Capgemini Institut 0144742410
24 rue du Gouverneur général Eboué 92136 Issy les Moulineaux
Gouvernance des Données Paris
Gouvernance des Données Paris
DURéE
2 jours
DATES
16-17 novembre 2017
4-5 juin 2018
LIEU
Paris
PRIX 2017
1 910 € ht (2 292 € ttc)
Sommaire du séminaire
    Séminaires technique Institut Capgemini

    Gouvernance des Données

    >  Référentiels, méthodes, qualité, outils bonnes pratiques




    En deux journées denses, ce séminaire présente un point complet sur les enjeux métiers et technologiques du management des données pour les DSI et des meilleures pratiques à mettre en œuvre : revue des cadres réglementaires applicables (français, européens, américains), principaux référentiels métiers et technologiques de management des données et de la qualité des données, démarche d’architecture, démarche de gouvernance, bonnes pratiques de gestion et d’ingénierie, bénéfices pour l’entreprise, le tout illustré par une étude de cas détaillée :

    • Quelles démarches l’entreprise doit-elle mettre en œuvre pour bien manager et gouverner ses données ?
    • Quels bénéfices l’entreprise peut-elle attendre d’un bon management et d’une bonne gouvernance des données ? Quelle place dans un contexte Big Data ?
    • Quel est le cycle de vie des données de l’entreprise ? Quels sont les types de données (de référence, transactionnelles, décisionnelles, etc.) ? Quel rôle chaque type de donnée a dans le cycle ?
    • Comment gouverner les données et leur niveau de qualité ?
    • Quelles contraintes les cadres réglementaires appliquent-ils aux données de l’entreprise CNIL, LSF, LOLF, PGF 49 A, SOX, patriot act, Bâle III, Solvabilité II, etc.?Jérôme

    • Par où commencer la mise en œuvre d’une démarche de management des données, de gouvernance de la qualité des données et de la sécurité ? Avec quels acteurs ? Quel rôle pour la DSI ?
    • Quels nouveaux métiers sont induits par le management et la gouvernance des données ?
    • Comment mesurer les apports d’une telle démarche une fois qu’elle a été mise en œuvre.
    • Quelles sont les types de solutions pour manager et gouverner les données et la qualité afin que l’entreprise en tire les meilleurs bénéfices ? Comment construire la roadmap de mise en œuvre ?
    • Quels sont les limites et principaux écueils des approches classiques ? Comment les éviter.


    Démarches existantes et concepts clés


    Concepts clés

    • Le cycle des données dans le système d’information : le BUILD et le RUN.
    • Les concepts de base .

    Démarches existantes et limites

    • Le management des données : le Book of Knowledge DAMA.
    • La gouvernance des données vue par le Data Governance Institute.
    • La gouvernance des données vue par l’IBM Governance Council.
    • Le data management maturity model.
    • Une approche des solutions de management des données : MIKE-2.

    Les données au sein de la gouvernance du SI

    • Les données et COBIT5.
    • Les données et TOGAF 9.1.
    • Les données, BISL et le BABOK.

    Gouvernance et valorisation des données


    Etat des lieux des pratiques

    • Des processus et des organisations en cours de déploiement.
    • Les données insuffisamment valorisées.

    Valorisation des données

    • Les attentes de valeur métier.
    • La valeur de la donnée : la donnée pour l’action.
    • La donnée pour maîtriser les nouveaux risques.
    • Etat des lieux des cadres règlementaires : Données personnelles, données financières, solvabilité.
    • Classification et partage des données.
    • Stratégie de données.

    La synthèse : les fondamentaux du management des données

    • Les grands concepts : type de données, cycle de vie, grandes règles.
    • Les points clés de la mise en œuvre dans le processus de gouvernance.

