Générer de l’impact en industrialisant les data products – les meilleures pratiques de Gartner

Les data products sont des actifs de données hautement consommables et orientés métier. Ils sont essentiels pour accroître et généraliser l’usage des données en entreprise. En fournissant des données dans un format facilement compréhensible par les utilisateurs métiers et lisible par les machines pour l’IA, les data products libèrent la valeur réelle du patrimoine informationnel d’une organisation.

Les Chief Data Officers et autres leaders data comprennent l’importance des data products. Mais comment transformer la théorie en pratique et réussir réellement à créer et partager ces produits à grande échelle ? Par où commencer et comment maximiser leur partage ?

Pour y répondre, Gartner a produit une série de présentations et de rapports, incluant une nouvelle étude sur les data marketplaces. Nous vous partageons certaines de ces meilleures pratiques pour aider les organisations à générer de l’impact grâce à leurs data products.

Selon l’enquête « Chief Data and Analytics Officer (CDAO) Agenda Survey » de Gartner, 50 % des organisations ont déjà déployé des data products, et 29 % se sont engagées à réaliser des pilotes ou envisagent un déploiement d’ici l’année prochaine.

Cependant, pour générer de la valeur, les organisations doivent industrialiser la production des data products et s’assurer qu’ils sont découverts, compris et consommés par leurs publics cibles. Cela nécessite une stratégie et des processus complets, soutenus par une infrastructure technologique couvrant leur création, leur déploiement, ainsi que leur maintenance et adaptation continues. Les organisations doivent passer de projets data ponctuels à une approche standardisée pour garantir de la cohérence et du volume.

En plus d’industrialiser la production, les organisations doivent également généraliser la consommation. Dans une nouvelle étude, « Data Marketplaces Are Key to Faster Data Product Adoption and AI-Ready Data Delivery », les analystes de Gartner Richa Jha, Ehtisham Zaidi, Robert Thanaraj et Michele Launi soulignent les avantages des data marketplaces. En offrant un espace unique et centralisé pour le partage de données, elles brisent les silos et permettent un partage sécurisé et évolutif des data products, aidant à transformer la donnée en un actif stratégique central. Huwise est cité dans cette étude comme un fournisseur représentatif de data marketplace.

Une data product marketplace est une plateforme de collaboration connectant les producteurs et les consommateurs de données, leur permettant de partager en interne des données intégrées et enrichies sémantiquement.

L’une des principales raisons de la croissance des data products est la grande variété de cas d’usage critiques auxquels ils répondent :

Les données sont soit bloquées dans des silos départementaux, soit compréhensibles et utilisables uniquement par des experts techniques. Les data products brisent ces barrières en garantissant que des données fiables sont largement disponibles dans des formats orientés métier répondant à des besoins organisationnels spécifiques. Livrés via des data marketplaces intuitives et en libre-service, ils maximisent l’usage à l’échelle de l’entreprise.

Les équipes data consacrent actuellement un temps énorme à répondre aux demandes des métiers en matière de données. Souvent, ces demandes se chevauchent, entraînant des doublons et une perte de temps. Les data products sont conçus pour répondre aux exigences métier spécifiques de larges groupes d’utilisateurs. Cela réduit la charge de travail des équipes data et leur permet de se concentrer sur des activités à plus forte valeur ajoutée.

L’efficacité de la prise de décision peut être entravée par des données incohérentes, empêchant toute comparaison fiable des informations entre départements. Les data products fournissent des données partagées, cohérentes et de haute qualité, servant de base à une collaboration et à des décisions mieux informées.

Face à l’augmentation des réglementations relatives aux données, les organisations doivent être capables d’auditer et de suivre leur usage à travers l’entreprise. Les data products incluent des cadres de gouvernance pour protéger les informations sensibles et fournissent un lignage de données (data lineage) transparent pour surveiller et démontrer la conformité.

Pour réussir, l’IA nécessite des données de haute qualité et bien structurées. Les data products fournissent cette source, offrant un accès immédiat à des données gouvernées et conformes. L’usage peut être suivi et audité, favorisant la transparence et garantissant une gouvernance efficace de l’IA.

Les données organisationnelles ne profitent pas seulement à l’entreprise en interne. Elles peuvent être utilisées pour générer de nouveaux revenus via la monétisation, avec des informations fournies à des tiers. Les data products simplifient la monétisation en packageant les données sous forme de produits clairs et mis à jour, faciles à acheter et à consommer par des clients externes.

