaborer pour partager et exploiter les processus, en évitant les doubles emplois, notamment dans les domaines suivants la qualité des données et la gestion des problèmes.

En outre, il est essentiel que les praticiens de l'analyse connaissent et comprennent les politiques de gestion des données qui se rapportent aux données qu'ils utilisent dans leurs analyses. L'équipe chargée de l'analyse n'utilisera pas seulement les ressources de données existantes, mais générera également de nouvelles données par le biais de ses modèles, qui doivent être gérées conformément aux pratiques de gestion des données de l'organisation.

Questions

• Sont standard processus d'analyse définis ?
• Les pratiques analytiques sont-elles alignées et coordonnées avec les pratiques de gestion des données ?
• Pratiques d'analyse données de référence des pratiques de gestion, le cas échéant ?
• Les processus d'analyse sont-ils soutenus par politique?
• Les parties prenantes concernées sont-elles impliquées dans les pratiques d'analyse ?

Artéfacts

• Processus documentés pour les praticiens de l'analyse
• Preuve de la collaboration en matière d'analyse et de gestion des données
• Preuve de partie prenante l'implication dans la standard les processus d'analyse, le cas échéant
• Politiques en faveur des normes d'analyse

Notation

Description

L'objectif de l'analyse est de synthétiser les données, de créer des vues et de fournir des informations qui sont utilisées pour répondre aux besoins de l'entreprise (par exemple, satisfaire aux exigences réglementaires, mener des activités critiques telles que la clôture des comptes, fournir des résultats ayant une valeur commerciale). L'organisation devrait documenter les indicateurs de performance à utiliser pour mesurer régulièrement l'impact et l'efficacité de ses solutions d'analyse et les relier aux stratégies de gestion des données et de l'entreprise.

Objectifs

• Mesurer et communiquer la valeur commerciale créée par l'analyse.
• Engager les parties prenantes à créer une responsabilité partagée et à adhérer aux avantages quantifiés découlant de l'analyse.
• Mesurer l'impact commercial des cas d'utilisation, des projets et des expériences en matière d'analyse.

Conseil

Les organisations doivent réfléchir à l'avance à la manière de définir et de mesurer le succès du ou des résultats de toute solution analytique. Un point de départ utile consiste à établir des repères de comparaison fiables à partir desquels mesurer les impacts progressifs. Les groupes de contrôle et les méthodes expérimentales randomisées sont de bons moyens d'établir ces points de référence. Ces outils sont particulièrement importants pour diagnostiquer les causes et les effets dans les situations où les actions fondées sur les connaissances analytiques ne produisent pas les avantages escomptés. Par exemple, l'échec d'une campagne de marketing basée sur l'analyse qui ne produit pas les bénéfices escomptés peut ne pas résulter simplement de l'échec des modèles d'analyse, mais aussi d'autres facteurs tels qu'une mauvaise exécution ou des données de marketing de mauvaise qualité.

Il peut y avoir des analyses dont les avantages ne peuvent être quantifiés. Dans ce cas, les avantages qualitatifs doivent être documentés et reconnus. La valeur de l'analyse qui éclaire les décisions doit également être reconnue.

Lorsque la valeur ajoutée de l'analyse peut être mesurée, les approches d'étalonnage réussies peuvent être appliquées à tout un portefeuille de solutions analytiques. Les équipes d'analyse quantifient la valeur commerciale de leurs actions pour l'ensemble de l'organisation, justifiant ainsi les investissements initiaux et supplémentaires dans les capacités d'analyse. La quantification et la communication systématiques de la valeur commerciale soutiennent le développement d'une culture de la recherche axée sur les données.

Questions

• Les documents de spécification des analyses définissent-ils des indicateurs de performance clés pour évaluer les analyses ?
• Des indicateurs clés de performance, des groupes de contrôle ou d'autres méthodes expérimentales sont-ils régulièrement utilisés pour prouver la valeur ajoutée de l'analyse par rapport à un point de référence ?
• Les groupes de contrôle ou les autres méthodes expérimentales utilisées permettent-ils d'isoler avec succès l'impact des informations analytiques par rapport à l'impact d'autres actions commerciales connexes ?
• Les avantages de l'analyse sont-ils communiqués et compris par la direction générale et validés par un tiers indépendant ?fonction (par exemple, les finances) ?

Artéfacts

• Documents de spécification analytique
• Preuve du retour sur investissement des solutions analytiques
• Preuve d'une conception expérimentale pour évaluer la valeur ajoutée de l'analyse
• Évaluations des avantages après la mise en œuvre
• Documentation des indicateurs de performance clés analytiques ou métadonnées
• Preuve de la communication des avantages de l'analyse à l'encadrement supérieur

Notation

Les fonctions d'analyse et d'entreprise doivent être alignées et les deux fonctions doivent soutenir ensemble les objectifs de l'entreprise. Les activités d'analyse doivent être hiérarchisées pour répondre aux besoins de la stratégie de l'entreprise et générer de la valeur ajoutée.

Description

Le cadre architecture d'entreprise d'une organisation définit sa structure, sa gouvernance, ses processus et les informations nécessaires à la prise de décision. L'organisation d'analyse comprend les éléments suivants architecture d'entreprise de l'organisation et l'utilise pour définir la stratégie analytique et les besoins de l'organisation.

L'organisation d'analyse s'engage fréquemment avec les parties prenantes de l'entreprise pour comprendre leurs besoins. Pour mettre en œuvre cette vision, l'organisation dispose d'un système d'analyse bien défini. processus pour saisir les besoins des entreprises, estimer et comprendre l'impact sur les analyses, les classer par ordre de priorité et élaborer et exécuter la feuille de route pour les réaliser.

Objectifs

• Examiner l'architecture opérationnelle/fonctionnelle (par exemple, la stratégie, la structure, la gouvernance, les processus), quel que soit le degré de formalisation.
• Comprendre et documenter les principales exigences en matière d'analyse, en fonction des activités et des fonctions.
• Aligner les capacités et les processus d'analyse sur les besoins de l'entreprise.
• Communiquer et ancrer les exigences analytiques aux parties prenantes.

Conseil

Les entreprises n'ont pas toutes fonction Les priorités décisionnelles peuvent différer d'un segment à l'autre d'une même organisation. Pour répondre efficacement à ces différences, les responsables de l'analyse doivent collaborer avec les chefs d'entreprise afin de comprendre leurs besoins et de déterminer comment l'analyse peut s'intégrer au mieux dans la stratégie globale de l'entreprise. architecture d'entreprise, qui englobe un large éventail de composants au-delà des seuls systèmes informatiques.

Questions

• L'analyse est-elle Modèle de fonctionnement et le plan documenté ?
• Les principales dépendances ont-elles été prises en compte dans la conception de l'organisation de l'analyse et de ses liens avec la prise de décision ?
• Le plan analytique fait-il spécifiquement référence aux besoins de l'entreprise ?
• L'équipe de direction et l'équipe opérationnelle ont-elles approuvé le plan d'analyse ?
• Existe-t-il un processus pour les mises à jour permanentes du plan d'analyse ?
• L'organisation chargée de l'analyse comprend-elle les besoins de l'entreprise ?
• Les équipes chargées de l'analyse peuvent-elles montrer qu'il existe un lien entre les exigences de l'entreprise et le système d'information de l'entreprise ? architecture d'entreprise?
• Les lacunes sont-elles saisies de manière cohérente et existe-t-il un processus d'agir en conséquence ?
• L'entreprise comprend-elle le lien entre ses architecture d'entreprise et la conception de l'analyse ?

Artéfacts

• Preuve de l'alignement de l'analyse sur la stratégie et le plan de l'entreprise
• Alignement documenté de l'analyse, architecture d'entreprise et les exigences des entreprises
• Détails des exigences en matière d'analyse commerciale
• Preuve de la contribution et de l'approbation des cadres supérieurs

Notation

Description

La stratégie de l'entreprise détermine la feuille de route et les activités d'analyse. Ainsi, l'accent est mis sur les investissements en matière d'analyse et sur la manière dont ils peuvent maximiser les résultats de l'entreprise. L'organisation de l'analyse doit être alignée et en collaboration avec les parties prenantes de l'entreprise.

