Tribunes

La donnée : l'invariant de vos systèmes d'information et les enjeux associés

Les SI sont devenus des actifs stratégiques pour les entreprises. Si cette affirmation est une évidence pour les managers, sa nature même reste encore floue. Quand les entreprises s'intéressent à leur SI, elles ont tendance à travailler sur les processus, les organisations, les applications voire les infrastructures. Elles en oublient que le seul invariant de leur SI est la donnée. C'est en travaillant sur ces données (saisie, diffusion et échange, stockage, suppression) qu'on a le plus de chance d'agir sur l'actif stratégique et ses véritables enjeux.

PublicitéUne entreprise connaît dans le cadre de son évolution, des réorganisations, des fusions, des acquisitions, des plans de progrès... Ces transformations sont susceptibles de mettre à mal l'utilisation des SI, leur logique d'intégration, les responsabilités de gestion, l'optimisation des périmètres à gérer. Certaines fonctions peuvent être dans ce cas portées par plusieurs systèmes, en ayant pour conséquence des conflits de valeur, d'identité, de schéma et de sémantique.

Toute évolution mal maîtrisée du SI se traduit par une dégradation du capital immatériel de l'entreprise. Cette perte propre à l'information et aux données est visible au niveau des utilisateurs. Ils se plaignent de ne pas disposer de la bonne donnée au bon moment ; ils ont l'impression de saisir des données inutiles ; certaines données sont stockées sans que personne ne sache pourquoi ; ils passent beaucoup de temps pour accéder à la donnée ; ils reprennent les travaux établis à partir de données erronées... D'autres conséquences sont observées : complexification des échanges, accroissement du coût de construction et de maintenance des interfaces. On ne sait plus qui fait quoi, ni pourquoi, ni comment. Ce manque de visibilité sur le SI et son contenu conduit à une perte d'agilité et une difficulté à gérer et intégrer les inflexions stratégiques et opérationnelles. Le SI devient un paquebot dont l'inertie empêche toute manoeuvre rapide.

Les données : un point de focalisation essentiel pour préparer la bonne réalisation des transformations

Pour mettre en oeuvre les transformations, on s'attarde souvent, à juste titre, sur les processus afin de mettre sous contrôle les prises de décisions et sur les applications afin d'outiller et d'industrialiser les processus. On néglige en revanche les données qui sont utilisées et produites dans le cadre des processus, gérées et transformées par les applications, certaines données étant traitées par plusieurs processus et applications. Cette négligence peut conduire à une rupture de la chaîne numérique, à plusieurs références pour une même donnée, ou au développement de fonctions inutiles (20% de fonctions inutilisées régulièrement observés).

Etape 1 - Définir un macro-modèle de données

Afin de répondre à ces enjeux, il est important dans les projets de transformation de définir le périmètre en considérant les données nécessaires et suffisantes pour travailler et d'identifier qui utilise quelle donnée. Le travail sur un macro-modèle permet de répondre à ce besoin de clarification. Il représentera de manière factuelle les objets principaux, leurs relations ainsi que les liens avec les données amont et aval. Il permettra d'assurer un cadrage précis et d'éviter les ambiguïtés.

PublicitéEtape 2 - Détailler et affiner le macro-modèle

Etape 2 - Détailler et affiner le macro-modèle

Le macro-modèle de données étant défini, il doit être affiné en identifiant les attributs des objets et en apportant une définition de chaque terme. Cette réflexion doit prendre en compte les orientations business de l'entreprise ou des SI car les coûts et l'évolutivité des systèmes conçus dépendront du niveau de standardisation requis par ces orientations. Le macro-modèle doit intégrer les impératifs de développement de l'entreprise à l'international, les rachats et les sessions... On évaluera également l'utilité de ces données dans les processus de l'entreprise et on identifiera les éventuels conflits d'utilisation... A ce stade il est préconisé de repérer les Key Interface Data, c'est-à-dire les principales données échangées entre les systèmes.

Etape 3 - Définir le cycle de vie des données

L'analyse du cycle de vie des données permet de spécifier le SI. Comment chaque donnée est-elle créée, modifiée, validée, supprimée ? Quelles sont les contraintes existant avec les autres données? Quels sont les formats autorisés? ... Dans le même temps on peut préciser les responsabilités vis-à-vis de ces données, les clients et les contributeurs. Des cas d'utilisation permettent de formaliser ces éléments et leurs contraintes de performance.

Le cycle de vie de la donnée comprend également la gestion de sa fin de vie. Combien de temps l'entreprise a-t-elle besoin de conserver cette donnée? Sous quel format? Comment organiser la purge des données ? Comment et sur quel périmètre organiser l'archivage long terme?

Etape 4 - Pérenniser et garantir la qualité des données

Enfin, il est nécessaire d'assurer dans le temps la maintenance et la qualité des données produites. Cette responsabilité incombe à son propriétaire et à son administrateur (double compétence métier et SI requise). Ils mettront en place des reportings, des requêtes permettant d'identifier les conflits, les doublons ou autres problématiques. Les modalités pratiques mises en oeuvre pour garantir la qualité de la donnée devront être claires et communiquées aux équipes (fréquence des contrôles, responsabilités concernant cette activité...). Les collaborateurs devront inclure dans leurs activités ce changement de culture.

Pour pérenniser les données, il faut définir et mettre en place des IHM performantes, qui faciliteront l'accès aux données, leur manipulation et leur transformation. Elles doivent être au coeur des préoccupations des responsables de la DSI : il faut maquetter au plus tôt les IHM et les faire tester / valider par les utilisateurs pour vérifier la performance des opérations.

Les données : un enjeu managérial et culturel

L'entreprise qui met en oeuvre ces principes optimise l'implication de ses ressources et le niveau de performance attendu des systèmes. Elle économise un temps important de formalisation des besoins. Il est fondamental de mener une telle démarche de manière itérative, en évitant de complexifier dès le départ le macro-modèle, afin de permettre l'appropriation du système par ses utilisateurs.

Il est essentiel de positionner des instances opérationnelles en les intégrant aux instances existantes (réunion de département, de processus, de projet) afin de prendre les décisions relatives aux données et de veiller à leur réalisation. Ce management de la donnée pourra faire l'objet d'une thématique dédiée dans les outils de management visuel, par exemple les Obeya projet : le modèle de données, les cas d'utilisation et les IHM seront visibles et partagés en réunion.