Gartner identifie trois types principaux de data products, chacun répondant à des besoins métier spécifiques :

Ils agrègent généralement des données provenant de multiples systèmes (tels que CRM ou ERP) pour créer une vue unifiée de domaines tels que les finances ou les achats. Alternativement, ils peuvent intégrer des données externes, telles que des données démographiques ou des codes postaux, afin qu’elles puissent être utilisées dans de multiples cas d’usage en aval. Cela garantit la cohérence et évite les doublons.

Ils délivrent une vue unique et partagée des entités métier clés, telles que les clients, les produits, les fournisseurs ou les citoyens. Ils assurent la cohérence à travers l’entreprise et entre les départements, brisant les silos et permettant des analyses précises. Ces data products fournissent une brique de base utilisable au sein des processus métier et de data products plus complexes.

Ils fournissent des informations actionnables pour les utilisateurs métiers. Ils combinent données pertinentes, logique métier et interfaces pour garantir que les données peuvent être comprises, interrogées et consommées sans nécessiter de compétences techniques. Ils peuvent être livrés sous forme de tableaux de bord interactifs, de modèles analytiques ou d’applications embarquées.

Réussir l’adoption des data products est plus qu’un défi technique. Le simple fait de construire un data product ne garantit pas son usage ni sa valeur métier tangible. Quatre obstacles doivent être surmontés :

1. Les data products doivent être alignés sur un besoin métier clair et développés conjointement avec les utilisateurs. Ne pas répondre aux exigences des utilisateurs entraînera une sous-utilisation et un manque de ROI.
2. Il doit y avoir une gouvernance et une sécurité fortes pour contrôler l’accès aux informations contenues dans les data products. La qualité des données doit être continuellement certifiée, les informations sensibles protégées et la conformité réglementaire conservée.
3. Les data products doivent être faciles à découvrir et à consommer. Sans méthodes de découverte adaptées ou de descriptions claires, les utilisateurs potentiels peineront à trouver les data products pertinents, réduisant à nouveau l’engagement et l’adoption. Comme le souligne Gartner, les data marketplaces sont centrales pour assurer la consommation.
4. Il doit y avoir une collaboration claire à travers l’organisation pour bâtir une culture data solide. Cela nécessite de la formation, de l’éducation et la suppression des silos, tant entre les départements qu’entre les équipes techniques et métiers.

Sur la base de son expérience, Gartner recommande d’adopter un cadre et un processus clairs pour lancer et industrialiser les data products au sein de l’organisation.

Lydia Ferguson, analyste chez Gartner spécialisée dans la stratégie de data products, recommande une approche « ramper, marcher, courir ». Commencez par un seul data product répondant à un besoin à haute valeur ajoutée bien identifié, et obtenez l’adhésion des utilisateurs métiers concernés. Définissez le besoin et vérifiez s’il peut être satisfait par un data product. Sur la base des spécifications des utilisateurs, créez un premier prototype ou Produit Minimum Viable (MVP) et adaptez-le en fonction des retours.

Parallèlement, assurez-vous que le cadre de livraison des data products est mis en place. Adoptez des modèles standardisés (incluant les contrats de données/data contracts), des métadonnées et une sémantique afin que les futurs produits puissent être construits selon les mêmes processus.

Enfin, il est essentiel de nommer un Data Product Owner. Ce rôle transverse fait le pont entre les besoins des utilisateurs métiers, les équipes techniques et celles de gouvernance, en se concentrant sur la livraison, l’adoption et la maintenance d’un data product spécifique. Une fois le premier produit lancé et adopté, d’autres peuvent être étudiés et construits, créant un portefeuille plus large qui maximise la valeur.

