Selon Malcolm Chisholm, président de Millénium des données.

Chisholm a parlé à DATAVERSITY Analyse d'entreprise en ligne, indiquant que la gouvernance de l'analytique se concentre sur une unité plus centralisée plutôt que sur le modèle distribué que la gouvernance des données requiert. "Il existe un aspect de la gouvernance analytique à l'échelle de l'entreprise, mais il n'est pas aussi prononcé et fondamental, de la même manière que la gouvernance des données", a-t-il déclaré, et parce qu'il existe des similitudes, il y a une tendance à les unir. Chisholm pense que la gouvernance analytique peut tirer des leçons de Gouvernance des données, "mais ça va toujours être son propre truc à la fin." 

L'émergence de la science des données et de l'analyse

La gouvernance analytique est un domaine en pleine évolution. La chronologie historique sur laquelle Analytics Governance s'est développée est guidée par les avancées technologiques, non seulement avec la modélisation, a-t-il déclaré, mais aussi la façon dont les données sont gérées et la capacité de stocker et de traiter de grandes quantités de données via des éléments tels que l'infrastructure cloud, ainsi que réseaux et systèmes d'exploitation plus avancés. Chisholm a décrit les rôles de Sciences des données disciplines couvertes par Analytics Governance : les informations de Business Intelligence (BI) utilisent des données existantes pour expliquer quelque chose. Les analyses descriptives expliquent ce qui s'est passé et les analyses diagnostiques permettent de comprendre pourquoi cela s'est produit. Les informations analytiques permettent d'explorer quelque chose d'inconnu pour lequel il n'existe pas encore de données. L'analyse prédictive fournit des théories sur ce qui va se passer, et l'analyse prescriptive suggère comment quelque chose pourrait se produire. 

Gouvernance des données vs gouvernance analytique

Parce que les données se trouvent partout dans l'organisation, tout comme les personnes, Chisholm a comparé la gestion des ressources de données d'une entreprise à la gestion des ressources humaines. Un service des ressources humaines définit les règles de gestion des personnes dans l'entreprise. Les données sont également omniprésentes dans l'organisation, mais historiquement, elles ont été gérées comme le « Far West », où chacun gère comme il l'entend, ce qui a causé des problèmes. Semblable aux RH, la fonction horizontale émergente de la gouvernance des données impose une cohérence, une normalisation et une répartition de la responsabilité pour la gestion des données par le biais de politiques, de procédures et d'intendance des données. « Les données sont à l'échelle de l'entreprise. Ce n'est pas vraiment subordonné à autre chose. 

Moteurs de la gouvernance analytique

Bien qu'il y ait une tendance à penser que l'analytique consiste uniquement en scientifiques de données produisant des modèles analytiques, le domaine de l'analyse est beaucoup plus complexe, a-t-il déclaré, et il existe des moteurs innés pour la gouvernance : 

Gestion analytique

Comment la demande de modèles est-elle rationalisée ?

Comment le développement de modèles est-il optimisé ?

Utilisateurs professionnels

À quoi dois-je m'attendre lorsque je demande le développement d'un modèle ?

Comment intégrer des modèles dans mes processus métier ?

Puis-je faire confiance aux modèles ?

Point de vue exécutif

Quels risques existent dans les modèles et comment sont-ils atténués ?

Quelle valeur obtenons-nous des modèles ?

Point de vue du scientifique des données

Comment obtenir les données dont j'ai besoin ?

Comment puis-je interagir avec mes sponsors commerciaux ?

Gouvernance de l'analyse marketing

Les unités d'analyse avancée existent généralement pour répondre à une demande générée par d'autres domaines de l'entreprise, tels que les prévisions pour la direction générale, et la modélisation peut y répondre, a-t-il déclaré. Par rapport à la gouvernance des données, un élément de marketing est nécessaire pour réussir avec la gouvernance analytique. Les unités d'analyse existent pour répondre à la demande générée par d'autres secteurs de l'entreprise afin analyse avancée les unités doivent développer une sorte de stratégie marketing pour se vendre au reste de l'entreprise, a-t-il déclaré. La stratégie marketing doit être coordonnée, en particulier avec les aspects à l'échelle de l'entreprise de la gouvernance de l'analytique : "Sinon, vous n'allez pas vraiment remplir votre tâche d'apporter ce que l'analytique a à offrir à l'entreprise pour améliorer le résultat net, améliorer le chiffre d'affaires , et réduire les risques. 

