Le Data Mesh pour répondre aux enjeux de valorisation de la donnée à l’échelle de l’entreprise – Retour sur la construction d’une feuille de route de déploiement du Data Mesh

La mission : Accompagnement d’un acteur majeur de l’industrie dans l’évaluation de sa maturité data, au travers du prisme du data mesh

OBJECTIF :

L’ambition du client est de développer une culture de la data pour créer de la valeur à grande échelle, en support de son programme stratégique quinquennal :

• Coordonner les efforts entre les entités, les marques et les régions autour d’un cadre permettant d’harmoniser le langage de l’entreprise, d’industrialiser l’approche des données à l’échelle et de faciliter l’accès et l’utilisation.
• Consolider son patrimoine de données, avec des besoins forts de convergence, d’interopérabilité et de partage de la connaissance de la donnée.

SOLUTION :

Convaincus que les concepts liés au Data Mesh permettraient d’apporter des éléments de réponse, nous avons accompagné notre client dans une phase de 3 semaines d’évaluation de sa maturité data au travers de dimensions héritées du Data Mesh :

• Aligner les acteurs sur une définition et une compréhension commune des concepts, par une série de formations et d’ateliers sur le sujet.
• Evaluation de l’existant au travers d’entretiens et d’ateliers sur les dimensions clés des 4 piliers fondateurs du Data Mesh (CDO, architecte data, architectes plateforme).
• Ateliers de construction d’une vision et d’une feuille de route macro.
• Illustration de l’approche proposée sur un domaine fonctionnel.

1 modèle opérationnel cible

Principes clés, domaines prioritaires, rôles, responsabilités

1 étude d’impact

Du regroupement de tous les acteurs de la donnée autour d’une structuration en domaines partagés

1 backlog priorisée

De solutions technologiques à déployer pour soutenir l’application du Data Mesh

2 feuilles de route

Court terme d’expérimentation sur 1 ou quelques domaines (6 mois)

Moyen terme (sur 3 ans)

Notre approche : explorer l’ensemble des dimensions data au travers d’une série d’entretiens et d’ateliers thématiques

Une approche soutenue par des accélérateurs méthodologiques

Nous nous appuyons sur un ensemble d’accélérateurs pour mener à bien ce type d’accompagnement – formations sur les concepts liés au Data Mesh, questionnaire transverse couvrant les enjeux stratégiques de l’entreprise et ambitions data, questionnaires par thématiques, benchmark et retours d’expérience du marché nous permettant de proposer des scénarios d’application qui ont été éprouvés sur le terrain.

Des outils pour aider nos clients à appréhender le Data Mesh en tant que facilitateur dans la valorisation des données à l’échelle de l’entreprise, en évaluant la maturité data à travers le prisme du Data Mesh.

Bénéfices : 

Compréhension des enjeux de l’entreprise et des ambitions data

La démarche se veut pragmatique. La première étape consiste à comprendre la vision data pour cerner le niveau d’ambition et les priorités. Les thèmes abordés portent sur les enjeux de création de valeur avec la data, les convictions, le niveau de sponsorship, l’écosystème et la culture data, les principaux irritants et défis à surmonter, les initiatives de transformation déjà lancées ou planifiées.

Analyse de l’existant et construction de la cible sur les thématiques clés Data et Data Mesh

Après une phase préparatoire ponctuée d’un atelier d’acculturation et d’alignement autour des grands principes, nous avons mené une série d’interviews et d’ateliers pour comprendre l’existant et la maturité de notre client sur diverses dimensions et positionner ses ambitions.

1. Alignement sur les termes clés

2. Définition des principes d’Ownership sur la donnée

3. Structuration de l’Organisation data

4. Fondamentaux sur les pratiques de data management : connaissance du patrimoine, accès, qualité de la donnée

5. Approche Product Thinking

6. Composants favorisant les dimensions  « Self- describing » et « Trustwothiness » de la donnée : end-to-end monitoring, package & monitoring, trustworthiness, understandability

7. Composants favorisant les dimensions « Standardization » et « Polyglot » : product technical design, data consumption tracking, discoverability, ingestion, interoperability, reusability/polyglot, security

8. Transposition des fondations de la gouvernance centralisée vers un modèle fédéré  : Modèle central vs local

9. Standardisation et automatisation de la mise en place des règles de gouvernance des données : gestion des accès, computational governance, conformité et sécurité, interopérabilité, qualité des données, Data Mesh, métadonnées et processus

