Organiser les données en « Data Catalog». Livre Blanc avec Astrakhan & Nouamane Cherkaoui

Transcription

1 1

2 Avant-propos Le mot «Data Catalog», à travers l association de ses deux termes constitutifs, semble faire référence à deux notions, celle de la «Data» et du «Catalog». Le terme «Catalog» désigne généralement une liste d items avec une description associée. Celui de «Data» semble lui plutôt correspondre à la description d une notion, d une caractéristique, d une liste de valeurs ou d une quantité de quelque chose. Celle-ci peut être associée ou non à une ou plusieurs implémentations. L évolution de l usage de ces deux termes jusqu à celui de leur association en la circonstance sont peut-être autant d éléments permettant de caractériser le Data Catalog et de comprendre que ce terme dépend entre autres de son contexte d usage. Nous explorerons notamment dans ce document l ensemble de ces usages. 2

3 SOMMAIRE AVANT-PROPOS... p.2 CHAPITRE 01 : INTRODUCTION : TENDANCE ET POURQUOI DU DATA CATALOG EN p.4 CHAPITRE 02 : VALEUR DE L INFORMATION... p.5 CHAPITRE 03 : QU EST CE QU UN DATA CATALOG?... p Historique... p Définition du marché... p Métadonnée à l usage envisagé par les métiers... p Métadonnée à l usage d une ou plusieurs implémentations... p Standard ISO p Data Catalog - La définition d Astrakhan... p.12 CHAPITRE 04 : VALEUR ET USAGES DU DATA CATALOG POUR L ENTREPRISE... p Identifier les types d initiatives de projet Data... p La valeur de l information pour les différents domaines de l entreprise... p Patterns d usage du Data Catalog... p Types de solutions liées aux domaines... p.17 CHAPITRE 05 : L USAGE DU DATA CATALOG PAR LES EQUIPES QUI UTILISENT LA DONNEE... p Les utilisateurs de la donnée... p Mise en contexte - Comment les rôles et métiers liés à la Data utilisent l outil... p.20 CHAPITRE 06 : CAS PRATIQUE... p Retour expérience, interview de Nouamane CHERKAOUI... p.22 CHAPITRE 07 : CONCLUSION ET PERSPECTIVES D INNOVATION AVEC LE DATA CATALOG... p.26

4 CHAPITRE 01 Introduction : Tendance et pourquoi du Data Catalog en 2020 Identifier une tendance amène Astrakhan à questionner l ensemble des actions et initiatives présentant une dépendance à l usage du Data Catalog. Avant de venir rejoindre la longue liste de produits sur étagère proposée par certains éditeurs, une implémentation de Data Catalog, plus centrée sur le(s) produit(s) de l éditeur, était proposée comme complément (voire comme option) du produit et/ou de la plateforme proposée. La tendance actuelle se voulant plus en faveur de modèles de programmation statistique afin d établir et/ou d opérationnaliser une analyse, une description ou une prédiction à partir d un modèle utilisant les données de l entreprise, on peut comprendre aisément la dépendance croissante de ces initiatives vis à vis de la métadonnée. Cette dépendance semble se caractériser entre autres par le niveau d unification sémantique et de conformité de la donnée (Data Quality, Data Governance, MDM) pour le modèle envisagé (BI, Analytics, AI, Machine Learning ) ainsi que par l usage de la donnée par la technologie (plateforme cloud, ETL, stockage de grandes quantités sous des systèmes de fichiers, analyseur de logs, système de stockage de données opérationnels ). De même et sans doute pour répondre aux impasses des programmes et/ou projets de gouvernance de données confrontées à la constitution d un inventaire dans le cadre de ces initiatives, cette métadonnée (longtemps ignorée par les promoteurs de solution application driven et/ou digital) se retrouve propulsée au-devant de la scène car porteuse d un nouveau type de solution logicielle permettant d intégrer facilement des solutions existantes à la sémantique d un nouveau besoin. Enfin, la «transformation digitale» et toutes ses formes de pénétration dans l entreprise semble déterminer une profusion de drivers de valeur (expérience client, nouveaux business models, fluidification des opérations, cybersécurité ) et différentes formes de management associée à l usage de ces technologies. Ces deux points présentent un dénominateur commun : la dépendance à une information cohérente. 4

5 CHAPITRE 02 La valeur de l information La chaîne de traitement de la donnée et la production de valeur conséquente peuvent être remises dans le contexte plus large de la «chaîne de valeur» de Michael Porter, un chercheur américain ayant développé un système d activités permettant à une organisation d obtenir un avantage lui permettant de se distinguer par rapport à d autres entreprises dans la production de biens et/ou de services. En effet, la chaîne de traitement de la donnée peut apporter une valeur ajoutée, notamment en optimisant le travail des différentes «activités» de l organisation décrite par Porter. Un ensemble d acteurs avec des propositions technologiques orientées données font allusion à cette chaîne de valeur, au travers de leur propre proposition de valeur associée à une «chaine de valeur de la donnée». Un point commun semble tout de même caractériser toutes ces propositions quand on examine les étapes de transformation de la donnée : l information (avec sa valeur intrinsèque et exploitable) et son contexte d usage par différentes technologies. De même l usage de l information finale (usage stratégique, tactique et/ou opérationnel répondant au besoin de valeur) semble déterminer l information consommée et produite à chaque étape, on peut donc en conclure qu il peut être possible de distinguer le contexte du besoin de celui du traitement de cette chaine. Données non structurées Transformation en donnée exploitable avec un nettoyage se basant sur un dictionnaire et le contexte Stockage de nouvelles sources de données qualifiées Métadonnées : Apporte le contexte de la source Nettoyage de mise en forme Entrepôt de donnée tampon Exploration algorithmes Visualisation Données structurées Modèles Infrastructure de l entreprise ACTIVITÉ DE SOUTIEN Gestion des ressources humaines Développement technologique R&D Approvisionements MARGE Logistique Interne Production Logistique Externe Marketing et Vente Services ACTIVITÉS PRINCIPALES Figure 1 : La chaine de traitement de la donnée associé à la chaine de valeur de Porter 5