Objectifs

• Comprendre les attentes des dirigeants et explorer comment l'analyse peut soutenir la création de valeur stratégique.
• Travailler en collaboration avec la direction pour établir une liste complète des opportunités commerciales actuelles et des cas d'utilisation de l'analyse.
• Co-créer une vision et une feuille de route analytiques qui facilitent l'alignement sur les priorités de l'entreprise, reconnaissent les domaines d'intervention à court et à long terme et suscitent l'adhésion de la direction générale.
• Développer des cas d'utilisation des avantages pour toutes les analyses et les classer en fonction de leur valeur commerciale à l'aide de la hiérarchisation des analyses. processus.
• Communiquer aux parties prenantes la vision analytique et la hiérarchisation des cas d'utilisation analytique.

Conseil

Aligner la feuille de route analytique sur la stratégie de l'entreprise en établissant un forum, dans l'ensemble de l'entreprise, pour superviser la hiérarchisation des cas d'utilisation analytique. L'examen et la hiérarchisation doivent être des activités régulières.

Un cadre permettant d'évaluer les avantages des cas d'utilisation de l'analytique devrait comporter des dimensions claires pour les noter et les classer. La notation et le classement par ordre de priorité devraient inclure, sans s'y limiter, la complexité, la faisabilité, les exigences réglementaires et la valeur commerciale de la solution analytique, l'alignement sur les objectifs commerciaux de l'organisation, le nombre de sources de données concernées et la taille de la communauté d'utilisateurs touchée. Le cadre doit être transparent, afin de permettre une évaluation équitable des cas d'utilisation analytiques et la communication de la hiérarchisation des cas d'utilisation avec les parties prenantes de l'entreprise.

L'organisation devrait s'assurer que les activités d'analyse comprennent à la fois celles qui conduisent à des résultats commerciaux et celles qui développent l'état fondamental et futur des capacités d'analyse. Créer une feuille de route contenant une liste détaillée des initiatives qui sont séquencées pour aider l'organisation à atteindre ses objectifs stratégiques et mettre en place des processus pour revoir le séquençage en fonction de l'évolution des priorités de l'entreprise et des conditions du marché.

Questions

• Existe-t-il une feuille de route formelle, documentée et hiérarchisée pour l'analyse ?
• Est-ce qu'un processus existe-t-il pour garantir que les priorités sont réexaminées et modifiées par des parties prenantes responsables ?
• La feuille de route analytique articule-t-elle le soutien qu'elle apporte à l'organisation dans le cadre de ses objectifs stratégiques et comprend-elle ce qui est nécessaire pour soutenir le fonctionnement normal de l'entreprise ?
• La vision et la feuille de route analytiques ont-elles fait l'objet d'un examen et d'une approbation appropriés au plus haut niveau ?
• Les cas d'utilisation de l'analyse documentent-ils les évaluations de leur valeur commerciale et de leur faisabilité ?
• Qu'est-ce que la processus pour saisir la stratégie de l'entreprise et la demande/l'impact sur l'analyse ?
• Existe-t-il des critères de classement clairs pour évaluer ou noter la valeur commerciale potentielle et la faisabilité des cas d'utilisation de l'analyse ?
• Un support de communication a-t-il été mis en place pour que les parties prenantes puissent hiérarchiser les cas d'utilisation ?

Artéfacts

• Déclaration ou plan de vision analytique
• Feuille de route prioritaire pour l'analyse
• Détails des avantages du cas d'utilisation
• Preuve d'un parrainage et d'un soutien de haut niveau

Notation

Description

Les activités d'analyse correctement alignées sur les objectifs de l'entreprise peuvent apporter une valeur ajoutée de multiples façons. Les exemples incluent l'information des décisions, la validation de la compréhension, l'identification de l'information et la gestion des risques. processus ou suggérer des actions. Les équipes d'analystes stimulent l'innovation, en présentant de nouvelles idées à l'entreprise et en répondant à des cas d'utilisation dirigés par l'entreprise. Les informations analytiques appropriées doivent être intégrées dans les informations et les processus de l'entreprise. Dans de nombreux cas, il s'agira d'automatiser l'analyse à l'aide de la technologie pour gagner en rapidité et en efficacité.

Objectifs

• Clarifier les questions, décisions, actions ou processus commerciaux sur lesquels la solution analytique aurait un impact dans la formulation d'un nouveau cas d'utilisation de l'analyse.
• Dès le début de la conception d'une solution analytique, il faut déterminer quelle communauté d'utilisateurs bénéficiera de la solution analytique.
• Élaborer des solutions analytiques en collaboration avec les équipes concernées.
• Assurer l'accès aux résultats des analyses et veiller à ce que leurs visualisations soient facilement accessibles.
• Communiquer et déployer les résultats de manière à ce que les utilisateurs professionnels puissent facilement les utiliser, notamment en développant de bonnes visualisations et interfaces utilisateur pour garantir l'explicabilité des résultats analytiques.

Conseil

L'analyse doit à la fois répondre aux besoins de l'entreprise et générer proactivement de nouvelles connaissances. Dans chaque cas, il faut veiller à ce que l'entreprise puisse utiliser les résultats de l'analyse pour étayer ses décisions et agir sur la base des nouvelles connaissances.

Une communication régulière entre l'entreprise et les équipes d'analyse est essentielle à la réussite. L'interaction permet de co-développer les solutions analytiques afin qu'elles se concentrent sur les bons besoins et qu'elles soient fournies de la manière la plus efficace possible pour que les utilisateurs agissent. Au cours de cette processus, L'analyse peut apporter une valeur ajoutée en prenant en compte un éventail plus large de données et d'informations qui peuvent provenir de sources internes et externes.

Lors de la conception de nouveaux cas d'utilisation ou d'initiatives en matière d'analyse, il est important de prendre en compte le caractère exploitable des informations. Dans certains cas, les limites de l'actionnabilité peuvent découler de considérations éthiques, juridiques ou commerciales. Par exemple, s'il est techniquement possible de prédire quelles sont les personnes qui ont besoin d'une aide financière, il n'en va pas de même pour les autres. clients sont les plus susceptibles de se désabonner, l'entreprise doit être extrêmement prudente lorsqu'elle décide d'agir sur la base de ces informations afin d'éviter les conséquences involontaires d'une prise de contact avec eux. L'utilisation de les informations personnellement identifiables nécessite souvent une attention particulière pour des raisons éthiques et réglementaires.

Toutes les activités d'analyse doivent avoir un objectif. Certaines analyses sont susceptibles d'être des enquêtes et ne sont donc pas directement exploitables par l'entreprise. processus. Toutefois, ces analyses doivent s'inscrire dans le cadre d'une décision processus où l'analyse exploratoire aide l'entreprise à choisir le plan d'action suivant.

Les équipes d'analystes disposent de plusieurs options pour le déploiement des connaissances en fonction du contexte et de la sensibilité au temps du cas d'utilisation. Par exemple, la capacité d'automatiser ou de centraliser les algorithmes critiques tout en minimisant la manipulation manuelle est probablement plus appropriée pour un volume élevé, proche de la prise de décision en temps réel. En revanche, les processus commerciaux continus avec des humains dans la boucle sont plus susceptibles de nécessiter des résultats analytiques utilisant des visualisations et des outils de veille stratégique intégrés. Dans les deux cas, il est important d'expliquer les résultats de l'analyse afin que les parties prenantes puissent avoir confiance dans l'utilisation de l'analyse.

