Pour combler les lacunes, les entreprises s'inspirent des méthodes de l'enseignement afin de mettre en place des formations et des certifications

Pour la transformation numérique, il faut être « data-driven ». C'est pourquoi les entreprises investissent massivement, en moyenne 15,3 millions de dollars cette année, pour garantir leur réussite. Bien qu'une partie de ce montant soit directement consacrée à la technologie et à l'architecture des systèmes, près de la moitié (41 %) sera utilisée pour le développement de compétences. Ce n'est guère surprenant, dans la mesure où de plus en plus de personnes peuvent accéder plus facilement aux données, mais sans les maîtriser réellement. Les utilisateurs ayant les compétences fondamentales nécessaires sont capables de comprendre et d'exploiter les données auxquelles ils sont exposés, et peuvent ainsi trouver des réponses à leurs questions métier pour générer davantage de valeur. Pour surmonter cet obstacle à leur croissance, les entreprises cherchent à développer les compétences analytiques en marge du rôle classique de data scientist et lancent des initiatives de datalphabétisation pour combler ces lacunes. Gartner estime que cette méconnaissance constitue l'un des principaux obstacles à la mise en place d'une culture des données et aux bénéfices qui en découlent.https://www.idg.com/tools-for-marketers/2019-digital-business-research/

Alors que les investissements pour la datalphabétisation peuvent être une nouveauté pour les entreprises, les établissements d'enseignement supérieur ont depuis longtemps compris qu'il fallait développer l'esprit critique et les compétences analytiques des étudiants pour leur apprendre à prendre des décisions et à résoudre des problèmes aussi bien dans leur vie privée que professionnelle. Par exemple, l'université de Pittsburgh, l'université Carnegie Mellon, ou encore l'université d'Édimbourg forment la nouvelle génération d'enfants du numérique en proposant des programmes de développement des compétences analytiques dans diverses disciplines. Le Muma College of Business de l'université de Floride Sud a mis en place un programme de certification Citizen Data Scientist, qui s'adresse aux étudiants n'ayant pas les compétences techniques pour collecter et analyser des données en vue de la prise de décisions dans un contexte professionnel. Grâce à la datalphabétisation, les étudiants disposent de toutes les compétences et connaissances analytiques nécessaires pour s'épanouir dans les environnements professionnels axés sur le numérique.

Aujourd'hui, les entreprises s'inspirent de ces initiatives pour créer leurs propres programmes de datalphabétisation, centres d'excellence et communautés d'utilisateurs, ou se tournent vers des solutions tierces Certaines investissent également dans les certifications pour évaluer l'évolution de la datalphabétisation. Cela leur permet également de remettre à niveau les compétences de leurs employés par rapport à cette nouvelle génération d'enfants de la data.

En mettant la datalphabétisation au cœur de sa transformation numérique, Lockheed Martin a mis en place des ateliers et des cours pour former ses employés sur différents campus aux États-Unis et prévoit de développer davantage cette initiative en 2020. Ce leader du secteur de la défense et de la sécurité espère étendre ces formations aux employés de la fabrication et aux autres rôles d'analystes. L'équipe Enterprise Analytics a ainsi pu constater une évolution dans la manière dont les utilisateurs traitent les données dans leurs différents rôles, et la valeur ajoutée qu'ils génèrent lorsqu'ils disposent des compétences analytiques nécessaires. Comme l'explique Anthony Brown, responsable de l'équipe Enterprise Analytics chez Lockheed Martin : « En matière de datalphabétisation, il est indispensable de comprendre où les données sont utilisées, comment elles sont utilisées, et en quoi c'est important. [...] Et lorsque les entreprises comprennent ça, elles prennent davantage soin de leurs données, ce qui permet d'en améliorer la qualité et la justesse. » Pour gérer cet investissement et l'étendre à plus de 100 000 employés, Anthony et son équipe s'appuient sur Eureka, un outil interne. Cette plate-forme, semblable à Twitter, permet aux utilisateurs de créer une communauté, de poser des questions et d'envoyer des réponses, et ainsi de s'entraider pour améliorer les visualisations de données et le reporting dans l'ensemble de l'entreprise.