6 C est dans ce cadre qu intervient la notion de métadonnée (1), une information destinée à caractériser l information mais également son contexte d usage (représentation syntaxique, structurelle, format, classification opérationnelle ). Afin d être en mesure de capturer la valeur associée et/ou déterminée par l usage de l information, une tentative de domestication de la métadonnée à travers l innovation de nouvelles solutions applicatives émerge sous la forme d un type particulier de référentiel : le Data Catalog. Le Data Catalog Données non structurées Transformation en donnée exploitable avec un nettoyage se basant sur un dictionnaire et le contexte Stockage de nouvelles sources de données qualifiées Métadonnées : Apporte le contexte de la source Nettoyage de mise en forme Entrepôt de donnée tampon Exploration algorithmes Visualisation Données structurées Figure 2 : Exemple de positionnement du Data Catalog dans la chaîne de traitement de la donnée Modèles (1) : [Les métadonnées descriptives sont les métadonnées qui servent à organiser la connaissance ] [Les métadonnées techniques sont les métadonnées qui servent à identifier, caractériser, définir l environnement technique des objets numérique ] [Les métadonnées administratives sont les métadonnées qui servent à gérer la vie de l objet numérique ] [Les métadonnées de structure donnent les moyens de gérer l arborescence des objets complexes et de les restituer ] 6

7 CHAPITRE 03 Qu est ce qu un Data Catalog? 3.1. Historique Ce catalogue souvent désigné par les termes «glossaire» ou «dictionnaire métier» gardait comme caractéristique principale celle de fournir un descriptif des notions, termes et parfois définitions associées au domaine métier et/ou à l initiative envisageant l usage d une donnée. Lancés dans les années 80, les «dictionnaires de donnée» sont les premières technologies créées pour collecter, stocker et gérer des informations simples (type, longueur) des données des Systèmes de Gestion de Base de Données (SGBD), tel qu Oracle. Suivant la tendance du dictionnaire de données, de nombreux outils ont vu le jour dans les années 90 avec IBM (IBM s Repository Manager \ MVS) ou encore avec Platinum et Microsoft (Platinum Repository). Ces Data Catalog permettait de facto d assurer une intégration du produit à tout ou partie des produits de l éditeur mais également d assurer une forme d extension fonctionnelle. En effet cette extension est caractérisée par sa dépendance à l usage de la donnée (exemple du contrôle d accès en fonction d un profil utilisateur). Elle s appuyait notamment sur le simple fait d augmenter les métadonnées initiales du produit avec des métadonnées associées à l usage du produit, le terme référentiel ou repository est d ailleurs souvent utilisé pour désigner ce type de Data Catalog. On retrouve par ailleurs très tôt des «repository» dans plusieurs produits phares du marché. Ils sont proposés par des éditeurs s étant distingués par leur capacité de domestication de la métadonnée, des éditeurs perçus comme des pionniers dans des domaines comme la business intelligence, l intégration de données (ex Business Object Repository, Informatica Metadata Manager ) ou autres. Leur approche respectivement novatrice du contrôle de la métadonnée consacrait davantage l usage du produit plus que le produit lui-même, reconnaissant volontiers plus la valeur dans l usage de sa donnée que dans sa donnée, que ce soit pour eux même dans le cadre d une perspective d innovation produit, mais également (et surtout) pour celle de leur clients, et cela à travers différents types d initiatives (vision 360, personnalisation, conformité réglementaire ). Ainsi l utilisation du dictionnaire de données mêlé à ces nouvelles technologies ont étendu la définition du dictionnaire de données, pour en faire un système répertoriant des métadonnées business, opérationnelles et système. Exemple Nous pouvons notamment évoquer : Les définitions et descriptions des données business, Les provenances et l origine de la donnée opérationnelle, L utilisation des données système pour connaître l utilisation des données par les outils de l organisation. C est ce qui constitue en grande partie la première définition du Data Catalog d aujourd hui. Cependant, des difficultés apparurent quant à la gestion et à la mise à jour des métadonnées qui nécessitaient du temps, de l argent et un processus clair et organisé avec un management centralisé de la donnée. Nous pouvons également considérer que la culture des organisations n était pas encore suffisamment tournée vers la Data pour s engager dans de pareils travaux. C est avec les nouvelles technologies que nous pouvons parler d automatisation des mises à jour des métadonnées et de découverte automatique de nouvelles sources données. Ainsi, c est grâce à ces solutions actuellement disponibles sur le marché et une culture puissante autour de la donnée dans les entreprises que nous pouvons parler aujourd hui de nouvelle génération de Data Catalog. 7

8 3.2. Définition du marché Si les solutions présentes actuellement sur le marché proposent un socle de fonctionnalités similaires, il reste encore de nombreuses fonctionnalités qui diffèrent entre chaque solution. Voici ci-dessous 6 propositions de définition par les éditeurs et experts du marché que nous avons répertoriées : A Data Catalog maintains an inventory of data assets through the discovery, description, and organization of datasets. The catalog provides context to enable data analysts, data scientists, data stewards, and other data consumers to find and understand a relevant dataset for the purpose of extracting business value. Gartner, A Data Catalog informs customers about that available data sets and metadata around a topic and assists users in locating it quickly. A Data Catalog differs from a data dictionary in its ability for searching and retrieving information. Michelle Knight, A Data Catalog is a metadata management tool designed to help organizations find and manage large amounts of data including tables, files and databases stored in their ERP, human resources, finance and e-commerce systems as well as other sources like social media feeds. TechTarget, A Data Catalog is a detailed inventory of all data assets in an organization, designed to help data professionals quickly find the most appropriate data for any analytical or business purpose. A Data Catalog uses metadata data that describes or summarizes data to create an informative and searchable inventory of all data assets in an organization. IBM DÉFINITIONS A Data Catalog is a collection of metadata, combined with data management and search tools, that helps analysts and other data users to find the data that they need, serves as an inventory of available data, and provides information to evaluate fitness data for intended uses. Alation A Data Catalog is a metadata management tool that companies use to inventory and organize the data within their systems. Typical benefits include improvements to data discovery, governance, and access. Data.world Les leaders et experts du marché envisagent pour la plupart des perspectives d usages et des caractéristiques différentes du Data Catalog, ce qui rend toute tentative de définition unique périlleuse. Néanmoins, à l examen de leurs définitions respectives, on remarque l émergence de deux types de fonctionnalités récurrentes. La première concerne la collecte de métadonnées associées à l usage d une donnée envisagée dans un contexte spécifique (métier, solution, technologique ), usage indépendant de toute forme d implémentation. La seconde propose la collecte de métadonnées associées à l usage d une donnée dans son contexte d implémentation (système de stockage de données opérationnel, application digitale, système transactionnel, système analytique...). 8