Questions

• Existe-t-il des procédures formelles pour documenter l'objectif, la portée et la fourniture d'informations sur les cas d'utilisation de l'analyse ?
• Le document de spécification analytique identifie-t-il la communauté d'utilisateurs spécifique concernée ?
• Le document de spécification de l'analyse identifie-t-il la manière dont les résultats seront fournis, exploités ou intégrés dans l'entreprise ? processus?
• L'outil d'analyse est-il facilement accessible à tous les bénéficiaires potentiels de l'organisation ?
• L'organisation a-t-elle démontré les avantages de l'automatisation de l'analyse qui soutient les processus d'entreprise ?

Artéfacts

• Politiques de gouvernance analytique
• Documents de spécification analytique
• Preuve de l'alignement sur les politiques en matière de protection de la vie privée et d'éthique
• Preuve de l'automatisation de l'analyse
• Visualisation des résultats d'analyse

Notation

La gestion de l'analyse et la gestion des données doivent être alignées pour garantir qu'elles fonction en tant que partie intégrante de l'écosystème de données de l'organisation, en soutenant les objectifs de l'entreprise. Étant donné que l'analyse repose sur des données en amont et génère des informations pour la prise de décision, l'alignement avec la gestion des données est essentiel pour maintenir la fiabilité des données et favoriser la confiance dans les décisions fondées sur les données. L'analyse doit comprendre lignée de données, Le système de gestion de l'information de l'Union européenne (UE) est un système de gestion de l'information de l'Union européenne (UE).

Description

Gestion des données et l'architecture des données jouent un rôle crucial dans le soutien de la gestion analytique en garantissant que les données exhaustivité, La qualité et la traçabilité des produits.

Objectifs

• Veiller à ce que la gestion de l'analyse, la gestion des données et les l'architecture des données collaborent pour établir et maintenir des sources de données de qualité pour la consommation.
• Veiller à ce que toutes les équipes et tous les services de gestion des données utilisent les technologies de l'information et de la communication (TIC). standard architecture des données (par exemple, glossaire des entreprises définitions, catalogue de données, métadonnées, (taxonomies, ontologies).
• Garantir politique et les normes relatives à la gestion analytique et à la gestion des données sont alignées et comprises par les deux organisations.
• Aligner les cycles de développement de la gestion analytique et de la gestion des données.

Conseil

Gestion des données et l'architecture des données jouent un rôle crucial dans le soutien de la gestion analytique en garantissant que les données exhaustivité, La qualité et la traçabilité des données. Les sources de données faisant autorité doivent être utilisées dans la mesure du possible, mais lorsque d'autres sources sont nécessaires, elles doivent être enregistrées afin de préserver l'intégrité. Lignée de données assure la transparence et la confiance dans les produits analytiques et les décisions commerciales en garantissant la traçabilité des données, de la source au résultat final, avec toutes les transformations et agrégations comprises et approuvées. La mise en correspondance cohérente des données avec des définitions professionnelles claires est essentielle pour une prise de décision fiable. Dans un environnement de données mature, ces définitions sont maintenues dans des sources faisant autorité, saisies dans des bases de données de l métadonnées et de la lignée, et régies par des politiques et des normes de gestion des données afin de garantir la qualité, l'accès contrôlé et l'utilisation appropriée.

Les organisations de gestion analytique et de gestion des données doivent collaborer directement et avoir une compréhension claire des rôles et responsabilités de chacun au sein de l'écosystème de données de l'organisation. Sans alignement entre les équipes, il sera difficile pour l'une ou l'autre équipe de contribuer efficacement à la réalisation des objectifs de l'entreprise.

Questions

• La gestion analytique utilise-t-elle des sources de données prises en charge et publiées à des fins de consommation par la gestion des données ?
• La direction de l'analyse participe-t-elle à l'utilisation et à la maintenance du système de gestion de l'information ? standard architecture des données les structures et les outils (par exemple, le catalogue, le glossaire), métadonnées)?
• Les politique et les normes établies pour la gestion des données et la gestion analytique sont alignées et ne sont pas contradictoires ?
• Les équipes chargées de la gestion analytique et de la gestion des données connaissent-elles les rôles et les responsabilités de chacune en matière de gestion des données ?
• Les deux équipes participent-elles régulièrement à la réalisation des objectifs de l'entreprise ?

Artéfacts

• Approche de l'alignement de la gestion analytique et de la gestion des données
• Gestion analytique Politique et normes
• Gestion des données Politique et normes
• l'architecture des données Normes
• Normes relatives aux outils de gestion des données
• Artéfacts de réunion favorisant la collaboration

Notation

Description

La préparation des données est la processus La préparation des données consiste à collecter, structurer, nettoyer et transformer les données afin qu'elles puissent être analysées facilement et avec précision à des fins commerciales. La préparation des données processus doivent être définis, et tous les processus Les étapes de la préparation des données doivent être appliquées de manière cohérente afin d'obtenir des données adaptées à l'usage prévu. La préparation des données doit être soumise à la gouvernance des données de l'organisation. politique et des normes, y compris l'utilisation de la glossaire des entreprises et métadonnées. Les données doivent être basées sur des sources de données faisant autorité, le cas échéant. La préparation des données doit être effectuée de manière à préserver lignée de données et l'intégrité.

Objectifs

• Définir des normes pour la préparation des données qui comprennent l'identification des données nécessaires à l'analyse, les sources de données faisant autorité disponibles et l'accessibilité des données.
• Définir des normes pour la spécification des éléments de données, la qualité des données, Les besoins en matière de nettoyage des données (y compris le suivi des défauts et la résolution des causes profondes), ainsi que la conformité, la transformation et l'agrégation.
• Veiller à ce que la préparation des données soit conforme à la politique de gestion des données de l'organisation. politique et les normes de gestion des données, et préserve lignée de données et l'intégrité.
• Créer et maintenir une documentation adéquate sur les définitions des données, les sources de données et leur provenance, l'utilisation des données et les propriétaires des données.
• Maximiser la réutilisation des données préparées et des processus de préparation des données afin de créer des gains d'efficacité et d'améliorer les délais de mise sur le marché pour les besoins futurs de préparation des données.

Conseil

Les processus de préparation des données s'appuient sur des sources de données faisant autorité, glossaire des entreprises, et métadonnées afin de fournir des données précises et bien définies pour la consommation. Lorsque de nouveaux ensembles ou éléments de données sont obtenus, la documentation doit être complétée pour faciliter la réutilisation. Un catalogue de données bien documenté soutient et accélère considérablement les processus futurs de recherche et d'extraction de données.

Comprendre la qualité des données et déterminer si les données sont adaptées à leur usage doit être une activité clé des praticiens de l'analyse lors de la préparation des données. processus. Les données de meilleure qualité peuvent être réutilisées plus facilement dans d'autres processus. Profilage peuvent étayer les décisions en matière d'approvisionnement en données. Profilage fournit une compréhension du contenu des données basée sur les statistiques et la qualité des données à travers de multiples sources de données.

La préparation des données doit être un processus répétitif processus et une meilleure pratique formalisée. La préférence devrait être donnée à l'utilisation de solutions de préparation des données en libre-service plutôt qu'à l'utilisation de feuilles de calcul. Les feuilles de calcul sont abordables mais sujettes aux erreurs, difficiles à contrôler et lourdes à entretenir. Les outils de préparation des données peuvent fournir une préparation des données efficace et contrôlée. processus et la capacité d'intégrer plus efficacement les données structurées et non structurées. Des stratégies de création agile d'ensembles de données réutilisables devraient être envisagées pour favoriser l'efficacité en réduisant le besoin d'approbations internes par le biais de techniques d'obscurcissement.

Questions

• Les normes de préparation des données couvrent-elles l'identification des données nécessaires à l'analyse, les sources de données disponibles (faisant autorité), l'accessibilité des données, la spécification des éléments de données, la qualité des données les métriques, le nettoyage des données, la conformité, la transformation et l'agrégation ?
• La préparation des données est-elle conforme à la politique de gestion des données de l'organisation ? politique et les normes de gestion des données et préserver lignée de données et l'intégrité ?
• Existe-t-il une documentation adéquate sur les définitions et les sources des données ?, lignée de données, l'utilisation des données, et les propriétaires des données ?
• Des données préparées ou des processus de préparation des données sont-ils utilisés dans le cadre de plusieurs processus, outils ou équipes d'analyse ?

