Connexion
14 083 Livres Blancs | 2 326 |

Gouvernance des données 3

Réconcilier le structuré et le non-structuré pour faciliter l'exploitation de l'information.

  • EditeurMosaik.ly
  • Version PDF - 13 pages - 2019 - Français
Gouvernance des données 3

Introduction ou extrait du livre blanc

"Comme toute activité de gouvernance, l’objectif générique est d’améliorer les résultats de l’entreprise et de soutenir sa croissance, plus particulièrement en augmentant la qualité des données et leur niveau de confiance.

Au fil du temps la Gouvernance des données est devenue de plus en plus critique dans un contexte d’entreprise étendue et d’overdose informationnelle avérée.

Nous constatons tous un afflux massif de données internes, externes, structurées et non structurées.

Ces données proviennent des activités métier de l’entreprise, de la gestion de la qualité (ISO), de la réglementation (par exemple RGPD), des objets connectés etc. En même temps les destinations de stockage se sont multipliées (Cloud, ECMs, serveurs partagés) et les capacités sont devenues infinies.

Bref, pour exercer notre métier, notre quotidien consiste à extraire des données de différentes sources et ensuite à les réconcilier pour pouvoir les analyser selon nos axes métiers.

Etes-vous concerné ?

Oui, si vous vous reconnaissez dans le contexte décrit ci-dessus !

Pour ne donner que quelques exemples, votre Gouvernance des données est concernée dès lors que vous comptez mettre en place au sein de votre entreprise des projets de digitalisation / transition numérique, de convergence des pratiques et des outils digitaux, travailler sur la valorisation des données de vos activités, réaliser des migrations techniques ou organisationnelles des données, instituer des référentiels communs etc…

Sachant que la Gouvernance des données implique comme partie prenante aussi bien des responsables métiers que des directions, que de l’IT et plus récemment des profils plus spécialisés comme le Chief Data Officer (CDO), Data Manager, Data Protection Officer (DPO) voire des déclinaisons opérationnelles comme le Data Scientist, Data Steward ou Dataminer. Tous ont l’expérience de la non-qualité de l’information. La donnée rassemblée doit être auditée pour s’assurer de sa qualité.

Pour recevoir ce livre blanc, merci de cliquer ci-dessous :

Obtenir le livre blanc