9 3.3. Métadonnée à l usage envisagé par les métiers Sur les 10 dernières années nous avons constaté une multiplication des technologies tournées autour du digital, que ce soit matériel (smartphone, fibre, ) ou logiciel (système d exploitation, CRM, ). Cette évolution se constate aussi par les organisations qui adoptent de plus en plus ces nouvelles technologies, ce qui génère une multiplication de la donnée au sein des organisations. Parmi toutes les innovations technologiques introduites sur le marché et qui exploitent l information sur l usage de la donnée ou la métadonnée, le Data Catalog propose d associer celle issue d un contexte technique (ex : usage par une implémentation de systèmes opérationnels, décisionnels, analytiques, AI, intégration de données, fichiers ) à celle issue d un contexte métier (ex : usage par une exigence, discours, loi, texte réglementaire ). Ainsi, nous remarquons que l utilisation de termes communs (ex : client, identifiant, ), que ce soit lié aux métiers, aux solutions ou aux technologies de l entreprise, multiplie les incompréhensions et les mauvaises communications. Exemple Le terme «Identifiant» peut : Sur un système 1 : Décrire l adresse du client Sur un système 2 : Décrire l identifiant unique du client dans l entreprise En effet, la notion de «Catalog» a longtemps accompagné des personnes chargées de manipuler la donnée associée à un processus ou au discours d un langage utilisé dans l entreprise, une donnée qui n était pas nécessairement rattachée à un système. Elle était plutôt associée à une initiative (ou collaboration envisagée) sur un périmètre d analyse ou à un/des domaine(s) métier(s) de l organisation. L objectif de ce glossaire était de faciliter la communication entre toutes les parties prenantes d une initiative. C est pourquoi la capture de différents types de métadonnées associés à un usage envisagé dans ces contextes est une nécessité. Nous pouvons notamment parler des métadonnées descriptives qui permettent : De découvrir les données pour les nouvelles personnes qui entrent dans l organisation, D identifier les données pour des besoins précis quant à l analyse et l étude, De comprendre la signification de chaque donnée d une table. 9

10 3.4. Métadonnée à l usage d une ou plusieurs implémentations La notion de donnée est fréquemment associée à son implémentation dans une application ou classification propre à un ou plusieurs domaines de l organisation (ex : catégories et types de produits, clients ). Cette donnée dispose d un descriptif de notions, termes, définition mais également de caractéristiques structurelle, syntaxique et sémantique, ainsi que de valeurs autorisées propres à son usage dans différentes implémentations. Ce descriptif de données de l entreprise pouvait entre autres faire l objet d un inventaire de termes et de caractéristiques d implémentation - métadonnées associées à une initiative spécifique - et souvent nommé dictionnaire de données. Exemple Le terme «Client» peut : Sur un système 1 : Représenter : une table Client, une table info Client, un terme Client Sur un système 2 : Représenter : une table CustInfo Le terme «NomClient» peut : Sur un système 1 : Un champ NomClient, de format VARCHAR(10) Sur un système 2 : Un champ NomClient, de format VARCHAR(15) Dans ce cadre, nous pouvons notamment parler des métadonnées techniques, administratives ou encore de structure et bien d autres qui permettent une utilisation multiple de la métadonnée : Comprendre les relations entre les familles de données d un même domaine, Visualiser la structure logique de modèles de données multi-domaine, Avoir les types et les versions des informations des outils SI, Conserver les informations d historisation des données stockées. 10

11 3.5. Standard ISO Parmi tant de types de métadonnées utilisées dans les organisations, des standards se sont créés pour répondre à plusieurs problématiques d interopérabilité, d oubli et de pérennisation d information, et plus globalement sur des sujets d organisation et de compréhension de la sémantique des métadonnées. Selon une étude du MIT, le standard ISO est l un des rares standards les plus avancés en matière de stockage des métadonnées d entreprise dans un environnement contrôlé. Il propose un framework et un modèle conceptuel pour manager et classifier la donnée et sa métadonnée tout en les stockant dans un registre de données unique. Voici un modèle conceptuel constitué d attributs de base défini par la norme Definition 1:1 0:1 Comments Representation category form of representation Datatype of DE values Maximum size of DE values Minimum size of DE values 1:1 0:1 0:1 Responsable Organization Submitting Organization Layout of representation Name Context 0:1 1:1 0:1 DATA ELEMENT 0:n 0:n Registration Authority Identifier Version Registration Status Classification Scheme Permissible DE values 1:n 0:n Related data reference Type of relationship Synonymous name Context 0:n 0:n Keyword Figure 3 : ISO modèle conceptuel d un registre de métadonnée D autre part, elle nous guide dans la description des définitions, dans le nommage et le principe d identification des données. Enfin, elle nous fournit des instructions sur l enregistrement et l administration des métadonnées dans un registre unique. Ainsi, lorsque cette norme est respectée, il devient plus facile d opérer (chercher, récupérer, envoyer et recevoir) la donnée. 11

12 3.6. Data Catalog La définition d Astrakhan Comme nous l avons vu dans les précédentes parties, il existe plusieurs définitions de ce qu on appelle aujourd hui un «Data Catalog». Ainsi pour la suite du document nous nous sommes proposés d écrire notre propre définition du Data Catalog. Nous admettrons cette définition pour la suite du document. Le Data Catalog est un référentiel de données qui capture le contexte métier pour l entreprise. Il peut être une application ou un assemblage applicatif constitué entre autres, d un module de modélisation de processus métier autour de la donnée, d une couche d intégration de données ou encore d un moteur de recherche Il est utilisé par les entreprises pour : Effectuer un inventaire et organiser les données disponible de leur système, Centraliser et répertorier les termes métier et les données techniques, Tracer les données et permettre de maîtriser le cycle de vie des données, Faire le lien entre différents niveaux de modélisation des données, Permettre la recherches de donnée dans un vocabulaire métier. Il peut également permettre d opérer des règles de gestion adaptées à différentes catégories de données. Ces fonctionnalités qui permettent, de par l utilisation du Data Catalog par les entreprises, de tirer le meilleur parti de la valeur qu apporte la donnée. 12

