Comment construire une stratégie “data product” sur le long terme selon Gartner

Les data products sont essentiels pour augmenter la consommation de données et générer de la valeur : ils améliorent la prise de décision, augmentent la productivité et l’efficacité, et ouvrent la voie à de nouveaux services et sources de revenus. Cependant, de nombreuses entreprises en sont encore à leurs débuts dans leur démarche de construction et de déploiement à grande échelle. Comment peuvent-elles accélérer les progrès et garantir une réussite durable des data products ?

Lors du dernier sommet Gartner Data & Analytics à Londres, l’analyste Ehtisham Zaidi a présenté l’état actuel du marché des data products et a expliqué les meilleures pratiques pour aider les entreprises à créer des programmes évolutifs.

Les entreprises comprennent l’importance des données pour leur réussite et l’intérêt de donner à leurs équipes les moyens d’accéder aux bonnes données, au bon moment et dans le bon format. Souvent, le goulet d’étranglement dans le processus de partage des données à l’entreprise ne se situe pas au niveau de la production, mais plutôt dans la mise à disposition aux utilisateurs dans un format qui facilite leur consommation.

Les data products constituent la réponse : ce sont des actifs data précis, exploitables, à haute valeur ajoutée et mis à jour en permanence qui sont fournis aux utilisateurs dans un format « prêt à l’emploi » et répondant à un besoin métier spécifique du plus grand nombre. Ils sont régis par des data contracts, c’est-à-dire des contrats de niveau de service qui définissent la qualité des données, la manière dont le produit peut être utilisé et qui y a accès. Tout cela signifie que les utilisateurs métiers les considèrent comme fiables, ce qui permet d’augmenter leur consommation et leur valeur. Lisez notre article de blog pour en savoir plus sur les data products et en quoi ils diffèrent des autres actifs data.

Les études de Gartner confirment l’importance des data products. Dans l’édition 2024 de l’enquête menée par le cabinet sur l’évolution de la gestion des données, 63 % des personnes interrogées ont cité les data products comme l’une des cinq principales tendances d’investissement pour les responsables de gestion des données au cours des deux à trois prochaines années, juste derrière l’IA et la qualité/gouvernance des données.

Les data products associent données, métadonnées, sémantique et modèles pour fournir une solution complète et continue à des cas d’utilisation métier spécifiques. Les données peuvent contribuer à la réussite de l’entreprise de mille manières ; c’est pourquoi il est essentiel que les directeurs et autres responsables des données (CDO) établissent des priorités quant aux data products qu’ils créent et déploient, et créent des programmes continus pour les produire. Cela suppose donc de les traiter comme un produit physique et de comprendre le besoin du marché et le retour sur investissement pour les créer et les promouvoir sur le long terme.

Gartner recommande d’adopter une approche en cinq étapes pour créer des data products :

Travail préparatoire : les objectifs du data product

Avant d’entamer le projet, prenez le temps de comprendre la portée du produit data, en répondant à des questions telles que :

• Quel problème résout-il ? Quelle est la proposition de valeur ?
• Qui sont les utilisateurs ? Que recherchent-ils ?
• Comment sera-t-il pris en charge sur le plan technique ?
• Comment sera-t-il mis à disposition ?

De manière générale, les data products peuvent être classés dans l’une des trois catégories suivantes :

• Utilitaire : data product précis et disponible immédiatement, qui permet aux équipes de faire leur travail plus rapidement et plus efficacement
• Facilitateur : data product qui favorise une meilleure prise de décision et susceptible de générer des revenus ou des opportunités autour d’un résultat commercial spécifique connu
• Moteur : data product qui transforme le modèle économique en monétisant de nouvelles opportunités dans de nouveaux domaines pour l’entreprise

En commençant par la proposition de valeur, des décisions précises concernant la structure du data product et le mécanisme de livraison peuvent être prises.

Planification et conception du data product

Une fois que les critères ont été clairement définis, les équipes de données peuvent planifier et concevoir le produit en fonction de ces besoins. Cela englobe la compréhension des sources de données, la personne propriétaire des données, la structure technique nécessaire et leur format de livraison. Bien entendu, la participation des utilisateurs finaux à cette étape du processus est essentielle pour mieux comprendre leurs besoins.

Conception et mise en œuvre du data product

Sur la base des plans et ébauches convenus, le data product peut ensuite être élaboré. Cette étape prévoit une cartographie et le test des flux de données des systèmes sources vers le produit, la garantie de la fiabilité et de la bonne gouvernance, ainsi que la mise en place des infrastructures techniques pour adapter l’utilisation à de grands groupes sans aucune incidence sur les performances.