Marina Brazhnikova, BI Manager of Data Visualization dans un organisme de formation du secteur médical dans le sud des États-Unis, a vu quant à elle la demande en analytique exploser. Pour répondre à l'évolution des besoins de cet environnement data-driven, son équipe met l'accent sur la datalphabétisation des employés et des nouvelles recrues, pour leur permettre de répondre aux attentes des clients et des métiers. Composée initialement de 2 développeurs, l'équipe de Marina compte aujourd'hui 11 personnes. Cet accent mis sur la datalphabétisation a boosté l'engagement des employés et amélioré l'efficacité de l'ensemble des opérations.

Bon nombre d'entreprises, comme Lockheed Martin, comptent sur ces programmes de datalphabétisation pour développer l'esprit critique des employés, et ainsi leur permettre de résoudre des problématiques métier grâce aux données pour générer davantage de valeur. Initiée par les établissements de formation, la datalphabétisation intègre désormais le milieu professionnel, où elle joue un rôle central de facilitation du numérique pour rapprocher les employés, les processus et les technologies, comme le souligne Gartner. Lorsque les entreprises investissent dans des formations formelles, des communautés pour un apprentissage durable et des certifications pour mesurer le niveau de datalphabétisation, les employés peuvent s'épanouir grâce aux données et booster leurs résultats, et sont ainsi mieux préparés à l'agilité que requiert la transformation digitale.

Les experts du secteur et de la technologie s'affranchissent de l'effet de mode et créent une vision commune de l'IA et du machine learning

Tout le monde s'accorde à dire que l'intelligence artificielle (IA) sera au cœur de la prochaine vague de transformation numérique et les entreprises se lancent tête baissée dans des projets d'IA pour garder une longueur d'avance. L'an passé, IDC déclarait : « les dépenses en IA dans le monde devraient atteindre 35 milliards $ en 2019 et devraient plus que doubler pour atteindre 79,2 milliards $ d'ici 2022. » Malgré l'augmentation des dépenses, la plupart des entreprises peinent encore à générer de la valeur avec leurs investissements dans l'IA, car elles se sont focalisées principalement sur la technologie, au détriment de son application pratique.

Les nouveautés en matière de technologies et de services jettent les bases pour un nouveau stade de maturité de l'IA. Au lieu de piloter des projets d'IA dans des laboratoires d'innovation, les entreprises adoptent une approche plus concrète dans la manière de structurer les équipes qui créent, testent et mettent en œuvre ces projets. Comme l'explique Andrew Moore, chargé de l'IA pour Google Cloud, dans son article sur le site Harvard Business Review, When AI Becomes an Everyday Technology, nous entrons dans l'ère de l'« IA déployée », où l'accent est mis davantage sur la nécessité d'adopter une vision commune de l'IA qui souligne la manière dont l'IA et le machine learning s'intègrent aux processus existants et aux équipes déjà en place. Au lieu que les data scientists et les ingénieurs travaillent chacun dans leur coin sur des projets d'IA, ils collaborent avec des experts métier pour s'assurer que les initiatives en matière d'IA et de machine learning sont en phase avec les stratégies de l'entreprise.

Cette approche collaborative permet de différencier clairement les aspects décisionnels adaptés à l'IA de ceux nécessitant une intervention humaine. Imaginons que vous décidiez d'ouvrir un nouveau point de vente, mais que vous n'ayez jamais ouvert un tel magasin auparavant. Pour prévoir le niveau des ventes de votre magasin, un système qui s'appuie sur l'IA peut émettre une recommandation tenant compte du nombre de piétons ou des données démographiques des habitants du quartier. Néanmoins, vous avez toujours besoin de l'expertise d'un humain pour compléter cette recommandation en fonction de la visibilité de l'emplacement choisi, des informations sur la concurrence ou du nombre de places de parking disponibles. La valeur générée par les recommandations émises par le machine learning reste soumise aux personnes qui prennent les décisions. Comme l'explique Richard Tibbetts, chef de produit IA chez Tableau : « L'émergence de l'IA ne signifie pas qu'un algorithme va vous dire comment gérer votre entreprise. Les experts métier seront là pour faire en sorte que l'IA soit adoptée sereinement dans l'entreprise. »

Cette approche incite également ces experts métier à endosser un rôle de champion et de formateur, pour apprendre à toutes les fonctions métier à tirer parti de l'IA. Cette collaboration étroite entre experts technologiques et experts métier favorise également le partage de connaissances. Dans un article de McKinsey Quarterly, Cameron Davies, responsable de l'équipe Corporate Decision Sciences chez NBCUniversal, présente un cas concret avec des prévisions annuelles. L'équipe avait décidé de déployer un ensemble d'algorithmes de machine learning pour enrichir le processus. Très tôt dans le projet, elle a fait appel à un chercheur, qui au final s'est transformé en évangéliste dans les différentes business units et a formé d'autres employés sur la façon d'interpréter les recommandations des algorithmes.