13 CHAPITRE 04 Valeur et usages du Data Catalog pour l entreprise 4.1. Identifier les types d initiatives de projet Data Les drivers de valeur de l entreprise (finance, productivité, confiance, risque ou autre cadre d entreprise portant des perspectives d amélioration business) associés à l usage de l information peuvent déterminer différents types d initiatives. Également, nous pouvons tenir la promesse de la valeur attendue des drivers de l entreprise. L usage du Data Catalog associé à cette information peut donc s inscrire dans une ou plusieur de ces initiatives. Il peut être judicieux d introduire 4 familles d initiatives, non restrictives permettant d envisager au mieux la gestion de l information dans le(s) contexte(s) spécifique(s) de l organisation : Initiatives Opérationnelles, Initiatives Applicatives, Initiatives de Transformation, Initiatives de Planification. Digital Architecture d entreprise ERP Qualité Gestion de risques Conformité réglementaire Initiatives DE TRANSFORMATION Initiatives OPÉRATIONNELLES Pilotage de performance Changement organisationnel Organisation SI Amélioration de processus ENTREPRISE Consolidation DWH Data Lake Analytics MDM Initiatives DE PLANIFICATION Initiatives APPLICATIVES Figure 4 : Les 4 familles d initiatives 13

14 4.2. La valeur de l information pour les différents domaines de l entreprise La valeur de l information peut être associée à différentes perceptions qui lui sont liées (volume, qualité, valeur monétaire, usage ). L organisation choisit d organiser sa structure autour de domaines dont le périmètre est défini par l économie (organisation, fonction ) ainsi que par d autres disciplines et contextes associés (management, activités, événements, transactions ). À défaut de planification stratégique et/ou opérationnelle de l usage de l information, dans un fonctionnement nominal, ces domaines sont perçus comme de simples consommateurs et/ou producteurs. En épousant les domaines opérationnels, fonctionnels et de pilotage de l organisation, la donnée semble donc être déterminée par son usage, par l organisation et ses activités. Nous avons évoqué précédemment que l usage de l information et du Data Catalog pouvaient s inscrire dans quatre typologies d initiatives. En adoptant l approche pragmatique de définir la valeur de l information par son usage par un domaine métier, toute perspective d amélioration sur ce domaine (ex + revenue, - risque, + connaissance du comportement client, - risque ) renvoie à un usage envisagé sur une donnée ou à un nouveau besoin. Ainsi chaque initiative peut être envisagée dans l un ou plusieurs des 4 domaines illustrés ci-dessous : Domaine opérationnel ( SI,CRM, VENTE EN LIGNE ) Domaine fonctionnel ( MARKETING, FINANCE ) Domaine entreprise ( PILOTAGE STRATEGIQUE, TACTIQUE ) Domaine cross-fonctionnel ( MARKETING + FINANCE + ) VALEUR DE L INFORMATION Figure 5 : Les 4 domaines identifiés A l inverse nous pouvons aussi associer un domaine métier à une ou plusieurs initiatives. Exemple Dans le cadre d un projet réglementaire de type RGPD (initiative opérationnelle applicable aux 4 domaines définis ci-dessus) nous devons restituer l information d une part et avoir un environnement auditable d autre part. Le Data Catalog intervient sur ces deux parties afin d identifier les données utilisées sur le reporting et disposer d un lignage pour connaitre le parcours de la donnée et retrouver les données sources du rapport dans le cadre d un audit. 14

15 4.3. Patterns d usage du Data Catalog L automatisation des processus et activités de l organisation via des systèmes informatiques intégrait tout ou partie de ces initiatives Data évoquées plus haut, à travers des solutions technologiques alignées sur des domaines, silotés, de l entreprise. Dans le cadre de ses activités, l entreprise expose ses systèmes à de nouvelles initiatives ayant des exigences dépendantes de l usage de la donnée, des exigences de conformité à des politiques externes (conformité réglementaire, norme...) et/ou également interne (pilotage, stratégie, transformation...). Ces exigences introduisent à leur tour des impacts et des contraintes sur ces silos applicatifs mais également sur leurs données, on peut donc raisonnablement imaginer qu une préoccupation majeure de ces organisations concerne la réutilisation de la donnée de manière à répondre aux besoins de l organisation. Dans ce contexte un Data Catalog peut être utile pour un certain nombre de tâches, notamment dans une optique de réconciliation ou de réutilisation. Parmi ces catégories de tâches, on peut évoquer entre autres : La centralisation des termes métier et des données techniques de l entreprise, La traçabilitédes données, Permettre de maîtriser le cycle de vie de vos données, Permettre de faire une analyse d impact, Faire le lien entre différents niveaux de modélisation de vos données, Permettre de faire des recherches dans vos vocabulaires métier, La mise en œuvre de règles de gestion adaptées à différentes catégories de données. Nous étayons ici certains de ces usages. Dans des INITIATIVES de TRANSFORMATION, ou OPÉRATIONNELLES on SOUHAITE par EXEMPLE ASSURER la TRAÇABILITÉ de la DONNÉE : Pour utiliser/migrer efficacement les données dans un contexte de transformation digitale ou encore de migration vers une nouvelle application métier, il peut être utile de connaître où elles sont (où sont-elles stockées? Quels traitements sont appliqués sur ces données?) et où elles transitent (Quels services utilisent ces données?). Un responsable marketing (en l occurrence Data Owner) peut par exemple vouloir connaître la provenance et les transformations (règles de gestion) subies par les données qui lui serviront à faire du reporting. Un Data Protection Officers, responsable notamment du contrôle de la sécurisation d une donnée peut vouloir contrôler le niveau d accès à la base de données stockant cette donnée. Un Data Catalog peut faciliter ces tâches en permettant de tracer des lignages entre les données : Technique, pour visualiser les liens entre les données stockées et échangées à travers différents systèmes ou applications. Métier, pour visualiser les relations et la cohérence entre les termes utilisés par le métier : par exemple, à partir de combien d achats effectués dans quelle période de temps donnée, un client peut-il être considéré comme un client fidèle? 15