Artéfacts

• Préparation des données, conseils en matière d'analyse et documentation sur la conception
• Preuve de l'adoption des processus de préparation des données par les équipes d'analyse
• Documentation de architecture des données et lignée de données, y compris les modifications apportées par la préparation des données
• la documentation relative à la définition, à l'origine, à l'origine, à l'utilisation et à la propriété des données, à l'appui des décisions prises en matière de préparation des données
• Preuve de la réutilisation des ensembles de données et des processus de préparation des données

Notation

Pour que l'analyse soit efficace et efficiente, elle doit s'appuyer sur une plateforme conçue et mise en œuvre pour répondre à ses besoins. L'analyse modèle de fonctionnement est à l'origine d'un grand nombre de ces besoins. Les différentes exigences des environnements de production et de non-production doivent être prises en compte, et les modèles doivent faire l'objet d'un régime de contrôle des versions adapté à chacun de ces environnements. Des stratégies d'anonymisation des données sensibles sont nécessaires pour maximiser la réutilisation des ensembles de données. La plateforme doit être suffisamment souple pour permettre une montée en puissance et une réduction de l'échelle. Les environnements de production et de non-production doivent être conformes aux règles d'éthique et de protection de la vie privée.

Description

La plateforme analytique est une combinaison d'outils, d'applications et d'infrastructures qui permet de créer et d'exécuter des analyses au sein d'une organisation. Elle doit disposer des capacités nécessaires pour soutenir la façon dont les équipes d'analystes sont structurées et gérées, et la façon dont elles s'engagent avec l'entreprise et les parties prenantes. Il doit permettre aux analystes de développer, de tester, de gouverner, de socialiser, de maintenir et de faire évoluer les modèles analytiques.

La plateforme doit prendre en charge les activités d'exploitation des données et être suffisamment flexible pour permettre à diverses personnes d'accéder aux données, d'effectuer des analyses et de créer des visualisations en fonction des besoins. Ces interactions doivent mettre en œuvre toute séparation des tâches requise et permettre de définir des droits d'accès pour les différents utilisateurs du système.

Au-delà des équipes d'analyse, les utilisateurs professionnels devront valider et utiliser les résultats des modèles d'analyse.

Objectifs

• Comprendre les exigences de la plateforme pour les différents rôles définis dans la modèle de fonctionnement.
• Identifier les parties prenantes et obtenir un accord sur les exigences à prendre en charge.
• Veiller à ce que la conception de la plate-forme tienne compte des exigences convenues.

Conseil

Les exigences fonctionnelles et non fonctionnelles à l'appui de l'analyse Modèle de fonctionnement doivent être comprises avant le début de l'acquisition ou du développement de la plateforme. Les infrastructures et solutions préexistantes ne doivent pas limiter les exigences.

La facilitation de la séparation des tâches, ainsi que la prise en charge et le contrôle des différents niveaux d'accès, doivent faire partie de la conception. La conception de la plate-forme doit garantir la facilité d'accès et d'utilisation. Elle doit répondre à la nécessité pour les utilisateurs de la plateforme de comprendre à la fois les données utilisées et les résultats produits.

Il est conseillé de concevoir la plateforme de manière à ce qu'elle prenne en charge les opérations relatives aux données, en garantissant un flux de données efficace depuis les applications jusqu'à l'utilisateur final, en passant par les différentes étapes. Avec l'augmentation de la consommation de données par les différentes parties prenantes, il est crucial de gérer les données comme un flux continu, s'intégrant de manière transparente dans les différents secteurs de l'organisation.

Questions

• Les exigences en matière de plateforme des différents rôles décrits dans la modèle de fonctionnement a été définie ?
• Les exigences de la plateforme ont-elles été discutées et approuvées par les parties prenantes de l'entreprise et de l'analyse ?
• Les exigences sont-elles comprises par les responsables de l'acquisition et de la mise en œuvre de la plate-forme ?
• La conception de la plate-forme a-t-elle été revue pour confirmer qu'elle répond aux exigences convenues ?
• Le soutien de la plate-forme à l'application des droits d'accès a-t-il été validé ?
• Les parties prenantes peuvent-elles facilement examiner les résultats de la plateforme ?
• La plateforme peut-elle aider des utilisateurs autres que les analystes de données qui produisent les résultats ?
• La plateforme peut-elle prendre en charge l'exploitation des données ?

Artéfacts

• Évaluation documentée de l'appui à la conception de la plate-forme pour la modèle de fonctionnement
• les politiques relatives à la séparation des tâches et la preuve de leur examen et de leur approbation
• Preuve d'une communication bidirectionnelle avec les parties prenantes/les entreprises sur les exigences liées à l'utilisation de la plateforme
• Politiques relatives à la gestion de l'accès

Notation

Description

Un environnement distinct est nécessaire pour la découverte, le développement et le test des données avant la mise en production des modèles. Les tests effectués dans cet environnement à faible risque garantissent que les tests appropriés sont effectués avant que le modèle ne soit mis en production. savoir-faire est utilisé et utilisé par l'organisation. Le bac à sable doit fournir une capacité appropriée aux exigences de calcul déterminées par les besoins de l'entreprise. Un environnement de bac à sable nécessite des règles de sécurité appropriées pour assurer la protection des données et le contrôle de l'accès des utilisateurs.

Objectifs

• Définir et soutenir les exigences relatives aux environnements d'innovation.
• Définir et soutenir les exigences visant à séparer l'environnement de développement et de test de l'environnement de production.
• Établir des processus distincts de conception et de contrôle des modifications pour les aspects "bac à sable", "développement" et "production" de la plateforme.
• Mettre en place la protection des données et le contrôle de l'accès des utilisateurs.

Conseil

La nature de l'analyse repose sur l'expérimentation itérative, de sorte que les environnements de développement ont besoin d'un degré d'agilité qui permette d'échouer rapidement et en toute sécurité. Les environnements hors production, en particulier les environnements de type "bac à sable" ou d'innovation, ont besoin d'un niveau de flexibilité plus élevé, rendu possible par une gestion du changement suffisamment agile. processus qui peut répondre à de multiples scénarios.

Il doit y avoir une séparation claire des environnements pour garantir la gestion du changement. processus est approprié à chaque niveau. C'est la gestion des changements qui permet aux équipes d'analystes d'être productives. Les processus de gestion des changements pour les environnements de type "bac à sable" doivent être suffisamment souples pour permettre des délais d'exécution adéquats pour l'expérimentation. Un environnement rigoureusement séparé doit être fourni pour la non-production savoir-faire les essais, avec une démarcation claire entre les essais et la production. La gestion du changement processus pour la production doit être suffisamment robuste par rapport aux environnements de non-production plus flexibles.

Il est essentiel de s'assurer que l'environnement d'innovation ou bac à sable est correctement configuré pour traiter des données qui ressemblent à des données de production et qu'il est conforme à toutes les normes pertinentes en matière de protection des données. Cette préparation permet de finaliser la migration et les tests avant le déploiement dans un environnement de production.

Questions

• Existe-t-il des exigences documentées établissant une distinction entre les environnements d'innovation et les environnements de production ?
• Les capacités de mémoire, de stockage et de traitement des différents environnements sont-elles documentées ?
• Les parties prenantes (entreprises, analystes) ont-elles approuvé le fait que les environnements répondent à leurs exigences ?
• La conception processus pour chaque environnement ont été évaluées et mises en œuvre ?
• Des processus de contrôle des changements différents ont-ils été mis en place pour chaque environnement afin de répondre aux besoins de l'entreprise et à son appétit pour le risque ?

