Avant-propos : En tant que travailleur des services de données --- Senior "Party B", j'ai vu, entendu ou personnellement expérimenté de nombreux projets liés à la gouvernance des données, tels que : projets d'échange et de partage de données, projets de gouvernance des données, projets de données de référence, projets de métadonnées … Parmi ces projets, il y en a de très réussis, très bien utilisés ; Si nous examinons ces projets, il ne nous sera peut-être pas difficile de constater que de nombreux facteurs affectent le succès ou l'échec des projets de gouvernance des données, tels que la gestion, les affaires, la technologie, la culture d'entreprise, etc.
La première plateforme de cet article est le compte public WeChat : parlons de données. Vous pouvez rechercher "Parler de données" sur WeChat, ou scanner le code QR ci-dessous pour suivre.
Selon moi, les facteurs de succès d'un projet de gouvernance des données peuvent se résumer comme suit :
-
Gestion de la stratégie de données d'entreprise
-
Conception d'architecture de gouvernance des données
-
Le moment et le point d'entrée de la gouvernance des données
-
Construction d'organisation et de système de sécurité
-
Technologie et outils - si un travailleur veut faire du bon travail, il doit d'abord affûter ses outils
-
Établir un mécanisme de fonctionnement à long terme
Dans la prochaine période, je partagerai avec vous les différents facteurs de succès des projets de gouvernance des données, soyez attentif !
Le thème de ce numéro est [Successful Elements of Data Governance 1: Strategic Management of Enterprise Data], le plan de cet article :
1. Qu'est-ce qu'une stratégie de données ?
2. Qu'est-ce qui n'est pas une stratégie de données ?
3. Les quatre éléments d'une stratégie de données
4. Trois niveaux de stratégie de données
5. Méthodes et outils de formulation de stratégie de données
6. Résumé
1. Qu'est-ce qu'une stratégie de données ?
La stratégie était à l'origine un terme spécial dans le domaine militaire, faisant référence à la planification et aux stratégies qui guident la guerre dans son ensemble. La stratégie détermine la direction et le contenu des activités de l'organisation, et résoudre le problème de "que faire" est une décision fondamentale. Dans DAMA-DMBOK, la stratégie de données est définie comme suit :
La stratégie est un ensemble de choix et de décisions qui, ensemble, définissent un plan d'action de haut niveau pour atteindre des objectifs de haut niveau. En règle générale, une stratégie de données est une stratégie pour un plan de gestion des données, un plan de préservation et d'amélioration de la qualité, de l'intégrité, de la sécurité et de l'accès aux données. Cependant, un plan de stratégie de données peut également inclure un plan d'affaires pour utiliser les informations afin d'obtenir un avantage concurrentiel et de soutenir les objectifs de l'entreprise. Une stratégie de données doit provenir d'une compréhension des besoins en données inhérents à la stratégie commerciale qui orientent la stratégie de données de l'organisation. Les composants d'une stratégie de données comprennent :
-
Créer une vision passionnante pour la gestion des données
-
Résumé de l'analyse de rentabilisation de la gestion des données avec des exemples sélectionnés
-
Principes directeurs, valeurs et vision managériale.
-
Utilisations de la gestion des données et objectifs à long terme
-
Mesures de gestion pour le succès de la gestion des données
-
Objectifs du plan de gestion des données à court terme (1 à 2 ans, spécifiques, mesurables, utilisables, réalisables, limités dans le temps).
-
Décrire les rôles de gérance des données et un aperçu de leurs responsabilités et de leurs droits décisionnels au niveau organisationnel.
-
Composants d'une solution de gestion de données
-
Feuille de route pour la mise en œuvre de la gestion des données
-
Charte de projet pour la gestion des données
-
Énoncé de portée pour la gestion des données
En termes simples, la stratégie de données d'entreprise comprend : la vision de la gestion des données (objectifs à long terme), les objectifs à moyen terme, les objectifs à court terme, les stratégies de mise en œuvre, les plans de mise en œuvre, les feuilles de route de mise en œuvre, etc.
2. Ce qu'une stratégie de données n'est pas
Une stratégie data est-elle une vision d'entreprise ?