16 Dans des INITIATIVES OPÉRATIONNELLES on SOUHAITE par EXEMPLE MAITRISER le CYCLE de VIE de la DONNÉE : Il est nécessaire de maîtriser le cycle de vie des données cumulées au cours d une activité. Vos données peuvent avoir été déplacées, modifiées, enrichies, leur enregistrement peut dater de plusieurs années et elles pourraient être obsolètes. Par exemple, l adhésion d un client à vos services peut dater de quelques années et il peut avoir eu 18 ans depuis. Il serait alors nécessaire de contrôler si son statut est bien passé à«majeur». Le Data Catalog peut-être couplé avec des modules de contrôle de qualité (la fraîcheur, l exactitude de la donnée) tandis que les politiques de gestion de la donnée (rétention,...) sont exécutées par les applications. Le Data Catalog peut vous permettre de piloter le cycle de vie des données en centralisant ces règles. Dans des INITIATIVES de PLANIFICATIONS ou de TRANSFORMATIONS on SOUHAITE par EXEMPLE RÉALISER un AUDIT ou ENCORE une ANALYSE D IMPACT : A l arrivée d un nouveau cas d utilisation, d un nouveau processus automatisé, d un nouveau progiciel, les échanges et flux de données dans le SI doivent évoluer. L équipe projet responsable de ce travail doit disposer d une cartographie applicative des données et des flux. Elle lui permet de visualiser quel changement apporté à quel niveau ou quel système peut résulter en un changement à quel autre niveau. La cartographie lui permet également de représenter et partager les changements à apporter. Dans un Data Catalog, cette analyse d impact peut se fait au moyen de fonctionnalités de lignage. Dans des INITIATIVES de PLANIFICATIONS ou de TRANSFORMATIONS OPÉRATIONNELLES, on SOUHAITE par EXEMPLE FAIRE CORRESPONDRE les MÉTAMODÈLES et les NIVEAUX D ARCHITECTURE : Est-il aisé defaire le lien entre les informations exprimées par le métier et les objets métiers et modèles techniques de stockage de données? Cette problématique peut concerner autant le Métier que le Data Owner (correspondance avec le modèle de données technique) - que les équipes Projet IT qui ont besoin d une vue d architecture métier cohérente avec l architecture fonctionnelle et technique (documentation, échanges avec le métier). Etablir le lien entre information métier d un côté, et modèle de données de l autre peut se faire dans un Data Catalog au moyen d un lignage (typiquement entre les termes métier et les données techniques correspondantes). 16

17 Dans des INITIATIVES de TRANSFORMATIONS, on SOUHAITE par EXEMPLE RECHERCHER et DOCUMENTER les DONNÉES : Dans un projet de digitalisation, analyser et concevoir rapidement les sources de données est essentiel pour répondre rapidement à de nouveaux usages. Ce type de projet manipule des données qui ne sont pas fournies facilement par les services existants du SI. Aller directement à la source d information fluidifie les phases d analyse et de conception. Un Data Catalog a vocation à documenter de manière centralisée et accessible les données de l entreprise (métadonnées, correspondance/articulation donnée métier et technique, donnée d indexation, etc.). Il est une source de documentation très utile aux équipes projet pour identifier les données nécessaires à la réalisation d un projet (lien métier/it, indexation) et apportent un changement significatif à la cartographie applicative de l entreprise (identification des typologies de données, données souvent réutilisées et stockées dans un référentiel). Il permet d exposer les données avec différentes modalités de classification (type d activité, département de propriété, sensibilité, etc.), et plus efficacement si cette exposition est associée à un moteur de recherche. Dans des INITIATIVES de PLANIFICATIONS ou de TRANSFORMATIONS, on SOUHAITE par EXEMPLE S ASSURER de L IDENTIFICATION des DONNÉES SENSIBLES : Comment savoir si une donnée est sensible? Si une donnée a un cycle de vie particulier car faisant partie d une règlementation sur les données personnelles? Votre entreprise dispose de plusieurs typologies de données (données référentielles, données maître, etc.) avec différents profils de sensibilité et de besoins de sécurisation (par exemple les numéros de carte bancaire ou encore les coordonnées d un client). Le Data Owner et le Data Protection Officer sont des contraintes ou des exigences particulières dans les modalités de gestion de ces données (restriction d accès, contraintes dans les services ou applications pouvant utiliser ou exposer la donnée, etc.). Un Data Catalog répond à cette problématique via la documentation et l ajout de métadonnées couplé par un exemple à un module de BPM (sollicitation orchestrée d experts de domaines et acteurs du métier exprimant des besoins et contraintes vis-à-vis des données) pour catégoriser les données. 17

18 4.4. Types de solutions liées aux domaines Les solutions en question cherchent à implémenter tout ou partie du scope fonctionnel du Data Catalog (Data Management, Data Quality, Business Process Modeling, etc.) Voici une liste non exhaustive de ces fonctionnalités théoriques : n Outillage de la gouvernance des données Modélisation de processus, Application de règlementations et de normes. n Gestion des métadonnées Documentation de données, Réconciliation de données dans un glossaire multilingue, Recherche par critères multiples, Recommandation de l outil et relation aux autres données, Gestion du cycle de vie des données, Application de politiques de traitement sur les données (archivage, protection, etc...), Définition d un métamodèle commun, Gestion de nomenclatures (tags...), Gestionde la qualité des données, Profilage de la qualité des données, Capacité d édition de métadonnées, Indicateurs de conformité de qualité. n Gestion des données partagées Harmonisation de référentiels de données sources,... 18

19 Ces éditeurs de solutions du marché n ont cependant pas tous le même positionnement en tant qu éditeurs de logiciel (activité de production d applications répondant à des besoins plus larges que ceux centrés sur la donnée), ou plus spécifiquement vis-à-vis du traitement de la donnée (pile technologique prenant en charge de manière non-spécifique les différentes fonctions de la chaîne de traitement de la donnée, depuis la collecte jusqu à la visualisation de données). Par opposition, d autres éditeurs se positionnent quant à eux comme répondant de manière plus précise aux capacités technologiques et fonctionnelles du Metadata Management et des fonctionnalités complémentaires nécessaires au Data Catalog PURE PLAYER GÉNÉRALISTES DATA GÉNÉRALISTES IT Collibra Smartlogic Alation Alex Solutions Data.world Sematic Web Company Informatica ASG Infogix Synti Global IDS Ataccama IBM Oracle SAP Figure 6 : Liste non-exhaustive des éditeurs de Data Catalog du marché et leur positionnements respectifs Les solutions qui résultent de ce positionnement et de l expérience de l éditeur ne présentent pour beaucoup pas les mêmes capacités et la même couverture fonctionnelle. La couverture fonctionnelle en question doit entrer dans les exigences à adresser au moment du choix d un outil ou d un autre, et doit donc faire l objet d une analyse comparative préliminaire. 19