Artéfacts

• Stratégie relative aux environnements de production et de non-production
• Conceptions documentées des environnements sandbox, de développement et de production
• Processus de contrôle des changements documentés pour le bac à sable
• Preuve de l'engagement avec les parties prenantes de politique examen/mise en œuvre
• Preuve de la communication de la stratégie et des politiques
• Preuve des droits d'accès des utilisateurs aux environnements productifs et non productifs

Notation

Description

Il doit y avoir une gestion contrôlée des changements pour tous les modèles développés au sein de la plateforme d'analyse, ainsi qu'un système documenté de gestion des changements. processus l'enregistrement des modifications. Une gouvernance efficace et un contrôle des modifications des modèles doivent être mis en place et vérifiables.

Objectifs

• Veiller à ce que les modifications apportées aux modèles d'analyse le soient avec l'autorisation appropriée.
• Veiller à ce que les modifications soient suivies et à ce que la nature de chaque modification soit documentée et vérifiable.
• Veiller à ce que les modèles ne soient diffusés dans l'environnement de production que par l'intermédiaire du système de contrôle de la qualité. processus des mécanismes de libération des environnements d'essai appropriés.
• Veiller à ce que les versions et l'archivage appropriés soient en place pour les ensembles de données utilisés pour former et valider les modèles.
• Répondre aux besoins de réexécution d'analyses sur des données historiques avec la version de l'application savoir-faire utilisé à ce moment-là.

Conseil

Les modèles analytiques doivent suivre le contrôle des changements processus et le cycle de développement des logiciels de l'organisation processus. Chercher à obtenir l'accord en discutant avec les responsables de la technologie fonction, la gestion du changement fonction, et des fonctions commerciales connectées.

Maintenir une documentation expliquant les modifications apportées aux modèles. Cette documentation doit retracer l'historique des versions afin de savoir quelles versions de quels modèles sont utilisées dans quelles implémentations.

Documenter les processus pour la création et le stockage de sauvegardes récupérables des versions précédentes du code et des ensembles de données. Ces fichiers de sauvegarde sont nécessaires en cas d'erreurs dans la mise à jour ou si l'analyse fournie par les versions précédentes doit être validée.

Bien que cette section se concentre sur la nécessité d'un contrôle de version pour tous les modèles analytiques, une organisation analytique doit s'assurer qu'il existe un contrôle de version pour toutes les analyses conçues et déployées sur la plateforme, y compris celles qui comportent de simples calculs ou des agrégations de données. Cela permettra de s'assurer que le numéro le plus récent est référencé et que si des changements sont apportés à l'approche analytique, les praticiens de l'analyse et leurs parties prenantes les comprennent et en sont conscients.

Questions

• Existe-t-il un contrôle des changements ? processus pour les modifications apportées aux modèles d'analyse sur la plateforme ?
• Le contrôle du changement défini est-il processus en place et compris par les personnes responsables au sein de l'entreprise ?
• Existe-t-il une documentation permettant de montrer et d'expliquer les modifications apportées aux modèles ?
• Les versions antérieures du code et les ensembles de données sont-ils disponibles pour assurer la compréhension des versions antérieures du code et des ensembles de données ? savoir-faire analyses ?
• Le contrôle des changements processus garantir l'autorisation appropriée pour les changements ?

Artéfacts

• Modèle spécifications
• Politiques et procédures associées au contrôle des versions des modèles et des ensembles de données
• Modèle protocoles et politiques de diffusion
• Preuve de savoir-faire examen et approbation

Notation

Description

Les stratégies d'anonymisation des données peuvent contribuer à garantir que les données utilisées pendant les phases de développement des modèles sont conformes aux régimes réglementaires appropriés régissant l'organisation et aux meilleures pratiques en matière de confidentialité des données. L'anonymisation des données s'applique également aux données confidentielles commercialement sensibles, telles que les résultats de l'entreprise avant leur publication.

La capacité d'obscurcissement est importante pour les environnements de test hors production et, dans certains cas, peut également être pertinente pour les environnements de production. Lorsque des testeurs professionnels externes ont accès aux environnements de test, les environnements hors production doivent stocker un minimum d'informations personnellement identifiables ou commercialement sensibles.

Objectifs

• Mettre en œuvre toutes les politiques pertinentes et développer le processus et des procédures permettant d'identifier les données qui doivent être classées comme sensibles sur le plan commercial ou comme des données à caractère personnel. les informations personnellement identifiables, en utilisant le système d'information de l'organisation. classification des données pour aider à déterminer le niveau et la sophistication de l'obscurcissement requis.
• Développer des méthodes pour obscurcir les données en les masquant ou en les rendant floues, selon les besoins de l'entreprise et avec l'approbation des équipes chargées de la conformité et de la réglementation.

Conseil

En collaboration avec une équipe interfonctionnelle qui englobe les services de protection de la vie privée, les services juridiques, les services de conformité et d'autres services appropriés, déterminer les classifications de données qui définissent quelles informations sont considérées comme commercialement sensibles ou classées comme telles. Informations d'identification personnelle conformément au cadre réglementaire applicable. Ces classifications détermineront l'étendue de l'obscurcissement ou de la suppression des données. Confirmer si l'anonymisation des données est nécessaire pour les modèles de production et de non-production et si elle s'applique à savoir-faire des sorties et des entrées.

Questions

• Les exigences en matière d'anonymisation des données sont-elles comprises ?
• Existe-t-il un processus documentées et suivies pour garantir la conformité réglementaire dans l'utilisation des données sensibles (personnelles et/ou commerciales) ?
• Des techniques d'obscurcissement ont-elles été mises au point et adoptées ?
• Si des données sensibles doivent être utilisées pour garantir l'exactitude des rapports et l'optimisation des prévisions, existe-t-il un moyen de les utiliser ? processus pour garantir que les données sensibles ou à diffusion restreinte utilisées sont masquées ou supprimées après utilisation ?

Artéfacts

• Preuve de l'existence de politiques d'anonymisation des données, référençant les types de données et détaillant les exigences spécifiques pour les environnements de production et de non-production.
• la stratégie relative aux environnements hors production, y compris la gestion de la réplication des données entre les environnements
• Liste des parties prenantes et preuve d'une communication bidirectionnelle et d'une reconnaissance des politiques pertinentes
• Documentation des techniques d'obscurcissement avec des conseils sur la manière et le moment de les appliquer
• Preuve de l'obscurcissement des données/anonymisation des modèles pertinents/savoir-faire sorties

Notation

Description

Les besoins des entreprises évoluent rapidement. L'analyse savoir-faire doit être suffisamment souple pour pouvoir traiter de nouvelles données sans nécessiter de refonte importante. L'environnement savoir-faire doit être en mesure d'assurer une augmentation de la puissance de calcul des données pour répondre à la croissance prévue de l'activité et à la sophistication croissante des modèles. Les coûts de la puissance de calcul doivent être suivis. Il faut comprendre comment les besoins supplémentaires peuvent être satisfaits et les coûts potentiels doivent être estimés à l'avance.

Objectifs

• Comprendre la capacité de traitement et la flexibilité potentiellement nécessaires pour l'analyse savoir-faire l'environnement.
• Soutenir la capacité d'augmenter et de réduire les effectifs pour répondre aux besoins prévus.
• Mettre en place un mécanisme d'estimation et de suivi savoir-faire les coûts de traitement.

Conseil

A processus doit être établi pour que les parties prenantes donnent des indications sur les besoins futurs que les modèles d'analyse pourraient être amenés à prendre en charge. Ces besoins servent de base à la planification des capacités. Elles devraient inclure les volumes de données et une estimation des charges de travail analytiques.

Les exigences en matière d'évolutivité doivent être reflétées dans la feuille de route technologique pour l'analytique. Ils devraient établir une position pour l'utilisation d'une infrastructure sur site et d'une infrastructure en nuage, en fonction des besoins de l'organisation.