De toute évidence, un data product réussi repose sur des données de haute qualité, conformes et orientées métier. Cela nécessite une architecture de référence technique conçue pour transformer les données brutes en data products compréhensibles. Gartner recommande une architecture de référence en cinq phases couvrant l’ensemble du parcours de la donnée :

• Acquérir – accéder aux données des sources à travers l’organisation
• Intégrer – rassembler les données, via des techniques telles que la réplication ou la virtualisation
• Organiser – centraliser les données dans une plateforme unique, telle qu’un entrepôt (data warehouse) ou un lac de données (data lake)
• Analyser – appliquer des analyses pour créer un actif de données significatif, complet et précis
• Délivrer – fournir les data products résultants via le bon canal pour les utilisateurs, tel qu’une data product marketplace intuitive et en libre-service

Même les data products les mieux conçus et les plus pertinents ne seront pas consommés s’ils sont difficiles à trouver ou à utiliser. Cela signifie que les organisations doivent se concentrer sur la manière dont les data products sont partagés avec tous les utilisateurs pour garantir leur adoption à grande échelle.

Les besoins et les préférences des utilisateurs doivent être au centre de la création des data products. Différents publics nécessiteront différentes manières d’accéder aux données. Par exemple, les développeurs d’applications, les experts en IA et les techniciens voudront pouvoir se connecter aux data products via des APIs. Les utilisateurs métiers voudront une expérience plus visuelle et orientée business, par exemple via des tableaux de bord.

Tous ces besoins peuvent être satisfaits par une data marketplace unique et centralisée. Elle offre une expérience intuitive en libre-service, basée sur les principes des marketplaces e-commerce, rendant la découverte, l’accès et la consommation des data products simples et fluides. 

Des capacités telles que la recherche assistée par IA et des métadonnées complètes connectent facilement les utilisateurs aux données pertinentes. Des descriptions claires des data products, incluant les détails de leurs propriétaires, renforcent la confiance, tandis que la sécurité et la gouvernance sont appliquées via des contrôles d’accès granulaires. 

Contrairement à un catalogue de données (data catalog), axé sur les utilisateurs techniques, les data marketplaces mettent les données à la disposition de l’ensemble de l’entreprise, démocratisant l’accès et stimulant la consommation.

Gartner souligne quatre capacités clés des data products marketplaces  :

• Une découverte de données intuitive en libre-service et un accès fluide et sécurisé pour les utilisateurs et équipes métiers
• Des capacités de préparation de données robustes pour simplifier l’intégration et le nettoyage des données
• La capacité de partager les données de manière sécurisée, soutenue par une gouvernance automatisée pour contrôler les accès et fournir une piste d’audit
• Un suivi de l’usage et des fonctionnalités de type e-commerce qui stimulent l’engagement et la collaboration, comme les notes et les avis

 Les data products doivent être performants sur deux dimensions clés. Premièrement, ils doivent être techniquement robustes et basés sur des données fiables, de haute qualité et à jour. Deuxièmement, ils doivent être utiles au business, avec des taux d’adoption élevés et des utilisateurs satisfaits pour générer de la valeur métier et du ROI.

Cela signifie qu’en parallèle de la performance technique et de l’observabilité des données, les organisations doivent se concentrer sur la collecte d’informations d’usage et de retours. 

Combien de personnes utilisent le data product, et comment cela évolue-t-il dans le temps ? De quels départements viennent-ils ? Combien de personnes découvrent le data product via la recherche, mais ne parviennent pas à y accéder ? 

Combiner ces informations avec les retours directs des utilisateurs aide à comprendre si le data product répond réellement à un besoin métier, ou s’il doit être adapté, voire remplacé.

La construction de data products est un processus continu. Sur la base des fondations, des processus et des modèles mis en place, les organisations doivent continuellement industrialiser la production, en travaillant avec les métiers pour identifier, tester et déployer de nouveaux data products, créant une valeur exponentielle et une consommation accrue des données.

Une stratégie de data products efficace exige que les organisations et les équipes data adoptent un état d’esprit produit, plutôt que projet. Elles doivent mettre en place des processus reproductibles pour construire des data products à l’échelle, identifier les vrais problèmes métiers, travailler avec les utilisateurs pour les résoudre par la donnée, puis s’assurer que les produits sont facilement accessibles et consommables via des marketplaces de data products intuitives en libre-service. C’est seulement ainsi qu’elles exploiteront avec succès les données pour améliorer la performance, l’efficacité et l’innovation.

Dans le cadre de son engagement à accompagner les organisations dans leur parcours vers les data products, Huwise exposera au prochain Gartner Data & Analytics Summit à Londres du 11 au 13 mai. Découvrez comment nous pouvons aider à transformer votre stratégie data en nous rendant visite sur le stand 113 ou en réservant un rendez-vous.