20 CHAPITRE 05 L usage du Data Catalog par les équipes qui utilisent la donnée 5.1. Les utilisateurs de la donnée L ensemble de métadonnées techniques constitué, était désigné par les termes inventaire de données ou plus souvent dictionnaire de données, par des personnes engagées dans le développement de solutions informatiques en réponse à certains types d initiatives. Ce qui de manière implicite permettait de circonscrire l usage de la donnée au contexte de l initiative. Les rôles associés à l usage du Data Catalog peuvent être déterminés par l entreprise mais également par ses initiatives. Parmi les différents usages qui concernent l utilisation de la donnée, nous pouvons identifier les utilisateurs de la donnée présents sur la chaîne de traitement de la donnée, où nous distinguons 4 axes d appartenance : n La gouvernance de la donnée : Chief Data Officers, Data Protection Officers. n L intégration et le stockage où nous pouvons identifier : Les Data Architects qui vont définir comment la donnée est stockée et consommée par les différents acteurs de l organisation, Les Data Engineers qui vont permettre la création de pipelines de données. n L exploration, l analyse et la visualisation où nous pouvons identifier : Des Data Analysts qui vont, grâce à des modèles descriptifs et de diagnostic, traiter et analyser la donnée, Des Business Analysts qui utilisent les mêmes modèles que les Data Analysts avec une composante Business supplémentaires, Des Data Scientists qui étudient la donnée en profondeur grâce à des modèles statistiques et mathématiques (Machine Learning), pour un but de prédiction ou de segmentation client. n En bout de chaîne nous trouvons les utilisateurs métier qui consomment la donnée et qui sont liés aux domaines identifiés précédemment CHIEF DATA OFFICER / DATA PROTECTION OFFICER Données non structurées Transformation en donnée exploitable avec un nettoyage se basant sur un dictionnaire et le contexte Stockage de nouvelles sources de données qualifiées Métadonnées : Apporte le contexte de la source Nettoyage de mise en forme Entrepôt de donnée tampon Exploration algorithmes Visualisation Données structurées DATA ENGINEER DATA ARCHITECT DATA ANALYST BUSINESS ANALYST DATA SCIENTIST Figure 8 : Les utilisateurs de la donnée représentés sur la chaine de traitement de la donnée Modèles 20

21 5.2. Mise en contexte - Comment les rôles et métiers liés à la Data utilisent l outil Comme nous venons de le voir, les rôles qui utilisent la donnée se trouvent sur toute la chaine de traitement. Nous pouvons assez simplement généraliser l idée qu il y a de la métadonnée là oùil y a de la donnée. Ainsi nous pouvons considérer la métadonnée présente sur toute ou partie de la chaine de traitement de la donnée. Dans ce contexte nous pouvons dire que le Data Catalog peut intervenir sur l ensemble de la chaine de traitement, avec une utilisation différente de chaque rôle qui utilise la donnée. Nous étayons ici certains de ces usages. Lors de l élaboration d une étude analytique ou encore lorsque les métiers cherchent à savoir si l information existe, l utilisation du Data Catalog peut s avérer précieuse. En effet, grâce aux nouveaux outils que nous trouvons sur le marché il est maintenant possible de rechercher la donnée (que nous souhaitons visualiser) à partir des métadonnées qui la composent. Par exemple, nous pouvons chercher par rapport à un système de l entreprise ou encore sur la typologie de la donnée (Chaine de caractère / Numérique /...). Les fonctions de recherche sur les outils de Data Catalog ont été développées en ce sens. Nous pouvons aussi discuter des sujets de documentation de la donnée afin d identifier les données utilisées dans les différents domaines de l entreprise. Ici l utilisation du Data Catalog peut être diverse et variée par les différents rôles. Les Data Engineers peuvent mettre en place des Tags automatiques sur les données provenant de différents systèmes source de l entreprise, Les Data Analysts et Data Scientists peuvent catégoriser manuellement les données pour une utilisation de reporting, Les métiers pourront commenter, expliquer et documenter les données qui sont utilisées le cas échéant dans un reporting. 21

22 La documentation effectuée précédemment par les différents acteurs permettra d avoir une meilleure traçabilité des données. En effet, une des nouvelles fonctionnalités que présentent les outils de Data Catalog, est la possibilité de réaliser un lignage de donnée. Les Data Scientists peuvent utiliser cette fonctionnalité lorsqu ils souhaitent par exemple vérifier la qualité et la source de la donnée qu ils utilisent dans leur modélisation mathématique et statistique. L utilisation de cette fonctionnalité peut toucher d autres rôles de l équipe Data, par exemple lorsqu un Data Analyst souhaite visualiser les traitements que subit une colonne (une information) liée à son étude. Entre autres, nous avons aussi évoqué que le Data Catalog est aussi un inventaire des données de l entreprise. Le Data Architect peut présenter d une manière assez globale l ensemble des données utilisés par les différents domaines métier. Ainsi dans des cas d audit et de contrôle de l entreprise, il sera possible par le Data Architect de superviser les accès aux données ou encore de détecter les accès frauduleux. C est ce qui nous amène à parler de la sécurisation de la donnée par l usage du Data Catalog. En effet, le Data Catalog va nous permettre d identifier les données à crypter ou encore pouvoir identifier la protection de certaines données vis-à-vis des utilisateurs de l entreprise. Par exemple dans le cadre de la gestion d un accès à un reporting de données nous utilisons le Data Catalog pour identifier les données qui sont utilisées et ainsi donner les accès aux utilisateurs. D autre part, la donnée qui est utilisée suit un cycle. Par exemple une donnée qui date d il y a 10 ans n a pas forcément de sens pour un reporting à l année N+10. Ainsi les Data Engineers peuvent, selon les exigences du Data Protection Officers, mettre en place des politiques «automatiques» pour gérer un cycle de vie de la donnée. Le Data Engineer peut aussi utiliser le Data Catalog pour valider l état d archivage des données par un étiquetage sur le Data Catalog en fonction de leur état dans le cycle. Parler de cycle de vie de la donnée nous amène à établir un processus efficace autour des données de l entreprise, donc de la gouvernance de donnée dans les SI. C est dans ce cadre que les Chief Data Officers, avec l aide d un Data Architect, utilisent le Data Catalog pour la mise en place de workflows de gouvernance de données. Aussi sous la directive du Chief Data Officer et toujours pour maintenir une gouvernance de la donnée, l intégration du Data Catalog à des outils de gouvernance de données et à des outils de stockage tel qu un Datalake permet d avoir un programme robuste de gouvernance de donnée. 22