Les experts data développent leurs connaissances sur la manière dont les métiers utilisent les données, tandis que les experts métier donnent l'occasion aux rôles non techniques de soutenir le développement des compétences analytiques. En fonction de leur expertise et de leur rapport au domaine, les experts métier jouent un rôle déterminant dans l'application pratique des résultats des projets d'IA dans l'ensemble des équipes, faisant ainsi entrer les utilisations pratiques de l'IA dans une nouvelle ère de maturité.

Les marques appliquent le style narratif à leurs données client pour provoquer un engagement plus authentique et révélateur

Quelles photos avez-vous préférées en 2019 ? Quelle musique avez-vous le plus écoutée ? Avez-vous fait beaucoup de sport ? Au 21e siècle, ce type de storytelling devient de plus en plus accessible et inspirant. Aujourd'hui, de plus en plus d'entreprises collectent des données sur les clients et créent des rétrospectives hebdomadaires ou annuelles de leurs habitudes de consommation. Désormais, ces insights jouent un rôle plus important que jamais, et les marques boostent l'engagement de leurs clients en créant des récits encore plus personnalisés, pertinents et interactifs.

Plus pertinent que de simples chiffres, le storytelling est un moyen efficace d'illustrer les comportements des consommateurs. Prenons l'exemple des transactions bancaires. Vous pouvez aujourd'hui accéder facilement à un historique détaillé de tous les paiements, dépôts et prélèvements sur votre compte. Mais prenez-vous le temps d'analyser ces données pour en tirer des enseignements ? À la fin de l'année, votre banque vous envoie un récapitulatif de tous vos achats, classés en catégories. Une telle vue vous permet de repérer instantanément des tendances et suscite des questions pertinentes, du type : « Ai-je trop dépensé en vêtements au lieu de consacrer mon argent aux voyages ou à mes hobbies ?

Cet exemple est relativement simple, mais ce type de récapitulatif annuel montre bien la puissance de la mise en contexte des données pour nous aider à faire ressortir des insights. Dans son article Use Data and Analytics to Tell a Story sur le site de Gartner, Christy Pettey explique : « Le contexte des données génère de la valeur. C'est ce qui retient l'attention des consommateurs et facilite leur engagement. Les données sont alors au cœur de l'histoire, ce qui rend l'interaction encore plus intéressante. De plus, en recevant ces données directement par e-mail ou en y accédant sur votre smartphone, vous avez la possibilité de les explorer très facilement.

Certaines entreprises vont encore plus loin en proposant des recommandations pour accompagner ces insights personnalisés qui donnent lieu à des questions pertinentes. Slack, plate-forme leader de communication collaborative, vous permet d'accéder à des données sur les canaux et conversations auxquels participe votre entreprise, mais propose également des suggestions personnalisées, par exemple pour vous aider à privilégier des conversations plus productives. Bien entendu, cela ne signifie absolument pas que vous devez cesser de partager des photos de votre chat avec vos collègues.

Ces interactions personnelles deviennent encore plus attrayantes grâce à l'interactivité. Dans son récapitulatif annuel sur votre année en musique, Spotify propose un quiz pour vous faire deviner quel artiste vous avez le plus écouté. Facebook fait de même lorsque votre amitié avec l'un de vos contacts atteint une étape importante, et vous fait deviner par exemple le nombre de fois que vous avez liké vos contenus respectifs, ou quelle photo parmi celles présentées a été mise en ligne en premier. Un quiz vous pousse non seulement à interagir avec vos données historiques, mais vous permet également de porter un regard plus critique sur votre propre storytelling.

Il est fort probable que de plus en plus d'entreprises proposent ce type d'expériences interactives avec les données à l'avenir. Les expériences personnalisées les aident à fidéliser la clientèle, à booster la satisfaction des clients et à créer des opportunités, en favorisant par exemple les achats récurrents, les ventes incitatives ou les ventes croisées. Ces initiatives sont également source de valeur pour les consommateurs, dans la mesure où elles incitent les utilisateurs peu habitués à l'analyse de données à interagir. Plus nos interactions avec nos propres données génèrent de la valeur et des insights, plus les entreprises nous donnent les moyens de changer nos comportements pour notre bien-être personnel ou professionnel.