Les coûts de la plateforme d'analyse doivent être suivis et examinés par rapport aux attentes des parties prenantes afin de s'assurer que les environnements sont dimensionnés de manière appropriée. Évaluer et quantifier les avantages commerciaux obtenus grâce à la plateforme d'analyse. savoir-faire afin de déterminer si les coûts des modèles et du traitement, ainsi que les coûts de la capacité inactive qui soutient l'évolutivité, sont justifiés.

Questions

• Existe-t-il une orientation commerciale sur les exigences et la stratégie futures que les modèles d'analyse doivent soutenir ?
• Les volumes de données et les charges de travail futurs sont-ils compris et quantifiés ?
• Les exigences en matière de volume et de charge de travail sont-elles documentées et examinées par Analytics ?
• Les modèles peuvent-ils s'adapter à des volumes de données ou à des variables accrus sans nécessiter une refonte complète et les coûts qui en découlent ?
• Les coûts de la plateforme d'analyse sont-ils suivis et comparés aux attentes pour s'assurer que les environnements sont dimensionnés de manière appropriée ?
• L'évaluation inclut-elle les coûts des capacités inutilisées ?

Artéfacts

• Documentation attestant des exigences de production et de non-production et des exigences non fonctionnelles de bas niveau
• Stratégie pour les environnements hors production
• Suivi des coûts des environnements de production et de non-production, y compris l'informatique utilitaire.
• Preuve de l'examen des dépenses et du retour sur investissement pour les environnements de production et de non-production

Notation

Bien que certaines activités d'analyse soient exploratoires ou ponctuelles, le service d'analyse doit être en mesure de déployer des modèles en production de manière contrôlée et régie. Les processus de test, d'approbation et de publication sont essentiels à cet égard, de même que les processus d'examen régulier des modèles déployés. Ces processus doivent être alignés sur les approches de gouvernance de l'organisation en matière d'éthique et de confidentialité des données. Exigences pour comprendre et contrôler savoir-faire Il faut tenir compte des préjugés, ainsi que de la nécessité d'être en mesure d'expliquer comment l'on peut faire des économies d'échelle. savoir-faire ont été prises.

Description

Avant d'être introduits dans un environnement opérationnel, les modèles doivent être testés pour s'assurer qu'ils fonctionnent comme prévu et qu'ils sont conformes à toutes les normes de l'UE. savoir-faire les spécifications. Modèle La validation doit comprendre un examen approfondi et un test des hypothèses et des techniques analytiques, ainsi que des examens visant à garantir que les données ne sont pas utilisées à mauvais escient et qu'elles restent facilement vérifiables. Cette validation comprend l'alignement sur le code d'éthique des données et la gouvernance de la confidentialité des données. Le résultat satisfaisant des tests et l'approbation de la diffusion doivent être formalisés par le fonctionnaire désigné à cet effet. Les savoir-faire doivent être relâchés conformément aux protocoles de relâchement établis.

Les performances de la savoir-faire peut changer au fur et à mesure que les données ingérées évoluent dans le temps, ce qui peut nuire à l'efficacité de l'application. savoir-faire’L'objectif initial de la Commission est d'améliorer la qualité de l'eau. Sa performance et son adhésion continue à l'esprit de l savoir-faire Les spécifications doivent être révisées périodiquement et chaque fois qu'il y a un changement dans les spécifications du savoir-faire les spécifications.

Objectifs

• Définir des processus formels pour savoir-faire les essais, la validation, l'approbation, la diffusion et l'examen périodique.
• Garantir l'autorité pour savoir-faire est claire et appropriée.
• Veiller à ce que les modèles (publiés ou en attente) déployés dans les environnements de production fonctionnent comme prévu et conformément à la politique de l'UE en la matière. savoir-faire’Les spécifications de l'entreprise.
• Mettre en place des garanties pour assurer savoir-faire La mise en production minimise l'interruption des opérations de l'organisation et protège contre les violations et la corruption des données.

Conseil

Dans le cadre de la savoir-faire un large éventail d'intrants doit être testé. savoir-faire pour s'assurer qu'il fonctionne comme prévu. Ces ensembles de données d'entrée peuvent comprendre des données d'essai, des données actuelles et des échantillons représentatifs artificiellement créés de données d'entrée qui pourraient théoriquement, même si c'est rarement le cas, se présenter dans les opérations. Modèle Il convient de vérifier que les sorties n'ont pas de conséquences inattendues dues à l'utilisation de l'option savoir-faire, Il s'agit là d'un problème qui ne peut être résolu que par l'adoption d'une approche globale de la gestion des ressources humaines. Modèle les tests et les contrôles devraient être automatisés dans la mesure du possible.

Les personnes autorisées à approuver une savoir-faire doivent contribuer aux spécifications du portefeuille de preuves à fournir pour l'examen de l'agrément. Ils doivent comprendre comment le savoir-faire et les objectifs commerciaux qu'il est censé atteindre. Ils doivent également avoir une connaissance plus large de l'ensemble des activités de l'entreprise. fonction contexte dans lequel le savoir-faire fonctionnera et des paramètres de gouvernance et d'éthique.

Pour garantir une utilisation responsable des données, il est essentiel de valider toutes les données contenues dans les modèles avant leur diffusion dans les environnements de production, afin de prévenir toute utilisation abusive potentielle. En outre, les processus de savoir-faire L'élaboration, la validation, l'approbation et la diffusion des modèles doivent s'aligner sur les structures et lignes directrices établies en matière de gouvernance de l'éthique des données et de la protection de la vie privée. Il s'agit notamment de s'assurer que toutes les parties prenantes impliquées dans l'approbation et la diffusion des modèles comprennent bien les exigences en matière de gouvernance de la protection de la vie privée. En fin de compte, un cadre cohérent qui intègre à la fois l'éthique des données et les considérations relatives à la protection de la vie privée est essentiel pour l'intégrité et la conformité des modèles de données. savoir-faire des opérations.

La prise en compte de l'éthique des données doit être intégrée dans le processus de bout en bout. processus de savoir-faire le développement et la gestion.

Conformité d'un savoir-faire avec les exigences en matière de protection de la vie privée doivent être comprises et confirmées avant qu'un savoir-faire est publié, mais il devrait déjà être pris en compte au stade de la conception.

Questions

• Existe-t-il des procédures formelles pour savoir-faire les tests, l'approbation, la diffusion et l'examen périodique ?
• Est l'autorité pour savoir-faire désigné au niveau d'ancienneté approprié ?
• Les parties prenantes ont-elles approuvé la mise en œuvre des procédures de test, d'approbation, de diffusion et de révision ?
• Les modèles fonctionnent-ils comme prévu et conformément à leurs spécifications ?
• Des garanties ont-elles été mises en place pour assurer savoir-faire La libération minimise l'interruption des opérations et protège contre la corruption des données et les violations ?
• Existe-t-il un processus a-t-elle été mise en place pour veiller à ce qu'un code formel de déontologie des données et les orientations associées soient révisés et restent à jour ?
• Existe-t-il un processus en place pour revoir tous les modèles en production lorsque les exigences en matière de protection de la vie privée changent ?

Artéfacts

• Modèle spécifications
• Modèle procédures d'essai, d'approbation et d'examen
• Preuve de l'automatisation des savoir-faire tests
• Modèle protocoles et politiques de diffusion
• Détails de savoir-faire ensembles de données d'entrée et résultats
• Calendrier des activités périodiques savoir-faire revues
• Preuve de savoir-faire examen et approbation
• Liste des parties prenantes et preuve de l'approbation de l'application des procédures

Notation

Description

Les acteurs de l'analyse doivent être conscients des préjugés et de l'iniquité des modèles et des conséquences involontaires qu'ils peuvent entraîner. Ce type de savoir-faire La partialité est une question de gouvernance et doit être traitée par des contrôles appropriés qui comprennent la sensibilisation, l'atténuation et les contrôles. Les modèles doivent faire l'objet d'une gestion active des biais qui prévoit une évaluation et une validation permanentes des algorithmes, des ensembles de données et de l'information. savoir-faire résultats.