Formatage et livraison du data product

À ce stade, tous les composants et les données sont rassemblés en un seul produit qui est formaté pour répondre aux besoins des utilisateurs. Exemple : il peut être fourni sous forme de tableau de bord interactif ou de données de référence client pour veiller à ce qu’il soit consommable sans nécessiter de compétences techniques ou d’aide. La bonne livraison est un élément clé de la hausse de l’utilisation. Le data product doit être facile à rechercher et considéré comme fiable par les utilisateurs grâce à des solutions essentielles telles qu’une data product marketplace pour un partage efficace qui relie les producteurs de données et leurs consommateurs.

Suivi et évolution continue des data products

Les data products ne sont pas des rapports ni des projets ponctuels, mais répondent à un besoin continu. Il convient donc de surveiller en permanence leur mise à disposition et leurs performances, et de recueillir des commentaires afin de les améliorer et de s’assurer qu’ils restent parfaitement adaptés aux besoins des utilisateurs. L’évaluation des performances est primordiale pour montrer le respect du data product au niveau de service défini dans le data contract, ce qui renforce la confiance et encourage l’utilisation.

Les études de Gartner montrent que si les data products deviennent la norme, dans la plupart des entreprises, ils ne sont pas encore déployés à grande échelle sur le long terme. Par exemple : seulement la moitié des personnes interrogées dans le cadre de l’enquête de Gartner sur l’évolution de la gestion des données de 2024 ont été tout à fait d’accord pour dire qu’elles utilisaient une approche DataOps dans le cadre de leur modèle d’organisation de gestion des données, et seulement 43 % d’entre elles estimaient que leur architecture de données était organisée en écosystèmes de données bien intégrés et cohérents.

Ces résultats indiquent qu’il faut mettre en œuvre à grande échelle la création de data products et adopter une approche du cycle de vie complet qui les rend accessibles aux utilisateurs, facilement et en permanence. Il s’agit avant tout de répondre aux besoins des clients en fonction des évolutions et des changements ; sinon, l’utilisation risque de s’amoindrir et les investissements d’être réalisés en pure perte.

Les data products doivent donc faire partie d’une stratégie durable et à long terme qui ne se contente pas de créer des produits, mais qui évalue leur succès, les redéploie en fonction des commentaires et les améliore au fur et à mesure. Il est nécessaire de mettre en place des indicateurs clés de performance clairs sur la manière dont ils sont élaborés (temps, budget et respect des critères), comment ils sont exécutés (commentaires des utilisateurs, utilisation et disponibilité) et comment ils sont développés (rapidité d’ajout de nouvelles sources de données ou de création de nouveaux data products). La création et la réutilisation de modèles, la constitution d’équipes pluridisciplinaires et la gouvernance fédérée des données contribueront à déployer les programmes de data products à grande échelle en conjuguant compétences et ressources adaptées d’une part, et directives de l’entreprise d’autre part.

La gestion des données évolue rapidement sous l’importance grandissante des data products pour transformer les informations en valeur métier. Cela signifie que les approches stratégiques précédentes, tournées vers la gouvernance technique, basculent désormais vers des data products axés sur l’entreprise et une logique de consommation.

Il devient donc essentiel de créer des data products et de veiller à ce qu’ils soient accessibles et utilisés à grande échelle. Même s’ils répondent aux besoins de l’entreprise, si les consommateurs ne peuvent pas facilement trouver les data products ou faire confiance aux données qu’ils contiennent, ils ne seront tout simplement pas utilisés. Les solutions traditionnelles de data catalog et de gouvernance, qui se contentent de répertorier les données, ne sont pas adaptées pour répondre à ce besoin, d’où l’importance grandissante des data product marketplaces.

Elles rendent les data products opérationnels et assurent leur consommation pour générer une réelle valeur. Les data product marketplaces sont des espaces centralisés en self-service qui contiennent tous les actifs data d’une entreprise, y compris les data products. Elles visent à apporter une expérience utilisateur intuitive, sur le modèle d’une plateforme e-commerce, permettant aux consommateurs de trouver et de consommer des données fiables très facilement. Des fonctionnalités telles que la recherche propulsée par l’IA générative, les recommandations et les fonctions qui relient directement les utilisateurs aux producteurs de données, et la gestion granulaire des accès pour assurer la sécurité et la gouvernance sont essentielles pour étayer cette expérience et renforcer la confiance des utilisateurs.

