Data Governance
Aussi : Data Governance Framework, Enterprise Data Governance, DG
La data governance est l'ensemble des politiques, rôles et processus qui garantissent que les données sont exactes, sécurisées, bien définies et utilisées de façon responsable dans toute l'organisation.
De quoi il s'agit
La data governance est la discipline qui consiste à gérer la disponibilité, l'utilisabilité, l'intégrité et la sécurité des données dans l'organisation. Elle définit qui peut réaliser quelle action, sur quelles données, dans quelles situations et selon quelles méthodes. Ce n'est pas un outil unique mais un framework qui combine politiques, standards, rôles et processus, appuyés par la technologie.
La gouvernance répond à des questions concrètes : qui est propriétaire de la table clients ? Que veut dire exactement « client actif » ? Qui a le droit de voir les champs de salaire ? Combien de temps conservons-nous les enregistrements de transactions ? Quand une donnée change, qui valide ?
Pourquoi c'est important
Sans gouvernance, les organisations accumulent des définitions contradictoires, des jeux de données dupliqués et des responsabilités floues. Résultat : de mauvaises décisions, un risque de conformité et du temps perdu à réconcilier les chiffres.
- Confiance : les décideurs peuvent s'appuyer sur les reportings quand les définitions et le lineage sont clairs.
- Conformité : des réglementations comme le RGPD, le CCPA et HIPAA exigent un contrôle démontrable sur les données personnelles.
- Efficacité : les équipes cessent de reconstruire les mêmes métriques et de débattre pour savoir qui a le bon chiffre.
- Réduction du risque : les contrôles d'accès et les pistes d'audit limitent les fuites et les usages abusifs.
Pour un Chief Data Officer, la gouvernance est le modèle opérationnel qui transforme des données éparpillées en un actif géré et dont on répond.
Comment on l'utilise en pratique
Les programmes de gouvernance mettent généralement en place :
- Des rôles : data owners (responsables d'un domaine), data stewards (qualité au quotidien) et un conseil de gouvernance qui fixe la politique.
- Des standards : conventions de nommage, glossaires métier et définitions de métriques validées.
- Des catalogues et du lineage : des outils qui documentent l'origine des données et leurs transformations.
- Des règles de qualité : contrôles automatisés de complétude, de validité et d'unicité.
- Des politiques d'accès : classification des données sensibles et règles définissant qui peut les consulter ou les modifier.
Exemple concret
Une banque constate que le nombre d'« utilisateurs actifs mensuels » diffère entre le dashboard marketing et le reporting finance. Un chantier de gouvernance désigne le responsable analytics marketing comme data owner de la métrique, publie une définition unique dans le glossaire métier, documente les tables sources et les transformations sous forme de lineage, et ajoute des contrôles qualité pour signaler les événements de login manquants. Après déploiement, les deux équipes annoncent le même chiffre, les audits deviennent traçables et les désaccords chutent nettement.
La gouvernance est continue, pas un projet ponctuel : les définitions, les réglementations et les systèmes évoluent en permanence.
Questions fréquentes
Que couvre concrètement la data governance ?
La data governance définit qui peut faire quoi, sur quelles données, dans quelles situations et selon quelle méthode. Elle combine politiques, standards, rôles et processus, appuyés par des outils comme les catalogues et les contrôles qualité. Ce n'est pas un produit qu'on achète mais un modèle opérationnel à entretenir, puisque définitions, réglementations et systèmes évoluent en permanence.
Qui doit se préoccuper de la data governance dans une entreprise ?
En premier lieu le Chief Data Officer, ou la personne qui porte la fonction data, parce que la gouvernance est le modèle opérationnel qui transforme des données éparpillées en actif géré et redevable. Les responsables métier sont impliqués aussi : ce sont eux les data owners, comptables des définitions et des accès sur leur périmètre. Les équipes finance, juridique et conformité ont un intérêt direct via le RGPD, le CCPA ou HIPAA.
Quelle différence entre un data owner et un data steward ?
Le data owner est responsable d'un domaine de données : définitions, règles d'accès, décisions de conservation. Le data steward gère la qualité au quotidien sur ce domaine, applique les règles et corrige les anomalies. Au-dessus des deux, un conseil de gouvernance fixe la politique commune aux domaines.
Comment régler un indicateur qui affiche deux chiffres différents dans deux rapports ?
Désignez un data owner unique pour l'indicateur, publiez une définition unique dans le glossaire métier, puis documentez les tables sources et les transformations sous forme de lineage. Ajoutez des contrôles qualité sur les événements sous-jacents pour que les trous soient signalés au lieu de fausser silencieusement le chiffre. Une banque dont les « monthly active users » différaient entre le dashboard marketing et le reporting finance a procédé ainsi, et les deux équipes ont ensuite publié le même chiffre.
Par quoi commencer un programme de gouvernance quand rien n'existe ?
Commencez par les indicateurs et les jeux de données qui provoquent déjà des désaccords visibles ou une exposition réglementaire, pas par un catalogue d'entreprise complet. Nommez un propriétaire, actez une définition unique, documentez le lineage, puis ajoutez des contrôles automatisés de complétude, de validité et d'unicité. La classification des champs sensibles et les règles d'accès viennent ensuite, ce sont les premiers points examinés en audit.