Les données sont formelles : l'équité est indispensable pour améliorer la satisfaction des employés et booster leurs performances

Les données jouent un rôle critique pour les entreprises souhaitant renforcer l'équité pour leurs employés. La qualité et la transparence des données permettent à toutes les entreprises, des organisations à but non lucratif aux plus grands groupes, d'identifier les personnes ou les groupes souffrant d'un manque d'équité ou de représentation, ce qui est bénéfique pour tous. Au-delà de la nécessité morale de cette approche, la mise en place d'environnements et de systèmes équitables a un impact positif sur les employés et sur les entreprises elles-mêmes. La transparence autour des données permet à une entreprise d'améliorer la rétention et la satisfaction des effectifs, tout en reflétant fidèlement les communautés représentées et la clientèle touchée. Les études montrent que les environnements où règnent l'équité et la diversité favorisent notamment une augmentation de la rentabilité, boostent l'efficacité opérationnelle et optimisent le recrutement.

Grâce aux données, les entreprises peuvent analyser leurs métriques de diversité à un niveau granulaire, puis utiliser ces informations pour identifier les inégalités et y remédier. Dans le secteur public comme dans le secteur privé, les personnes qui sont exclues de la discussion ou qui ne bénéficient pas des services auxquels elles ont droit peuvent désormais gagner en visibilité, être comprises et être prises en charge grâce aux données. Les organisations à but non lucratif utilisent les données pour favoriser l'égalité, grâce à des outils permettant aux autorités locales de promouvoir les droits des femmes, tandis que les administrations utilisent des tableaux de bord sur l'égalité ethnique pour identifier les exclusions basées sur des facteurs d'appartenance ethnique, de sexe, économiques ou culturels.

Le système éducatif américain illustre bien la manière dont les données sont utilisées pour établir l'équité. Equal Opportunity Schools (EOS) est une organisation qui travaille avec plus de 540 établissements et aide les pôles scolaires à analyser leurs données pour favoriser l'accessibilité des cours du programme Advanced Placement ou du baccalauréat international. Ces 10 dernières années, EOS a aidé les établissements à intégrer dans ces formations plus de 43 000 élèves issus de milieux ethniques différents ou de familles à revenus faibles, qui sont souvent exclus ou manquent de visibilité. À l'heure actuelle, 98 % des programmes Advanced Placement ou de baccalauréat international aux États-Unis ne reflètent pas la diversité ethnique des établissements.

En utilisant ces données, EOS aide les établissements à identifier rapidement les élèves de couleur susceptibles de réussir dans ces formations, pour leur donner des opportunités dont ils ne bénéficiaient pas auparavant et ainsi renforcer l'égalité des chances.

De la même manière, l'analyse des données relatives à l'environnement de travail permet aux entreprises du secteur privé de mettre en place des programmes favorisant la diversité et l'inclusion, ainsi que des outils efficaces pour quantifier leurs initiatives. Grâce aux insights relatifs aux salaires, au sexe et à l'égalité ethnique, les responsables peuvent analyser plus précisément les effectifs et déterminer l'accessibilité et l'efficacité des programmes en place.

La transparence autour des données sur l'environnement de travail permet de renforcer la confiance et la satisfaction des employés. Un employé satisfait sera plus productif et performant. Un rapport de Deloitte révèle que les entreprises qui favorisent l'intégration sont en mesure de gérer les problèmes de performances individuels 3,6 fois plus efficacement que celles qui n'ont pas mis en place de telles stratégies. Pour une entreprise, le capital humain constitue souvent l'investissement le plus important, et les initiatives d'amélioration de l'inclusion favorisent la rétention des effectifs et optimisent le recrutement, ce qui est bénéfique sur le long terme.

Un environnement de travail où règnent la diversité et l'équité booste également la rentabilité de l'entreprise. L'étude Diversity Matters de McKinsey met en évidence le lien entre les performances financières et les environnements de travail favorisant la diversité ethnique et l'égalité entre les femmes et les hommes. « Les entreprises du premier quartile pour la répartition homme/femme sont 15 % plus susceptibles de tirer des bénéfices financiers supérieurs aux bénéfices médians nationaux dans leur secteur. Les entreprises du premier quartile pour la diversité ethnique et l'égalité entre les femmes et les hommes sont 35 % plus susceptibles de tirer des bénéfices financiers supérieurs aux bénéfices médians nationaux dans leur secteur. » Le lien entre diversité et performances souligne à quel point les données, et la transparence autour d'elles, constituent une ressource critique pour la mise en place d'un environnement de travail équitable, qui booste la satisfaction des employés et favorise la réussite de l'entreprise.