Les data marketplaces servent de vitrine à toutes les données d’une organisation, permettant aux consommateurs de trouver rapidement les produits pertinents dont ils ont besoin pour améliorer l’efficacité, la prise de décision et l’innovation. Elles facilitent la création de nouveaux services et génèrent un retour sur des investissements de données plus larges, tout en fournissant des données fiables pour les modèles et les agents d’IA.

Tour d’horizon du marché des data product marketplaces

Selon Gartner, le marché des data product marketplaces en est encore à ses débuts, car les acheteurs adoptent les data products et s’éloignent des stratégies axées sur la gouvernance des données techniques. Il répertorie un large éventail de prestataires et de types au sein de l’écosystème de data products, de ceux qui offrent des solutions de gestion de données plus larges aux consultants et prestataires de services. Toutefois, de nombreuses solutions déjà disponibles sur le marché ont ajouté des data products aux systèmes actuels, ce qui signifie qu’elles ne peuvent pas fournir de fonctionnalités très avancées et personnalisées. D’autres nouveaux acteurs existent, mais sont trop spécialisés ou reposent essentiellement sur des services.

En somme, il existe actuellement une forte demande de conseils spécialisés en data marketplaces, car les entreprises orientent leurs stratégies vers l’adoption et la mise en œuvre à grande échelle de data products pour générer de la valeur. Les premiers projets doivent générer un retour sur investissement rapide afin de favoriser des déploiements plus larges. Gartner recommande donc de travailler avec des acteurs de premier plan (répertoriés dans la catégorie « Stand-alone » ci-dessus), avec une technologie de data marketplace ciblée et la capacité à justifier de la création de valeur à partir de différents cas d’utilisation, plutôt qu’avec des prestataires spécialisés en gouvernance de données techniques traditionnelles.

Alors, en matière de data products, par où les entreprises devraient-elles commencer ? À la fin de sa présentation, Ehtisham Zaidipar a recommandé six bonnes pratiques qui contribuent à la réussite du projet, à court et à long terme.

Adopter une approche évolutive mais commencer à petite échelle

Créez une stratégie capable d’évoluer pour couvrir un grand nombre de data products, mais commencez par des efforts plus réduits et ciblés. Commencez par projets faciles à réaliser : collaborez avec les équipes de domaine pour identifier des cas d’utilisation bien établis qui sont largement compris et dont la valeur est évidente.

Se concentrer en priorité sur les cas d’usage à fort impact

Concentrez vos premiers efforts sur les cas d’utilisation stratégiques et évolutifs. Adaptez-les à des cas d’utilisation confrontés à des goulets d’étranglement au niveau informatique afin d’optimiser l’impact et la dynamique.

Délivrer progressivement grâce à des Minimum Viable Data Products

Axez vos efforts sur le développement de minimum viable data products (MVDPs) qui apportent une valeur immédiate et peuvent être améliorés en continu, plutôt que de chercher des solutions entièrement affinées dès le départ.

Suivre des indicateurs clés de performance dès le lancement

Assurez-vous que les producteurs de données et les consommateurs soient en phase avec des indicateurs clés de performance qui définissent la réussite avant le début du développement, en établissant des objectifs communs et des attentes claires.

Renforcer le rôle de Data products owner

Investissez dans les fonctions de gestion des data products. Outre de solides compétences en gestion de produits, la personne responsable des data products doit également être en mesure de répondre efficacement aux besoins métiers et à l’exécution technique des équipes d’ingénierie des données.

Suivre et promouvoir la réussite des data products

Établissez des indicateurs clairs pour évaluer les performances des data products et communiquez activement sur leur impact afin de garantir un soutien et des investissements continus de la part des parties prenantes de l’entreprise.

La réussite de la mise en œuvre à grande échelle des programmes de data products repose fondamentalement sur l’application par les entreprises de principes de gestion de produits éprouvés. Elles doivent donc commencer par définir précisément les besoins des utilisateurs et arriver à une proposition de valeur forte, comprendre le retour sur investissement potentiel de l’adoption, puis créer et fournir un produit qui correspond le plus possible aux exigences des consommateurs. Les data products doivent ensuite être suivis et évalués en permanence pour s’assurer qu’ils répondent toujours aux attentes des utilisateurs grâce aux commentaires, afin d’encourager l’amélioration continue. Surtout, la disponibilité est primordiale : à l’instar des produits physiques qui doivent être stockés dans les magasins pertinents, les data products doivent être accessibles via une marketplace unique en libre-service afin de favoriser l’adoption et d’optimiser la valeur.