10. Stratégie de Data Sharing

11. Access & privacy management : sur le découpage en domaines et sur les rôles

12. Service management & provisioning : data sharing framework, FinOps, modèle organisationnel, automatisation de la plateforme, outillage

13. Standardisation des services : DevOps, instanciation de la plateforme, guides utilisateurs

14. Expérience utilisateurs : accompagnement au changement, données opérationnelles vs données analytics

Lors de ces ateliers de travail thématiques, nous avons successivement co-construit une vision commune autour de l’existant et de la cible :

• Analyse de l’existant sur la thématique
• Niveau d’ambition envisagé permettant de répondre à la stratégie data de l’entreprise
• Priorisation des actions à entreprendre pour combler les écarts de maturité

L’étape de consolidation a permis de fournir une vision transverse et exhaustive et d’affiner les priorités.

Echelle d’adoption du Data Mesh

Plan de transformation et feuille de route

Nous avons proposé un plan d’actions et une feuille de route axés sur l’organisation des domaines intégrant la dimension géographique du Groupe.

Ce plan d’actions a été construit pour un déploiement à deux vitesses :

Phase d’expérimentation (6 mois)

1. Sponsorship et implication des acteurs clés de l’écosystème
2. Mise en œuvre des actions en impliquant l’ensemble de l’écosystème
3. Expérimentation sur un domaine mature

T-Map : implémentation progressive au regard de la maturité des domaines et des besoins métiers (3 ans)

Quelques principes adoptés à la suite de cette étude

Data Mesh

• La mise en place d’un modèle fédéré s’appuyant sur les principes du Data Mesh contribuera à gérer la complexité dimensionnelle de l’entreprise par une topographie de Mesh adaptée aux dimensions du Groupe.
• Le pilier clé sur lequel investir en priorité est celui de l’Ownership, qui renforcera le monitoring de la chaine de valeur de la donnée de bout en bout : définir un langage commun partagé par tous, favoriser l’interopérabilité technique et fonctionnelle au regard d’un patrimoine riche et complexe, favoriser l’accès aux données dans un délai raisonnable et l’usage de la donnée pour tous dans un cadre promouvant la conformité et la sécurité.

Domain Ownership 

L’opérationnalisation de l’Ownership passera par le regroupement des parties prenantes en domaines définis sur des dimensions relativement pérennes, comme les lignes d’activité et les fonctions, tout en laissant une autonomie locale pour les besoins spécifiques.

Le regroupement en domaines s’appuie sur un modèle organisationnel partagé par tous permettant de renforcer la compréhension des rôles et responsabilités, notamment sur les thématiques suivantes : définition du langage, modèle de données, qualité, accessibilité, interopérabilité, source of the truth, partage de la connaissance, monitoring de la donnée.

Data as a Product

La conception et la gestion de bout en bout des produits de données (consommables et réutilisables) dans toutes les dimensions de l’entreprise s’appuie sur des contrats de données (Data Contracts) sur l’ensemble du cycle de vie de la donnée. Cette approche vise à optimiser la gestion des flux et des incidents, tout en favorisant le suivi de la qualité des données.  De surcroit, les Data Contracts favoriseront la mise en place d’un standard universel de spécification des cas d’usages.

Federated Computational Governance

Les parties prenantes – représentant des data domains, gouvernance des données, DPO, CTO, équipes data platform, etc. – seront impliquées dans l’élaboration des règles et des politiques en matière de données, des cadres et des outils, et orchestrer leur déploiement dans toute la structure du Mesh.

Self Serve Platform

Les « data as a product » sont accessibles à partir d’une couche de présentation commune pour maximiser l’expérience consommateur et monitorer la sécurité des données de manière cohérente et auditable.

L’évaluation de la maturité data, une étape clé pour se lancer

Cette étape a permis à notre client de se forger des convictions et préparer le terrain pour déployer sereinement le déploiement du Data Mesh au sein de son Organisation.

« Nous n’en sommes qu’au début de l’histoire, mais l’évaluation de maturité a été clé pour aligner les parties prenantes de la data et convenir d’une ambition commune pour optimiser l’usage de la donnée et maximiser la création de valeur par la donnée »

Principaux bénéfices tirés de cette initiative :

• Alignement des parties prenantes et de l’écosystème autour des principes clés
• Alignement autour d’une ambition commune
• Identification des écarts à combler pour atteindre la cible
• Alignement autour d’une macro-trajectoire
• Se rassurer sur la faisabilité et la pertinence des travaux à lancer