Objectifs

• Mettre en place des processus et des contrôles pour s'assurer que les ensembles de données d'entrée n'introduisent pas de nouvelles données. savoir-faire biais.
• Veiller à ce que savoir-faire Les biais et leurs effets sont identifiés.
• Établir des procédures pour traiter savoir-faire une fois qu'ils sont identifiés.
• Veiller à ce que les lacunes des algorithmes soient comprises et à ce qu'ils ne soient pas appliqués à des questions dont les réponses seraient invalidées par des biais algorithmiques.

Conseil

Analyse savoir-faire sont basés sur les données introduites dans le savoir-faire, Il s'agit de données qui ne sont pas représentatives du monde réel, que ce soit lors de la création et de la formation ou lors de la mise en production. Il y a biais lorsque ces données ne sont pas représentatives du monde réel, qu'il s'agisse de l'absence de variables clés qui conduiraient à des décisions différentes ou de l'inclusion d'un contenu produit par l'homme qui incorpore les préjugés de ces personnes. De nombreuses organisations mettent en place des comités d'éthique des données chargés d'examiner les modèles et leurs résultats à la recherche de signes de biais intentionnels ou involontaires.

Pour minimiser les effets néfastes de la partialité, les parties prenantes doivent être conscientes de la possibilité d'une partialité dans n'importe quel projet de recherche. savoir-faire. Ils doivent comprendre les différents types de biais et la manière dont chacun d'entre eux peut avoir un impact sur les données, l'analyse et les décisions.

L'identification et la gestion des préjugés doivent être intégrées dans les procédures formelles d'identification et de gestion des préjugés. savoir-faire l'approbation et l'examen régulier. Les révisions régulières des modèles doivent inclure le contrôle de l'introduction de biais soudains ou rampants au fur et à mesure que les modèles sont exposés à de nouvelles données en production.

Questions

• Les parties prenantes sont-elles conscientes des sources potentielles de savoir-faire partialité ?
• L'analyse des savoir-faire biais inclus dans la méthodologie d'analyse et savoir-faire la documentation standard?
• Existe-t-il des procédures et des contrôles permettant de lutter contre les préjugés dans les domaines suivants savoir-faire données d'entrée ?
• Sont savoir-faire les lacunes documentées et prises en compte dans les décisions relatives à l'application de la savoir-faire?
• Est savoir-faire biais abordés dans les procédures de la savoir-faire l'approbation et l'examen régulier ?
• Les décisions fondées sur le jugement sont-elles savoir-faire le risque de partialité est-il pris à un niveau hiérarchique approprié ?
• Y a-t-il un examen régulier avec les spécialistes appropriés pour déterminer s'il y a une dérive dans les savoir-faire qui entraînent des préjugés ?

Artéfacts

• Partie prenante du matériel pédagogique sur savoir-faire biais
• Procédures d'analyse des savoir-faire biais
• Procédures et contrôles pour l'examen des biais dans les ensembles de données d'entrée
• Analyse documentée des savoir-faire biais
• Documentation de savoir-faire lacunes et limites
• Preuve de savoir-faire les préjugés et les lacunes examinés dans le cadre de la savoir-faire décisions de déploiement
• Procédures d'audit régulier des modèles pour s'assurer qu'il n'y a pas de biais.

Notation

Description

Exigences relatives à l'explication de la manière dont un savoir-faire fonctionne et atteint ses résultats doit être précise et doit être intégrée dans la modélisation. processus et les processus opérationnels qui soutiennent les modèles. La transparence de la manière dont un savoir-faire est essentiel pour reconnaître les préjugés et aligner les processus et les activités de l'entreprise afin d'obtenir des résultats non biaisés.

Objectifs

• Définir les exigences pour savoir-faire l'explicabilité en termes commerciaux.
• Attribuer la responsabilité de savoir-faire l'explicabilité au cours de la phase des exigences de la modélisation processus.
• Prendre des mesures supplémentaires pour atténuer l'ambiguïté des exigences en matière de savoir-faire l'explicabilité.
• Incorporer des processus pour garantir que les exigences en matière de savoir-faire L'explicabilité permet de comprendre clairement la manière dont une savoir-faire œuvres et pour savoir-faire transparence.

Conseil

Modèle Les exigences en matière d'explicabilité doivent spécifier la facilité avec laquelle les modèles peuvent être compris et la facilité avec laquelle il doit être possible de comprendre la cause des décisions dans un modèle d'entreprise. savoir-faire. L'objectif est que les parties prenantes soient en mesure d'expliquer ce que font les modèles et comment ils le font, à la fois aux publics internes et externes. Modèle L'explicabilité doit pouvoir résister à l'audit interne ou aux examens réglementaires externes. Les explications doivent être cohérentes.

Identifier et consulter les parties prenantes qui peuvent comprendre et discuter des exigences en matière de savoir-faire l'explicabilité.

Inclure des exigences pour savoir-faire l'explicabilité de la méthodologie d'analyse de l'organisation et savoir-faire la documentation standard. L'intégration des normes dans le tissu de l'organisation est une étape essentielle pour atteindre les objectifs suivants savoir-faire l'explicabilité.

Mettre à jour les processus, les normes et les politiques de l'organisation au fur et à mesure de l'adoption des exigences en matière de savoir-faire l'explicabilité augmente. Maintenir la documentation et les processus à jour. L'alternative se traduit par des connaissances tribales, des cloisonnements opérationnels et un risque accru de perte de la propriété intellectuelle et des connaissances, ce qui rend le travail de l'entreprise plus difficile. savoir-faire plus difficile à expliquer.

Mettre en place des méthodes de suivi et d'amélioration continue savoir-faire l'explicabilité. L'objectif de l'amélioration continue est d'offrir aux parties prenantes la possibilité d'améliorer la qualité de leur travail. savoir-faire l'explicabilité pour atteindre les objectifs de l'entreprise. Les sources d'idées d'amélioration comprennent les enquêtes, les entretiens et les évaluations par les pairs, les exemples de réussite et l'analyse des lacunes mises en évidence par le contrôle et la mesure. Introduire de nouvelles idées et réflexions dans l'organisation en se tenant au courant des normes industrielles émergentes et en déclin, des améliorations technologiques, et en comparant les processus et les résultats à ceux des concurrents, des alliés et d'autres secteurs d'activité.

Questions

• Les modèles peuvent-ils être expliqués en termes commerciaux ?
• Les exigences en matière de savoir-faire L'explicabilité peut-elle être rattachée aux processus, activités et résultats de l'entreprise ?
• Existe-t-il des preuves de l'existence de rôles et de responsabilités ?
• La responsabilité a-t-elle été attribuée pendant la phase de modélisation des exigences ? processus?
• Des étapes ou des processus ont-ils été identifiés pour atténuer l'ambiguïté ?
• Les modèles sont-ils faciles à interpréter ?
• Est-il facile de comprendre la base des décisions dans les modèles ?