23 CHAPITRE 06 Cas pratique Retour d expérience INTERVIEW de Nouamane Cherkaoui Nouamane Cherkaoui a plusieurs écrits, publications et conférences à son actif autour des données, de leurs usages et de la stratégie Data. Il était aussi Directeur de l Organisation et de la Transformation en charge des «Market Data» et Global Head Of Reference Data Office dans deux grandes banques de la place. 1 Comment définiriez-vous le Data Catalog? Un catalogue de données ou «Data Catalog» inventorie et organise tous les actifs de données d une organisation afin que les consommateurs de ces données puissent facilement y accéder, les comprendre et les utiliser en toute confiance à des fins analytiques ou commerciales. En termes plus techniques, c est un ensemble de métadonnées, associé à des outils de gestion et de recherche de données, qui aide les analystes et autres utilisateurs de données à trouver les données dont ils ont besoin, sert d inventaire des données disponibles et fournit des informations pour les utilisations prévues. Bref, un système qui indexe, centralise et offre une vue unique de l ensemble des métadonnées de l organisation. 2 Que pensez-vous du Data Catalog? À l instar d un catalogue de bibliothèque qui permet de rechercher facilement la description, l emplacement et la disponibilité de tous les livres d une bibliothèque, un Data Catalog offre une vue complète des données de l organisation d une manière centralisée. En plus, il dispose de fonctions et d interfaces de recherche adaptées et puissantes pour accéder aux données par typologie ou par nature. Un catalogue de données peut fournir un contexte associé autour des données et un cadre organisationnel afin qu il puisse être utilisé efficacement dans les prises de décisions commerciales, financières ou autres percutantes. Un catalogue de données est essentiel pour les utilisateurs professionnels car il synthétise tous les détails sur les actifs de données d une organisation dans plusieurs dictionnaires de données en les organisant dans un format simple et facile à consommer et à utiliser. Les catalogues de données doivent être construits et maintenus grâce à des outils technologiques adaptées aux besoins, certes, mais aussi une gouvernance des données sur une période de plusieurs mois, voire des années. Mais toutes les organisations ne sont pas passées à la mise en œuvre d un catalogue de données et, par conséquent, ont du mal à libérer de manière efficace et efficiente la valeur de leurs données. Les organisations placent les catalogues de données au centre de leurs stratégies de gestion des données et utilisent ces catalogues de données pour stimuler l innovation, la croissance et la prise de décisions commerciales et business éclairées. 23

24 Concernant l augmentation de la productivité (Time-to-Market) Les organisations doivent considérer les données comme essentielles à leurs stratégies qu elles soient commerciales, de positionnement ou de conquête. Un Data Catalog permet de piloter par les données et de les rendre moins cloisonnées dans toute l organisation. Dans les faits, les analystes passent plus de temps à rechercher, comprendre et accéder aux données, qu à vraiment les utiliser pour générer de la valeur et aider aux décisions ce qui impacte le «Time-To-Market». Ce temps effectivement ou potentiellement perdu peut ralentir les analyses, impacter la productivité ainsi que l efficacité opérationnelle et surtout l innovation. Concernant la culture data de l entreprise? Le «Data Catalog» peut jouer un rôle central dans la collaboration autour de la transformation des entreprises. Ce n est pas un simple inventaire technique des actifs en données, mais un catalogue vivant et évolutif au service des consommateurs et de l organisation. En outre, avoir une vue unifiée et centralisée de toutes les données de l entreprise. Cette conception est un point essentiel pour changer ou faire évoluer la culture d une organisation et sa gouvernance data. Ce catalogue devient non seulement le cœur de cette culture orientée données, mais aussi un moyen de fédérer plusieurs visions et de s aligner collectivement dans le but de lancer une transformation profonde des usages et des activités de l organisation dans sa globalité et tenter de devenir en cible une organisation «Data-Driven». Concernant les usages du self-service? Le besoin de catalogues de données devient de plus en plus une nécessité absolue à mesure que le nombre de sources de données se multiplient et augmentent. En plus des données standard sur les clients et les produits que les entreprises créent et possèdent, de nombreuses organisations ont besoin de de sourcer d informations complémentaires auprès de sources tierces telles que des «Data Providers» pour des données spécifiques ou publiques. Ces sources externes peuvent apporter un éclairage précieux sur les facteurs qui influencent l entreprise, mais elles introduisent également de nouvelles contraintes d interfaçages et de gestion de contenu. En effet, les données importées peuvent ne pas correspondre aux formats ou aux «Meta Tags» utilisés par le système d information, même si les API peuvent mieux normer ces échanges. Le Data Catalog doit présenter une vue complète des caractéristiques de chaque donnée, peu importe sa provenance (CRM, ERP, sources externes, etc.) et sa nature (structurée ou non structurée, dynamique ou statique). Cela ne fait qu augmenter le besoin de pouvoir automatiquement re-étiqueter les données avec des étiquettes cohérentes et leur traçabilité. Au fur et à mesure que le volume de données augmente, sa gestion manuelle peut devenir une lourde charge de ressources, ce qui nous amène à l usage en libre ou self-service. Pour que l usage des plates-formes en libre-service soit efficace, il faut qu il soit accompagné par une formation et une pédagogie d utilisation. Donner aux utilisateurs le pouvoir de choisir et de gérer leurs propres données entre dans la tendance du temps, mais le faire sans accompagnement équivaut à les jeter dans l eau sans leur apprendre à nager. Le self-service doit aussi inclure des fonctionnalités de crowdsourcing qui permettent aux utilisateurs d appliquer leurs propres balises et commentaires. 3 Avez-vous travaillé sur l un des outils du Data Catalog? Oui, mais un outil de Data Catalog en soi ne peut remplir que les fonctions qu on lui spécifie. Les organisations informatiques ou les Data Office utilisent les catalogues de données depuis longtemps, mais les exposer à un public d utilisateurs non techniques crée un nouvel ensemble de défis. Plusieurs métiers sont concernés par l usage d un Data Catalog au sein de l entreprise. 24

