La gestion des données est la pratique consistant à ingérer, traiter, sécuriser et stocker les données d'une entreprise, où elles sont ensuite utilisées pour la prise de décision stratégique afin d'améliorer les résultats métier. Au cours de la dernière décennie, les développements dans le domaine du cloud hybride, de l'intelligence artificielle, de l'Internet des objets (IoT) et de l'informatique de périphérie ont conduit à la croissance exponentielle du Big Data, créant davantage de complexité pour les entreprises. Par conséquent, une discipline de gestion des données au sein d'une entreprise est devenue une préoccupation prioritaire, car cette croissance a créé des défis importants, tels que des silos de données, des risques de sécurité et des goulots d'étranglement pour la prise de décision. Les équipes relèvent ces défis de front avec un certain nombre de solutions de gestion des données, qui visent à nettoyer, unifier et sécuriser les données. La gestion des données permet également aux dirigeants de glaner des informations via des tableaux de bord et autres outils de visualisation de données et aide ces derniers à prendre des décisions métier éclairées. Elle permet également aux équipes de science des données d'étudier des questions plus complexes qui leur permettent de tirer parti de capacités analytiques plus avancées, comme l'apprentissage automatique pour des projets de preuve de concept. Si elles parviennent à leur fin et à améliorer les résultats métier, elles peuvent s'associer aux équipes concernées pour étendre ces apprentissages à l'ensemble de leur entreprise grâce à des pratiques d'automatisation.

Gestion des données vs gestion des données de référence

Alors que la gestion des données fait référence à une discipline à part entière, la gestion des données de référence est plus spécifique pour ce qui est du périmètre, car elle se concentre sur les données transactionnelles, c'est-à-dire les chiffres relatifs aux ventes. Les données de vente incluent généralement des informations sur les clients, les vendeurs et les produits. Ce type de données permet aux entreprises de déterminer leurs produits et marchés les plus performants et leurs meilleurs clients. Les données de base incluant des informations personnellement identifiables (PII), elles sont également conformes à des réglementations plus strictes, telles que le RGPD. 

Le champ d'application d'une discipline de gestion des données est assez vaste, et une solide stratégie de gestion des données met généralement en œuvre les composants ci-dessous pour rationaliser leur stratégie et leurs opérations dans toute une entreprise : 

Traitement de l'information : au cours de cette étape du cycle de vie de la gestion des données, les données brutes sont ingérées à partir d'une gamme de sources de données, telles que les API Web, les applications mobiles, les appareils Internet des objets (IoT), les formulaires, les enquêtes, etc. Elles sont alors généralement traitées ou chargées, via des techniques d'intégration de données, telles que l'extraction, la transformation, le chargement (ETL) ou l'extraction, le chargement, la transformation (ELT). L'ETL a toujours été la méthode standard pour intégrer et organiser des données dans différents jeux de données. Toutefois, l'ELT a gagné en popularité avec l'émergence de plateformes de données cloud et la demande croissante de données en temps réel. Indépendamment de la technique d'intégration des données utilisée, les données sont généralement filtrées, fusionnées ou agrégées lors de l'étape de traitement des données pour se conformer aux exigences de leur finalité, qui peut être un tableau de bord d'informatique décisionnelle ou un algorithme d'apprentissage automatique prédictif, entre autres. 

Stockage des données : bien que les données puissent être stockées avant ou après leur traitement, le type de données et leur finalité dicteront généralement le référentiel de stockage qui sera exploité. Par exemple, l'entreposage de données nécessite un schéma défini pour répondre aux exigences spécifiques d'analyse de données pour les sorties de données, telles que les tableaux de bord, les visualisations de données, et autres tâches d'informatique décisionnelle . Ces exigences en matière de données sont généralement dirigées et documentées par les utilisateurs professionnels et les ingénieurs de données, qui s'exécuteront à terme en fonction du modèle de données défini. La structure sous-jacente d'un entrepôt de données est généralement organisée comme un système relationnel (c'est-à-dire dans un format de données structurées), qui s'approvisionne en données à partir de bases de données transactionnelles. Cependant, d'autres systèmes de stockage, tels que les datalakes, intègrent des données provenant de systèmes relationnels et non relationnels, et deviennent ainsi un bac à sable pour des projets de données innovants. Les datalakes profitent en particulier aux scientifiques des données, car ils leur permettent d'intégrer à la fois des données structurées et non structurées dans leurs projets de science des données. 

Gouvernance des données : la gouvernance des données est un ensemble de normes et de processus métier qui garantissent que les actifs de données sont exploités efficacement au sein d'une entreprise. Elle inclut généralement les processus liés à la qualité des données, à l'accès aux données, à la convivialité et à la sécurité des données. Par exemple, les comités de gouvernance des données ont tendance à s'aligner sur les taxonomies pour garantir que les métadonnées sont ajoutées de manière cohérente dans les différentes sources de données. Cette taxonomie devrait également être davantage documentée via un catalogue de données afin de rendre les données plus accessibles aux utilisateurs, ce qui faciliterait la démocratisation des données dans toute l'entreprise. Les équipes en charge de la gouvernance des données permettent également de définir les rôles et les responsabilités afin de garantir que l'accès aux données est fourni adéquatement ; cela est particulièrement important pour maintenir la confidentialité des données. 