Artéfacts

• Politiques relatives aux exigences en matière de savoir-faire l'explicabilité, y compris les types de modèles acceptables pour les cas d'utilisation commerciale
• Étapes définies pour atténuer l'ambiguïté, à la fois démontrées et documentées ou observées
• Exigences pour les savoir-faire l'explicabilité documentée dans la méthodologie d'analyse et savoir-faire la documentation standard
• Procès-verbaux des sessions d'examen par les pairs de la savoir-faire explicabilité
• Documentation de la raison d'être de savoir-faire choix
• Les définitions des rôles des praticiens de l'analyse qui incluent des responsabilités relatives à savoir-faire explicabilité
• Preuve des efforts de suivi et d'amélioration continue pour savoir-faire explicabilité

Notation

Un programme de formation à l'analyse doit permettre à toutes les personnes impliquées dans l'analyse d'avoir les moyens d'agir. processus, La formation devrait s'adresser non seulement aux praticiens spécialisés dans l'analyse, mais aussi aux analystes commerciaux, aux utilisateurs occasionnels de l'analyse et aux dirigeants d'entreprise qui s'appuient sur des données analytiques et en demandent. Si ces experts ont besoin de compétences en matière de collecte, d'analyse et d'interprétation des données pour faciliter la prise de décision, la formation devrait également s'adresser aux analystes d'entreprise, aux utilisateurs occasionnels d'outils d'analyse et aux dirigeants d'entreprise qui s'appuient sur des données analytiques et en demandent. La formation aide les participants à mieux comprendre les capacités d'analyse, ce qui permet aux chefs d'entreprise de poser des questions plus éclairées et aux analystes de fournir des informations plus approfondies. Étant donné que l'analyse intervient à tous les niveaux d'une organisation, le fait d'équiper les employés Les connaissances en matière d'analyse favorisent une prise de décision plus éclairée. En fin de compte, l'efficacité de l'analyse nécessite un changement, et l'éducation est essentielle pour conduire le changement. cohérence et l'adoption dans l'ensemble de l'organisation.

Description

Un programme est mis en place pour former le personnel à son rôle au sein de l'organisation en le dotant des concepts, des compétences et des responsabilités appropriés en matière d'analyse. Les compétences requises pour exercer les différents rôles et responsabilités en matière d'analyse sont comprises et le programme de formation a été créé pour développer ces compétences.

Objectifs

• Identifier et aligner les compétences requises pour remplir les rôles et les responsabilités à différents niveaux.
• Créer une carte d'apprentissage pour fournir aux analystes les compétences et les outils nécessaires à l'exercice de leurs activités.
• Examiner et confirmer que la carte d'apprentissage répond aux définitions des rôles.
• Intégrer un processus d'actualiser la carte des apprentissages en fonction des normes et des évolutions du secteur.

Conseil

Les praticiens de l'analyse doivent bénéficier d'un enseignement et d'une formation appropriés pour développer leur ensemble de compétences afin de maximiser la valeur qu'une organisation tire de sa capacité d'analyse. Lors de l'élaboration de la carte d'apprentissage, les praticiens de l'analyse à tous les niveaux devraient être impliqués pour s'assurer que toutes les compétences requises sont représentées dans le domaine de l'analyse. Les rôles et les responsabilités doivent être utilisés comme point de départ pour identifier les compétences et les outils qui permettront aux praticiens de s'acquitter efficacement de ces tâches. Réaliser une évaluation de l'état actuel et une analyse des lacunes des compétences, des outils et de la formation existants dans le domaine de l'analyse afin d'identifier et de traiter les lacunes et les défis communs, en guidant l'orientation des expériences d'apprentissage.

La carte d'apprentissage doit être conçue de manière à fournir aux praticiens de l'analyse des expériences à la fois pratiques et théoriques. Il faut tenir compte des expériences issues de l'apprentissage structuré, de l'apprentissage social et des activités d'apprentissage par l'expérience. Les différentes expériences doivent être intégrées dans la carte d'apprentissage, en consacrant suffisamment de temps à chaque activité et en établissant une feuille de route claire avec des jalons pour suivre les progrès de l'apprentissage. La carte d'apprentissage doit être mise à jour à intervalles réguliers, en fonction de l'évolution de l'apprentissage. modèle de fonctionnement et les expériences d'apprentissage sont mises à jour pour refléter les développements et les meilleures pratiques de l'industrie.

Les initiatives de formation pour les praticiens de l'analyse sont mises en place dans le cadre d'un programme de formation à l'analyse. processus pour une amélioration continue. Le succès des initiatives en matière d'éducation doit être mesurable et contrôlé afin de s'assurer que les lacunes en matière de compétences sont comblées en permanence.

Questions

• Existe-t-il une approche et un plan pour soutenir la formation à l'analyse des organisations ?
• Les exigences en matière de compétences pour tous les niveaux de praticiens de l'analyse ont-elles été définies et approuvées ?
• Une analyse des lacunes a-t-elle été réalisée afin d'identifier les déficits de compétences ?
• Les parties prenantes ont-elles examiné et approuvé la carte d'apprentissage ?
• La carte d'apprentissage répond-elle aux définitions des rôles pour tous les rôles et tous les niveaux ?
• Les cartes d'apprentissage couvrent-elles tous les types d'apprentissage ?
• Existe-t-il un processus pour actualiser la carte des apprentissages ?
• L'initiative en matière d'éducation a-t-elle été conçue pour fournir des expériences pratiques et théoriques ?
• Une feuille de route de l'expérience d'apprentissage a-t-elle été définie ?
• Les indicateurs de réussite ont-ils été approuvés ?
• Un mécanisme de retour d'information est-il en place ?
• Le programme de formation à l'analyse est-il aligné et soutenu par la formation centrale de l'organisation ? fonction, le cas échéant ?

Artéfacts

• Approche et plan d'éducation à l'analyse
• Rôles et responsabilités en matière d'analyse
• Exigences en matière de compétences analytiques par rapport à la matrice des rôles
• Parcours d'apprentissage du rôle d'analyste

Notation

Description

La gestion du changement analytique doit être abordée comme un programme structuré avec des initiatives essentielles. L'objectif est de comprendre les compétences et les comportements nécessaires que l'organisation doit développer pour optimiser la valeur de l'analytique. Pour aider à soutenir la progression vers l'état futur optimisé de l'analytique, l'équipe peut utiliser une approche pour développer et mettre en œuvre des initiatives prototypes qui promeuvent et encouragent les compétences et les comportements nécessaires. Après avoir démontré la valeur de ces initiatives, elles devraient être intégrées et maintenues dans le cadre des opérations courantes.

Objectifs

• Élaborer une approche de la gestion du changement en matière d'analyse afin de promouvoir l'amélioration de l'analyse dans l'ensemble de l'organisation.
• Définir les compétences et les comportements souhaités en matière d'analyse pour l'organisation afin d'optimiser la valeur de l'analyse.
• Élaborer un plan pour permettre à l'organisation d'améliorer les compétences et les comportements en matière d'analyse.

Conseil

L'exploitation et la promotion du programme de formation à l'analyse peuvent constituer une activité principale pour faire progresser une organisation dans sa quête d'une meilleure compréhension et d'une meilleure capacité d'analyse. La documentation et la communication des initiatives réussies en matière d'analyse, qui favorisent les compétences et les comportements souhaités, peuvent aider à combler les lacunes et à poursuivre la sensibilisation.

Il est préférable de collaborer avec la communauté analytique pour définir les indicateurs de performance clés associés aux comportements et élaborer des analyses de rentabilité pour la mise en œuvre de la solution en tant qu'activité habituelle. Obtenir l'adhésion et le parrainage pour conduire les initiatives d'analyse. Après la mise en œuvre, mesurer le changement de comportement et son impact à intervalles réguliers.

Questions

• Les compétences et les comportements analytiques privilégiés par l'organisation ont-ils été définis ?
• Les cas d'utilisation réussis de l'analyse sont-ils documentés et communiqués à l'organisation ?
• La gestion du changement en matière d'analyse collabore-t-elle avec le programme de formation à l'analyse pour favoriser la réussite de l'analyse ?
• Est-ce qu'un processus existent pour déterminer si les nouveaux comportements sont durables et s'ils apportent une valeur ajoutée à l'entreprise ?
• Dispose d'un processus pour mesurer les comportements dans le temps a été définie ?

Artéfacts

• Approche et plan de gestion du changement analytique
• Normes de compétences et de comportement en matière d'analyse
• Étude(s) de cas analytique(s)
• Indicateurs de performance clés et tableaux de bord analytiques, assortis d'objectifs
• Un document processus déterminer la durabilité et la valeur commerciale des nouveaux comportements
• Preuve de la mesure du comportement

Notation