Organisation de la gouvernance analytique

Parrainage

L'analyse est spécialisée, le sponsor doit donc être l'unité responsable du développement du modèle, généralement une unité d'analyse avancée. Cela dit, la modélisation peut se produire dans de nombreuses unités au sein de l'organisation, de sorte que le meilleur sponsor est l'unité la plus clairement identifiée avec les modèles d'analyse liés à la stratégie organisationnelle. 

Rôle de la haute direction

La haute direction doit être impliquée dès le départ dans la gouvernance du modèle ou la gouvernance analytique afin qu'elle puisse acquérir une compréhension des concepts de modélisation. Ils devront également savoir comment ils interagiront avec les modèles en production et devraient acquérir un niveau de connaissance des modèles.

• Organisation de la Gouvernance Analytics : Bien qu'il n'existe pas de modèle d'exploitation universel qui convienne à toutes les situations, il existe des éléments communs et des meilleures pratiques qui peuvent être utilisés pour organiser l'analyse

• Comité de gouvernance analytique : Plus orienté face à l'entreprise et devrait inclure la haute direction
• Comité Technique Analytique : Doit se concentrer sur les aspects techniques du développement du modèle

• Groupes de travail spécialisés : Doit être développé pour des problèmes et des problèmes particuliers qui doivent être résolus ou des solutions qui doivent être construites 

Analystes dédiés à la gouvernance analytique

En règle générale, les organisations commenceront par utiliser des bénévoles qui sont tenus d'ajouter la gouvernance à leur liste de tâches. "C'était une leçon apprise très tôt dans l'histoire de la gouvernance des données qui n'a jamais fonctionné", a déclaré Chisholm. Un programme réussi nécessite plusieurs rôles d'analyse, de gouvernance et d'analyste dédiés, tous prenant en charge la gouvernance analytique. 

Communication et littératie modèle

Au fur et à mesure que l'utilisation des modèles se répandra dans toute l'entreprise, il deviendra plus important pour tous les membres de l'entreprise de comprendre les modèles, et pas seulement le personnel informatique ou la haute direction. La direction doit aborder les points suivants dès le début d'un programme de communication sur la gouvernance analytique afin d'augmenter le modèle général l'alphabétisation de tout le personnel:

• Quels sont les modèles? 
• Pourquoi sont-ils nécessaires? 
• Comment sont-ils utilisés?
• Comment interagir avec eux
• Comment demander un modèle
• Comment participer au développement de modèles 
• Comment utiliser un modèle déployé 

Cette communication devrait être dirigée principalement par le comité de gouvernance de l'analytique, car il est orienté vers les entreprises, dit-il, mais c'est aussi une bonne idée d'impliquer les communications d'entreprise, car ce sont les experts en matière de communication de nouvelles idées dans l'entreprise et d'achat -dans. Dans ce cas, il est préférable d'avoir une approche plus standard de l'éducation à l'emporte-pièce plutôt que de concevoir quelque chose d'individualisé. Ceux qui vont réellement interagir avec des modèles auront besoin d'un programme plus spécialisé d'alphabétisation des modèles à développer, en se concentrant sur la façon dont ils interagissent avec les modèles. 

Faire confiance aux modèles

"La confiance dans les modèles va être un problème", a-t-il déclaré, non pas pour les développeurs mais pour le côté commercial. Les perceptions courantes qui surviennent lorsque présentation de l'analytique: 

• Il est impossible pour un modèle de prédire quoi que ce soit avec précision car les modèles ne peuvent pas prédire les ouragans, ou le COVID, ou l'évolution de la bourse demain. 
• Les modèles pourraient être un mécanisme caché de discrimination, nous exposant au risque.
• Les méchants utilisent l'IA pour nous transformer tous en zombies. 

