Glossaire

Data asset management

Le data asset management est le processus global d’organisation, de gestion et d’optimisation des data assets pour générer de la valeur business.

Qu’est-ce que le data asset management ?

Le data asset management est le processus de bout en bout qui consiste à organiser, gérer et optimiser les data assets afin de créer de la valeur pour l’entreprise.

Il couvre l’ensemble du cycle de vie des data assets : identification, classification, stockage, protection, récupération et destruction des données. Contrairement à la gestion des données (data management) qui se concentre sur les aspects techniques, le data asset management traite les données comme un actif business précieux dont il faut tirer le maximum de bénéfices.

Le data asset management ne doit pas être confondu avec le digital asset management, qui concerne uniquement la gestion des actifs numériques comme les vidéos, fichiers audio, animations, logos, typographies et palettes de couleurs. Le data asset management est plus large et couvre tous types de data assets.

Pourquoi le data asset management est-il important ?

Le data asset management vise à transformer les données en valeur, permettant aux organisations d’exploiter leurs données pour gagner en compétitivité, innover et stimuler la croissance.

Ses bénéfices incluent :

Soutenir une meilleure prise de décision, basée sur les données, à la fois stratégique et opérationnelle
Réduire les risques en comprenant mieux le contexte opérationnel tout en assurant la conformité
Améliorer la qualité, la précision et la pertinence des données
Rendre les opérations business plus fluides et efficaces

En quoi consiste le data asset management ?

Le data asset management est un domaine large qui regroupe plusieurs disciplines, telles que :

La gouvernance des données (data governance)
La découverte des données (data discovery)
La classification des données / création de data asset inventory
La gestion de la qualité des données (data quality management)
L’architecture des données (data architecture)
La traçabilité des données (data lineage)
La disponibilité des données à grande échelle via les data marketplaces, business intelligence et analytics

En plus des solutions techniques au sein de la stack data, il inclut la mise en œuvre de politiques, procédures et bonnes pratiques visant à maximiser la valeur des data assets.

Comment une organisation peut-elle assurer un data asset management efficace ?

Comme pour les actifs physiques, les organisations doivent mettre en place des cadres et processus pour gérer les data assets de façon cohérente et efficace. Ces processus couvrent tout le cycle de vie, depuis la découverte/création des data assets, leur utilisation, maintenance et mise à jour, jusqu’à leur suppression ou destruction.

Voici huit questions fondamentales pour un cadre et processus efficaces :

Quels sont nos actifs ?
Quels sont les plus et les moins précieux pour l’organisation ?
Que voulons-nous en faire, en termes d’objectifs business ?
Comment allons-nous y parvenir ?
Comment suivre la progression vers ces objectifs ?
Comment l’état de nos actifs évolue-t-il dans le temps ?
Comment réagissons-nous à ces évolutions ?
Comment s’assurer que nous obtenons le meilleur retour sur investissement (ROI) de nos actifs ?

Quels sont les défis du data asset management ?

Comme pour les programmes techniques de gestion des données, transformer efficacement les data assets en valeur business rencontre plusieurs défis :

Comprendre, suivre et partager des volumes croissants de données issues de sources de plus en plus variées, internes et externes
Garantir la sécurité, la confidentialité et la conformité des données lors de leur réutilisation et partage
Gérer à la fois les données structurées et non structurées
Briser les silos départementaux pour collecter et partager les données à l’échelle de l’entreprise
Trouver des moyens de rendre les data assets accessibles aux employés et parties prenantes qui en ont besoin — résoudre ce problème d’accès “dernier kilomètre”, par exemple via des data marketplaces, est crucial pour le succès des programmes de data asset management

Quelle est la différence entre data asset management et data asset inventory ?

La principale différence est que le data asset inventory fournit un inventaire et résumé des data assets, tandis que le data asset management est l’initiative globale qui organise et optimise ces actifs pour générer de la valeur business.

Data asset inventory

Le data asset inventory donne une vue complète de tous les data assets d’une organisation : type, emplacement, usage, propriétaire. Ces informations facilitent la gouvernance, la conformité et la prise de décision, et sont généralement accessibles via un data catalog.

Data asset management

Le data asset management est le processus global d’organisation, stockage, sécurisation et optimisation des data assets pour les rendre plus accessibles et utiles, maximisant ainsi leur valeur.