La direction prend sa part de responsabilité pour les données et l'analytique

Les entreprises investissent des milliers de milliards de dollars pour devenir encore plus data-driven. Cependant, une étude de McKinsey Analytics de 2018 souligne l'écart toujours plus grand entre celles qui mènent leurs initiatives à bien et celles qui peinent à générer un retour sur investissement. Les plus efficaces investissent aussi bien dans la culture que dans la technologie pour mettre les données au cœur des principales fonctions métier. Et dans une entreprise, la mise en place d'une culture, en particulier une culture des données, part d'en haut.

L'essor du rôle de Chief Data Officer (CDO) ces dernières années illustre la valeur grandissante des données en entreprise, mais souligne aussi la nécessité des initiatives analytiques et de l'approbation de la direction pour les soutenir. Les CDO avaient pour fonction d'intégrer tous les aspects de l'activité dans une stratégie analytique unique, pour rapprocher l'IT et les métiers. Aujourd'hui, même si les CDO restent aux commandes de la transformation digitale, ce sont tous les cadres dirigeants qui se partagent les responsabilités pour les données et l'analytique.

Désormais, ce sont tous les responsables qui doivent s'appuyer sur leurs équipes pour déterminer leurs stratégies en matière de données et d'analytique. Ils doivent comprendre comment les employés utilisent, partagent et présentent les données dans leurs domaines respectifs. « Votre stratégie data doit intégrer les besoins de l'entreprise dans son ensemble, pour avoir l'assurance qu'elle saura prendre en charge les objectifs métier globaux », explique Mike Hetrick, responsable senior du marketing produit chez Tableau. « Une stratégie data et analytique doit englober les effectifs, les processus et la conduite du changement. »

L'adhésion de la direction joue également un rôle important dans cette responsabilité. En plus de gérer la stratégie, les responsables doivent également donner aux employés les outils et les formations dont ils ont besoin pour créer un environnement data-driven pérenne. « Les sponsors exécutifs doivent réfléchir à l'évolution technologique pour l'ensemble de l'entreprise, mais doivent aussi envisager les ressources nécessaires dans le cadre de l'assistance, de la formation et de la conduite du changement, ainsi que les moyens de surmonter les obstacles au sein de l'entreprise », explique Mike Hetrick. « Ce rôle de sponsor implique également de susciter les bons comportements et de soutenir l'utilisation des données. »

Ces responsabilités s'étendent jusqu'au sommet. Chez Comair par exemple, une compagnie aérienne sud-africaine, l'équipe BI souhaitait déployer l'analytique en libre-service dans l'ensemble de la société. Pour faciliter la formation et l'intégration des employés, elle a lancé un programme mettant en place des responsables des données. Ce programme visait à nommer des experts au sein de chaque fonction métier pour aider les nouveaux utilisateurs et promouvoir le libre-service. Grâce au soutien du PDG, ce programme a joué un rôle significatif dans la mise en place d'une culture analytique. « Nous avons la chance d'avoir un PDG qui s'intéresse véritablement aux données », explique Liezl Brouckaert, responsable BI chez Comair. « Sans son adhésion, l'exécution d'un programme BI est quasiment impossible. »

Cette approche implique que l'ensemble des cadres dirigeants aient une vision plus éclairée des données et de l'analytique, afin que les données soient au cœur de toutes les conversations et réunions stratégiques. Lorsque cette collaboration commence au sommet, les initiatives concernant les données et l'analytique disposent du soutien nécessaire pour transformer le fonctionnement d'une entreprise en plaçant les données au cœur des conversations et des comportements dans chaque service et chaque rôle.

Les entreprises étendent la gestion des données pour une prise de décisions à grande échelle

Avez-vous réfléchi à l'état de vos données ? Savez-vous où elles sont, qui les utilise et à quelle fréquence ? Vos collègues savent-ils de quelles données ils ont besoin pour prendre des décisions et comment y accéder ?