25 4 5 6 Pourquoi avez-vous souhaité installer un outil de Data Catalog? Comme exposé plus haut, un Data Catalog ouvre le champ des possibles en matière d usage de Data et de son appropriation par tous les métiers. Avoir une vue fonctionnelle et métier et pas uniquement ou seulement technique est l un de mes objectifs majeurs afin que l accès, exploration des données et leur valorisation soient réalisées le plus facilement possible afin de répondre aux enjeux business et de désilotage des organisations. Les DSI, les directions de l organisation et les CDO disposent ainsi d un outil les aidant à évangéliser les équipes et à insuffler une véritable culture de la donnée axée sur la collaboration et le partage. Quelle(s) solutions avez-vous choisie(s)? Plusieurs solutions existent sur le marché et la solution en soi n est l unique réponse. La multiplication des outils de BI ou de cloud en mode SaaS, des gestions de données comme le Big Data, ou l analytique en accès libre-service en parallèle des nouvelles réglementations comme le RGPD ont stimulé la demande de solutions de catalogues de données mais cela ne doit nous faire oublier de les mettre dans un cadre de gouvernance adéquat et d accompagner leur implémentation afin de garantir un usage à la hauteur des ambitions. Combien de temps cela vous a-t-il pris d installer le Data Catalog? Idem que pour la réponse précédente. Un délai technique pour l installation d un Data Catalog n est pas la question, mais initier une architecture d entreprise Data-oriented, une gouvernance autour de la donnée et installer une culture ad hoc afin de lancer le voyage vers une entreprise data driven ne peut se faire d une manière durable si on se limite à des abaques comparatifs et des planning serrés guidés par des KPI à court-terme. Chaque organisation a sa propre histoire et sa propre maturité qu il conviendrait de prendre en compte dès le démarrage. La mise à disposition d un outil de Data Catalog peut se révéler être un formidable accélérateur d une transformation Data-centric qui viserait aussi l industrialisation de ses services Data. 25

26 7 Qu est-ce que le Data Catalog a changé pour vous? Qui sont les utilisateurs? Le Data Catalog est utilisé par différentes entités et ressources de l entreprise parmi lesquelles : Les analystes = analystes de données en charge du traitement et de l analyse des données Les architectes de données = architectes big data et les ingénieurs de base de données Les gouverneurs de la donnée = Chief Data Officers, Data Stewart et équipes de Data Quality Les consommateurs de la donnée = DSI, commerciaux, marketing et départements de la stratégie avec leurs développeurs et Data Scientists notamment. Avez-vous réussi à augmenter le bénéfice utilisateur? Qu est-ce que les utilisateurs en disent? Une meilleure organisation des données Une amélioration d accès aux informations Une meilleure visibilité sur les responsabilités Une qualité de données améliorée Une conformité réglementaire assurée Amélioration de la confiance dans les données Est-ce que cela a améliorer la rapidité de traitement des demandes clients? Selon les cas, cela a été perçu comme plus rapide ou a donné lieu à des demandes complémentaires pour améliorer l accès à telle ou telle donnée selon un process agile et partagé entre les IT et les directions métiers. Quelles est la fonctionnalité qu ils utilisent le plus? Dans un environnement où la quantité de data est de plus en plus massive, le moteur de recherche d un Data Catalog pour accéder aux données à partir d une requête, de les filtrer, de les trier, de les classifier, etc. reste la fonction la plus utilisée. Selon la catégorie des utilisateurs d autres fonctions sont encore plus utilisées ou différemment. 8 Si vous souhaitez ajouter une fonctionnalité au Data Catalog, quelle serait-elle? La réponse est un catalogue de données flexible et évolutif basé sur l apprentissage automatique qui peut automatiquement étiqueter et «lineager» les données. La technologie d intelligence artificielle d aujourd hui peut baliser automatiquement les données et tirer des leçons des commentaires fournis par des opérateurs humains et s adapter rapidement aux règles de classification, de formatage et de balisage définis en amont. Un Data Catalog doit aussi proposer dès le départ des fonctionnalités de crowdsourcing pour l évaluation des sources de données. Cela permet aux entreprises de faire évoluer leurs ressources de données en douceur et de les rendre facilement accessibles à tous ceux qui en ont besoin. Sans un catalogue de données, une initiative de BI en libre-service par exemple ne pourra pas démarrer dans de bonnes conditions. En conclusion Être capable de faire confiance aux données vous permet de vraiment libérer la valeur de vos données et de générer des informations significatives et fiables. Obtenir une vue unifiée de toutes vos données dans votre entreprise vous permet de trouver facilement les bonnes données pour vos besoins et de passer moins de temps à rechercher des données et plus de temps à créer des analyses. Cela accélère en fin de compte le temps nécessaire pour obtenir des informations et permet à votre organisation de s adapter aux tendances du marché au fur et à mesure qu elles se produisent et de passer plus de temps à innover. 26

27 CHAPITRE 07 Conclusion et perspectives d innovation avec le Data Catalog Nous avons cherché à analyser le «Data Catalog» et ses différentes implémentations à travers ses caractéristiques, ses fonctionnalités et son usage, et cela afin de révéler la valeur qu il apporte pour différents domaines et initiatives de l entreprise. Les applications bâties sur le paradigme d une donnée déterminée par les modèles de programmation et leurs technologies ne suffisent plus, d ailleurs ceux-ci développent et entretiennent des silos technologiques et métiers. Après avoir épuisé les solutions intégrant la valeur métier de ce type d applications, l entreprise se tourne désormais vers celles permettant de capturer la valeur associée à la réutilisation et/ou l usage de la donnée. Une solution de base pour ce type de scénario associe les capacités d un Data Catalog (classification, association de métadonnées métier et technique ) et celle d une gestion de la qualité de la donnée au périmètre du scénario. Le Data Catalog se présente comme une partie de la solution introduisant cet effet démultiplicateur de scénarios data-driven, difficilement incontournable d ailleurs, l autre partie requérant la capacité de pouvoir sculpter sa donnée et de mesurer sa conformité pour les initiatives clientes de cette réutilisation. En effet le contrôle de la donnée par sa métadonnée permet, moyennant un effort sur la gestion de la qualité des données, d envisager des perspectives d amélioration, d innovations et de production de solutions informatiques intégrant l entreprise mais également son écosystème numérique. Quant à l innovation introduite dans un Data Catalog, par exemple au travers de fonctionnalités de Machine Learning ou encore d IA (taguage automatique de nouvelles donnée SI, découverte automatique de nouvelle source, etc.), on peut l envisager décupler et accélérer la production d inventaires. Une perspective et un niveau de production permettant désormais à l entreprise de s aligner sur une explosion d initiatives dépendantes d une part, de l information et de son contexte d usage et d autre part, de sa capacité à se percevoir elle-même comme une information. 27

28 Livre Blanc : ORGANISER VOS DONNÉES avec le Data Catalog Conçu et rédigé par : Tarik RIDA & William HAIDAR Contributeurs : Srikanth RAMANOUDJAME - Alban RISSON Direction artistique : Raphaël SFRONTATO Direction de la communication : Lily VI Pilotage de collection : François RIVARD L C C D D P