IA & Data

Data Management - Gouvernance des données - Avancé

2 jour(s) • 14h

Description

Objectif général de la formation : Fournir une compréhension approfondie et opérationnelle des principes, méthodes et outils essentiels du Data Management, en mettant l’accent sur la gouvernance des données et le rôle stratégique des données dans l’entreprise.

Objectifs pédagogiques

Identifier et comprendre le rôle des données dans la stratégie d’une organisation.
Explorer les bases de la gouvernance des données, y compris le rôle des différents acteurs et métiers.
Appréhender les outils et techniques pour évaluer la maturité des données.
Maîtriser les étapes essentielles d’une initiative MDM.
Comprendre les évolutions technologiques et leur impact sur les pratiques de gestion des données.

Public concerné

Responsables opérationnels et décisionnaires non IT.

Chefs de projet impliqués dans des initiatives liées aux données.

Collaborateurs souhaitant développer une expertise sur la gouvernance et la gestion des données.

Prérequis

Aucun

Déroulé du programme

Fondamentaux et enjeux stratégiques (2 h)

Rôle des données dans l’économie moderne.
Différenciation entre données, information et connaissances.
Catégories de données : structurelles, semi-structurées et non structurées.
Impact des données sur la stratégie d’entreprise et les décisions.

Gouvernance des données (5 h)

Terminologie et concepts de base.
Introduction à DAMA-DMBOK : cadre de référence pour le Data Management.
Acteurs clés de la gouvernance : rôles et responsabilités.
Méthodologie pour évaluer la maturité des données.
Bonnes pratiques et outils pour mettre en place une gouvernance efficace.

Master Data Management (MDM) (3 h)

Définition et positionnement du MDM dans un système d’information.
Étapes essentielles pour concevoir et déployer un projet MDM.
Architecture des données : modèles relationnels, centralisés et distribués.
Implication des utilisateurs et gestion du changement.

Qualité et exploitation des données (3 h)

Évaluation de la qualité des données : dimensions clés (complétude, cohérence, actualité, etc.).
Outils et méthodes pour le contrôle et la maintenance.
Études de cas : impact de la qualité des données sur la performance.
Data-driven culture : intégration dans la stratégie d’entreprise.

Évolutions technologiques et stratégiques (1 h)

Big Data et data lakes : potentiel et limites.
Cohabitation entre systèmes traditionnels et nouvelles technologies (Hadoop, cloud).
Données et intelligence artificielle : applications prédictives et descriptives.