Les communications ne devraient pas essayer de traiter ces problèmes primordiaux que les modèles ont dans la société d'aujourd'hui, mais Chisholm suggère plutôt de rediriger l'attention sur les modèles de confiance utilisés dans le contexte de l'entreprise. La confiance dans les modèles commerciaux vient lorsque le leadership est transparent sur la façon dont les modèles sont développés, comment ils sont déployés, 

comment le risque est évalué dans les modèles et comment les modèles sont surveillés pour s'assurer qu'ils ne dérivent pas.

Le cycle de vie de l'analyse 

• Demande d'admission : Définissez comment la demande d'analyse est gérée, à l'aide d'un système de tickets ou d'un autre moyen de gérer les demandes qui arrivent dans le pipeline.

• Cristallisation des cas d'utilisation : Les demandes doivent passer par un analyste qui peut obtenir un seuil minimum de compréhension de la demande dans le détail, et qui peut évaluer si une solution est réalisable ou non. Ces demandes doivent être traitées rapidement et équitablement.

• Priorisation du modèle : Plutôt que de déléguer la priorisation à une seule personne, ce processus est mieux géré par un comité de gouvernance analytique. Lorsque les décisions sont prises par un groupe, elles sont plus susceptibles d'être perçues comme justes. Chisholm a mis en garde contre la création d'obstacles tels que des formulaires sans fin ou l'accumulation de demandes parce qu'elles doivent attendre la prochaine réunion. Il est important d'être cohérent, mais aussi suffisamment flexible pour redéfinir les priorités en réponse aux urgences, telles que la COVID. 

• Acquisition de modèle tiers : Construire un modèle en interne n'est pas toujours la meilleure option, et le comité de gouvernance de l'analytique doit examiner les étapes nécessaires pour embaucher un tiers pour fournir des modèles. Dans ce cas, les termes et conditions d'un contrat avec un tiers doivent être soigneusement examinés car certains sont assez techniques.

• Développement du modèle : Les données minimales viables nécessaires pour le modèle doivent être déterminées : "C'est un point où l'analyse, la gouvernance et la gouvernance des données se rencontrent." Il faut également déterminer le modèle minimum viable - le minimum requis pour résoudre réellement le cas d'utilisation, a-t-il déclaré. 

• Date de découverte : Une méthodologie de développement devrait être initiée pour déterminer s'il existe des données disponibles qui répondront aux besoins de qualité ou si des données externes sont nécessaires.

• Validation du modèle: Le processus de validation détermine si le modèle se généralisera de manière adéquate ou s'il est trop spécifique aux ensembles de données sur lesquels il a été formé. Le côté commercial peut fournir des «vérifications de cohérence» sur les résultats et aider avec les hypothèses à intégrer dans le modèle. Ils peuvent également aider à obtenir des données. 

• Inventaire des modèles : Un modèle est ajouté à l'inventaire lorsqu'une demande de modélisation est reçue et est mis à jour à des moments importants tout au long de son cycle de vie, comme la validation, lorsqu'une nouvelle version est créée, etc. Chisholm considère l'inventaire comme une exigence stratégique pour la gouvernance analytique. 

• Migration: "Tous les aspects techniques sont super intéressants pour les scientifiques des données, mais cet aspect de la réussite dans le contexte commercial est également important », et l'échec à ce stade tardif est toujours possible, a-t-il déclaré. Au fur et à mesure que le modèle est inséré dans les processus métier, les rôles et les responsabilités doivent être clairs. Les gens du côté commercial doivent vraiment comprendre que cela implique une réingénierie des processus ainsi qu'une maintenance du modèle.

• Fonctionnement du modèle : Les travailleurs de première ligne qui utilisent les informations ont besoin d'un moyen de faire un rapport s'ils pensent que les choses vont mal d'un point de vue commercial. Étant donné que les modèles peuvent dériver et perdre en précision avec le temps, un processus de surveillance devrait également être institué. 

Conclusion

La gouvernance analytique n'est pas une entreprise unique, a déclaré Chisholm, et c'est pourquoi il est important de définir le cycle de vie, puis d'examiner ce qui doit être fait à chaque phase en fonction des besoins uniques de l'entreprise. 

Vous voulez en savoir plus sur les événements à venir de DATAVERSITY? Découvrez notre gamme actuelle de conférences en ligne et en face à face ici.

Voici la vidéo de la présentation Enterprise Analytics Online :

Image utilisée sous licence de Shutterstock.com