C'est peut-être pas le cas, ou pas tout à fait. Jetons un coup d'œil à la vision d'entreprise des grandes entreprises.
IBM : Qu'il s'agisse d'un petit pas ou d'un grand pas, il doit être le moteur du progrès humain.
Apple : laissez tout le monde posséder un ordinateur.
Alibaba : la plateforme numéro un de partage de données, l'entreprise avec l'indice de bonheur le plus élevé, et une durée de vie de "102" ans.
Tencent : la technologie pour le bien.
Baidu : devenir la première entreprise de haute technologie au monde qui comprend le mieux les utilisateurs et peut les aider à se développer.
UFIDA : Utiliser la technologie et les idées pour promouvoir le progrès social et commercial.
La vision d'entreprise est l'intégration des exigences essentielles des parties prenantes de l'entreprise et la plus haute direction de la stratégie d'entreprise, qui peut être comprise comme la stratégie à long terme de l'entreprise. Dans la vague actuelle de technologies perturbatrices qui déferle sur le monde, le marché est imprévisible et la stratégie de données à long terme est relativement éloignée. Je préfère les stratégies de données à court terme qui ont des objectifs clairs, une portée claire et des voies de mise en œuvre claires, et qui sont exécutables et réalisable. . Le monde change si vite que personne ne peut prédire à quoi ressemblera le monde dans 10 ans… La désignation d'une stratégie de données d'entreprise doit avoir la capacité de répondre aux évolutions du marché et des technologies. Il est indiqué ici que l'auteur ne s'oppose pas à ce que les entreprises formulent des plans stratégiques de données à long terme, mais à affiner des objectifs stratégiques exécutables, réalisables et efficaces à court terme basés sur des stratégies de données à long terme. ". La stratégie de données fait partie de la stratégie d'entreprise, qui est la planification et le déploiement pour réaliser la vision de l'entreprise.
La stratégie de données est-elle une architecture de données ?
Apparemment pas, du moins pas tout à fait. L'architecture des données est utilisée pour définir les exigences en matière de données, guider l'intégration et le contrôle des actifs de données, et est un ensemble de spécifications globales de composants qui correspondent à l'investissement dans les données et à la stratégie commerciale. L'architecture des données comprend une définition correcte des données, une structure de données efficace, des règles de données complètes et des documents de données solides. L'architecture des données intègre les données, les processus, les applications, les organisations, les normes et les technologies, et ses intrants typiques comprennent : le modèle de données d'entreprise, l'analyse de la chaîne de valeur de l'entreprise, l'architecture de la base de données, l'intelligence d'affaires ou l'architecture de l'entrepôt de données, l'intégration des données et l'architecture d'intégration, l'architecture de gestion de la qualité des données , et architecture de gestion de documents et de contenu.
La stratégie des données et l'architecture des données ne sont pas la même chose. La décision de définir l'architecture des données fait partie de la stratégie des données, et la décision de mettre en œuvre l'architecture des données est une décision stratégique. La stratégie de données influence la conception de l'architecture de données, qui à son tour soutient la réalisation de la stratégie de données et guide ses décisions. L'auteur estime que : l'architecture des données se concentre sur la technologie, qui est la catégorie tactique de la gestion des données d'entreprise. L'architecture des données entreprend des objectifs stratégiques de données pour le niveau supérieur et met en œuvre le plan de stratégie de données pour l'Unicom inférieur. La mise en œuvre de la stratégie de données nécessite non seulement le support technique de l'architecture des données, mais également la construction de la culture des données d'entreprise.
Puisque la stratégie de données n'est pas une vision apparemment éthérée, mais aussi une architecture liée à la technologie, combinée à la définition de stratégie de données donnée par DAMA-DMBOK, nous essayons de résumer ce qu'est la stratégie de données d'une entreprise. À mon avis : la stratégie de données est la planification et le déploiement de données effectués par les entreprises pour atteindre certains objectifs commerciaux, notamment : les objectifs stratégiques de données, la portée et le contenu de la stratégie de données, les stratégies de mise en œuvre de la stratégie de données et les chemins et plans de mise en œuvre de la stratégie de données. nous appelons les "quatre éléments de stratégie".