Sécurité des données : la sécurité des données met en place des garde-fous permettant de protéger les informations numériques contre les accès non autorisés, la corruption ou le vol. La technologie numérique occupant une place de plus en plus importante dans nos vies, les pratiques de sécurité des entreprises modernes sont de plus en plus scrutées afin de garantir que les données des clients sont protégées contre les cybercriminels ou les incidents de reprise après sinistre. La perte de données peut être dévastatrice pour toute entreprise. Cependant, les violations de données, en particulier, peuvent avoir des conséquences coûteuses, sur le plan financier, mais aussi sur la marque de l'entreprise. Les équipes en charge de la sécurité des données peuvent mieux sécuriser leurs données en tirant parti du chiffrement et du masquage des données dans leur stratégie de sécurité des données. 

Le traitement des données, le stockage des données, la gouvernance des données et la sécurité des données font tous partie de la gestion des données, et le succès de l'un de ces composants dépend de l'architecture des données ou de la pile technologique d'une entreprise. L'infrastructure de données d'une entreprise crée un pipeline pour l'acquisition, le traitement, le stockage et l'accès aux données, et cette opération est réalisée en intégrant ces systèmes ensemble. Les services de données et les API rassemblent les données des systèmes existants, des datalakes, des entrepôts de données, des bases de données SQL, et des applications, pour offrir une vue globale sur les performances de l'entreprise. 

Chacun de ces composants de l'espace de gestion des données subit actuellement de nombreux changements. Par exemple, le passage du système sur site aux plateformes cloud est l'une des technologies les plus perturbatrices de l'espace à l'heure actuelle. Contrairement aux déploiements sur site, les fournisseurs de stockage dans le cloud permettent aux utilisateurs de créer de grands clusters selon les besoins, en ne faisant payer que le stockage spécifié. Ainsi, si vous avez besoin d'une puissance de calcul supplémentaire pour exécuter une tâche en quelques heures et non pas en quelques jours, vous pouvez facilement le faire sur une plateforme cloud en achetant des nœuds de calcul supplémentaires.

Ce passage aux plateformes de données cloud facilite également l'adoption du traitement des données en continu. Des outils comme Apache Kafka, permettent un traitement des données en temps réel : les consommateurs peuvent ainsi s'abonner à des sujets pour recevoir des données en quelques secondes. Cependant, le traitement par lots a toujours ses avantages, car il est plus efficient pour traiter de gros volumes de données. Le traitement par lots respectant un calendrier défini (quotidien, hebdomadaire ou mensuel), il est idéal pour les tableaux de bord de performances métier qui ne nécessitent généralement pas de données en temps réel. 

Le changement ne fait que s'accélérer dans cet espace. Plus récemment, des matrices de données sont apparues afin de faciliter la gestion complexe de ces systèmes de données. Les matrices de données exploitent des systèmes intelligents et automatisés permettant de faciliter l'intégration de bout en bout de divers pipelines de données et environnements cloud. Au fur et à mesure que de nouvelles technologies comme celle-ci se développent, les dirigeants obtiendront une vision plus globale des performances de l'entreprise, car elles intégreront les données de ses différentes fonctions. L'unification des données des ressources humaines, du marketing, des ventes, de la chaîne d'approvisionnement, etc. ne peut que donner aux dirigeants une meilleure compréhension de leur client. 

Les entreprises bénéficient d'un certain nombre d'avantages lors du lancement et de la maintenance d'initiatives de gestion des données : 

Silos de données réduits : la plupart des entreprises, voire toutes, connaissent des silos de données au sein de leur organisation. Différents outils et cadres de gestion des données, tels que les matrices de données et les datalakes, contribuent à éliminer les silos de données et les dépendances vis-à-vis des propriétaires de données. Par exemple, les matrices de données contribuent à révéler les intégrations potentielles dans des jeux de données disparates de différentes fonctions, telles que les ressources humaines, le marketing, les ventes, etc. Les datalakes, d'autre part, ingèrent les données brutes de ces mêmes fonctions, ce qui permet de supprimer les dépendances et d'éliminer les propriétaires uniques d'un jeu de données donné. 

Conformité et sécurité améliorées : les comités de gouvernance facilitent la mise en place de garde-fous permettant de protéger les entreprises contre les amendes et la publicité négative qui peuvent survenir en raison du non-respect des réglementations et des politiques gouvernementales. Les faux pas peuvent être coûteux, sur le plan financier, mais également sur la marque de l'entreprise. 

Expérience client enrichie : bien que cet avantage ne soit pas immédiatement visible, une preuve de concept réussie peut améliorer l'expérience globale de l'utilisateur, en permettant aux équipes de mieux comprendre et de personnaliser le parcours client grâce à des analyses globales.

Évolutivité : la gestion des données peut aider les entreprises à évoluer, mais cela dépend en grande partie de la technologie et des processus en place. Par exemple, les plateformes cloud offrent davantage de flexibilité en permettant aux propriétaires de données d'augmenter ou de réduire la puissance de calcul selon leurs besoins. De plus, les comités de gouvernance peuvent aider à s'assurer que des taxonomies définies sont adoptées à mesure qu'une entreprise grandit.