    Conceptualiser les données pour les gouverner


    Conceptualiser les données

    • Rappels de conceptualisation des données : données, objets métier, cycle de vie.
    • Les données de l’entreprise : cycle des données de l’entreprise.
    • Les données des applications : la représentation des données, les flux.
    • Les méta-données : les données à propos des données.
    • Les nouveaux modèles de données : étoile écrasé ou Big Table, Hub-link-satellite.

    Documenter les données

    • Le glossaire des concepts métier : démarche et bonnes pratiques.
    • Le dictionnaire des données : normes et recommandation.
    • Panorama de la documentation des données.

    Conceptualiser la qualité des données

    • Les causes de la non-qualité.
    • Identifier les risques associés à la non qualité des données.
    • Définir les facteurs de qualité des données.
    • Formuler les exigences.
    • Identifier les contrôles.
    • Exemple de spécification des exigences de qualité.
    • Démarche de mise en œuvre.

    Solutions de gouvernance des données

    • Les pure players.
    • Les solutions intégrées.

    Organiser la gouvernance des données


    Les nouveaux rôles et responsabilités

    • Le rôle de propriétaire des données.
    • Le rôle de pilote de la qualité et de la sécurité des données.
    • Les rôles de gestion opérationnelle des données.
    • Le rôle de Chief Data Officer.

    Organiser la gouvernance des données

    • De la gouvernance des données à la gouvernance des projets.
    • Supervision des opérations sur les données.
    • Les organisations de gouvernance des données.

    Etablir la fonction de gouvernance des données

    • Etablir la politique des données.
    • Concevoir la charte : objectifs, organisation, comités, rôles et responsabilités.
    • Définir les indicateurs et le reporting.
    • Valider et publier la Charte.

    Panorama des architectures et solutions des données


    Panorama des solutions et les architectures de données

    • Les architectures de données dans l’architecture du SI.
    • Les types de MDM et leur cas d’application.
    • Les architectures décisionnelles et le Big Data.
    • Les solutions de qualité des données et leur intégration.

    Panorama des architectures de traçabilité et de conservation des données

    • Que faut-il tracer et pourquoi ?
    • Les contextes de traçabilité : les applications, les flux, la traçabilité de bout en bout.
    • Les contextes de conservation : journal, historique, archivage, archivage probant
    • La conservation des données et la traçabilité.

    Gouvernance des données et sécurité

    • Disponibilité et continuité de service.
    • Confidentialité, anonymisation.

    Lancer la démarche de management des données


    Préparer le lancement

    • Identifier les enjeux métier opérationnels et stratégiques.
    • Identifier les freins métiers et IT.
    • Convenir d’une Roadmap avec le management.
    • Etablir et faire valider la charte.

    Pour le BUILD, s’appuyer sur la démarche d’architecture d’entreprise

    • Inscrire la qualité des données dans la charte de l’architecture d’entreprise.
    • Lancer la cartographie des données dans les processus métier et dans le système d’information.
    • Définir et déployer les cadres d’exigences des données.
    • Lancer le dictionnaire d’objet métier.
    • Contribuer à la cible et à la roadmap des solutions de données.

    Pour le RUN, s’appuyer sur les organisations de pilotage opérationnel

    • Prioriser les constituants du pilotage opérationnel.
    • Etablir une roadmap fonction des gains opérationnels.
    • Déployer progressivement et accompagner le changement.
    • Ajouter le sujet des données dans les comités de qualité des processus.

    Informer, animer et suivre

    • Produire et expliquer les indicateurs.
    • Rendre compte de la progression.
    • Animer la communauté des parties prenantes et des acteurs.

    Etude de cas


    Etude de cas d’une entreprise d’assurance

    • Présentation du cas : enjeux, stratégie digitale, mise en conformité réglementaire Solvabilité II.
    • Evaluation de l’existant et définition de la cible de gouvernance des données.
    • Identification des acteurs de la gouvernance des données.
    • Définition d’une organisation de gestion des données et de la qualité des données.
    • Définition d’une architecture des données et de management de la qualité données.