Les entreprises data-driven se démarquent avec de nouvelles solutions qui intègrent leurs pipelines de données distribués. Les rôles et les processus permettant de préparer, curer et partager les données évoluent au rythme des technologies elles-mêmes. Comme dans S.O.S Fantômes, croiser les effluves est très risqué, mais parfois indispensable pour affronter les monstres les plus terrifiants. Ici, en brouillant les frontières entre l'IT et les métiers en matière de gestion des données, les entreprises peuvent s'affranchir des limites fonctionnelles et favoriser l'intégration des données à grande échelle, en permettant à tous les employés d'accéder aux données dont ils ont besoin, quand ils en ont besoin.

Il est impératif de surmonter ces obstacles et d'intégrer les données pour garantir la conformité interne et externe, mais aussi pour créer une vue d'ensemble des métiers, comprendre les clients et trouver de nouvelles opportunités. Bon nombre d'entreprises lancent des initiatives pour identifier, préparer, gérer et rendre accessibles les données dont elles ont le plus besoin pour réussir. Et la gestion des données évolue au fil de ces réussites, mais aussi au fil des progrès technologiques.

De plus en plus de solutions intègrent des fonctionnalités de gestion de données qui ne s'adressent plus uniquement à l'IT. À mesure que ces outils se généralisent dans les workflows des métiers, et même dans les plates-formes analytiques, les employés pourront participer davantage à la gestion des données traditionnellement réservée à l'IT. Il s'agit là de l'évolution naturelle de l'approche libre-service de la BI : après avoir démocratisé l'accès aux données, les entreprises favorisent l'exploration approfondie et permettent à de nouveaux types d'utilisateurs de créer du contenu analytique. Aujourd'hui, certains utilisateurs métier sont même impliqués dans la production de données. À chacune de ces étapes, l'IT a dû trouver le bon équilibre entre gouvernance et libre-service pour permettre aux utilisateurs métier d'endosser une partie des responsabilités. À mesure que l'adoption des données et de l'analytique se répand dans l'entreprise, il deviendra indispensable de « croiser les effluves » pour mieux les gérer.

La préparation de données en libre-service illustre parfaitement cette évolution. Il est désormais possible d'effectuer différents aspects de l'extraction, de la transformation et du chargement des données en libre-service, grâce à des outils modernes qui s'intègrent aux workflows analytiques. Cela favorise la découverte ad hoc, mais permet également de tester de nouvelles applications avant de les déployer dans toute l'entreprise. Tout le monde y gagne : les métiers participent plus largement à la gestion des données, ce qui réduit la durée des cycles de développement, et l'IT peut se consacrer aux tâches plus spécialisées dont il a la responsabilité.

Le catalogue de données illustre lui aussi cette évolution. Cet inventaire des données permet de définir et de qualifier les données, tout en assurant le suivi des relations entre les sources de données, le contenu et les utilisateurs. Dans les entreprises où la responsabilité d'intégration et de gestion des données est partagée, un catalogue est le point névralgique qui donne une vue d'ensemble de l'utilisation des données. Il permet de découvrir et promouvoir les données plus facilement, de comprendre leur pertinence et de surveiller leur utilisation.

Les catalogues modernes intègrent ces informations aux flux analytiques des utilisateurs, en y ajoutant le contexte métier nécessaire. À mesure que les données sont intégrées et mises à disposition dans l'entreprise, les employés apprennent à en comprendre la qualité, ainsi qu'à les utiliser dans le respect des politiques définies. C'est là que la datalphabétisation prend toute son importance. Les utilisateurs pourront apprendre à interpréter les indicateurs et à identifier des données fiables et pertinentes. Lorsqu'ils peuvent eux-mêmes participer à la gestion des données, ils soulagent l'IT et garantissent une utilisation responsable des données pour la prise de décisions. Ceux qui disposent des compétences adéquates peuvent ensuite participer à la préparation en libre-service, certifier de nouvelles sources de données ou ajouter du contexte métier sous forme de métadonnées dans le cadre de la curation.

L'IT et les métiers peuvent travailler ensemble en toute harmonie, en se partageant les responsabilités et en gommant les frontières. En intégrant les utilisateurs et objectifs métier, les initiatives de gestion à grande échelle connaîtront le succès, car l'IT et les métiers sont en mesure de partager les responsabilités pour rendre les données plus visibles, plus faciles à découvrir et plus fiables. Ainsi, l'entreprise pourra identifier les données les plus importantes et leur donner la priorité, et renforcer la prise en charge des données gérées et de l'analytique à grande échelle.