3. Les quatre éléments d'une stratégie de données
1. Objectifs stratégiques des données - vision et objectifs
La vision est le point de départ pour formuler la stratégie d'entreprise, et c'est la stratégie à long terme de l'entreprise, tandis que l'objectif est l'objectif clair que l'entreprise veut atteindre à court terme, et c'est la stratégie à court terme de l'entreprise. La planification et la conception des objectifs stratégiques des données d'entreprise ne doivent pas seulement avoir le champ des "poèmes et des lieux lointains", mais aussi considérer les "difficultés immédiates" de la vie . Tout comme la société Alibaba que nous avons mentionnée plus tôt, la plupart des gens savent qu'Alibaba est une société de commerce électronique, mais Ma Yun a déclaré qu'Alibaba est une société de mégadonnées et que son objectif stratégique à long terme en matière de données est "la première plate-forme de partage de données, L'entreprise avec l'indice de bonheur le plus élevé". Les produits basés sur Alibaba, tels que Tmall, Taobao, Alipay, etc., produisent, collectent et traitent en permanence une grande quantité de données, et ces données peuvent être réalisées. Grâce à la réalisation et au partage de données, on espère qu'Ali deviendra l'entreprise avec l'indice de bonheur le plus élevé au coin de la rue. Si nous comprenons "la première plate-forme de partage de données et l'entreprise avec l'indice de bonheur le plus élevé" comme la stratégie de données à long terme d'Ali, alors la recherche et le développement vigoureux d'Ali d'AliSQL pour remplacer Oracle étaient la stratégie de données à moyen terme d'Ali à cette époque. il a fallu 10 ans pour le mettre en œuvre ; et le "centre de données" qui a été lancé dans le ciel est actuellement la stratégie de données à court terme d'Ali, et cette stratégie a déjà été réalisée. Voici juste un exemple pour faciliter la compréhension, peut-être que la stratégie de données d'Ali n'est pas le cas. En ce qui concerne le sujet du centre de données, il y a trop de concepts sur Internet. Si j'en ai l'occasion plus tard, je peux partager ma compréhension du centre de données, qui est ignorée ici.
2. Portée et contenu de la stratégie data - positionnement stratégique
Le positionnement stratégique consiste à répondre à la question fondamentale du « quoi faire » et du « quoi ne pas faire ». Le positionnement stratégique des données d'entreprise consiste à définir la portée et le contenu de la gestion des données d'entreprise/gouvernance des données. Selon DAMA, le champ d'application de la stratégie de données comprend principalement : l'architecture des données, la gestion des métadonnées, la gestion des normes de données, la gestion de la qualité des données, les données de référence et les données de référence, la gestion de la sécurité des données, etc. Chacune des parties ci-dessus peut être formée dans un système.Pour les entreprises, comment choisir la portée et le contenu de la gouvernance des données est une question à laquelle les entreprises doivent répondre. Ici, l'auteur suggère que le positionnement de l'entreprise en matière de gouvernance des données devrait pleinement tenir compte des facteurs suivants : quels sont les points faibles et les besoins de l'entreprise, quels sont les objectifs que l'entreprise espère atteindre, la mise en œuvre de la gouvernance des données peut-elle résoudre ces problèmes ? problèmes, et le plan d'investissement de la gouvernance des données (main-d'œuvre et capital) ), le retour sur investissement attendu. Après avoir réfléchi à toutes les questions ci-dessus, votre positionnement stratégique en matière de données sera clair : soit choisissez la gouvernance mondiale, soit choisissez des sujets individuels qui doivent être régis de toute urgence.
3. Stratégie de mise en œuvre de la stratégie de données - logique gagnante
La logique gagnante résout les problèmes du "comment le faire", "qui le fait", "les conditions pour le faire", "les raisons du succès", etc. C'est l'essence même de la stratégie. Nous savons tous que les projets de gouvernance des données impliquent un large éventail d'entreprises, de systèmes et de nombreux participants, et la gouvernance des données est un processus qui nécessite une itération et une optimisation continues, et ne peut être accompli du jour au lendemain. Alors, par où commencer le projet de gouvernance des données, qui dirigera, qui coopérera et comment pouvons-nous assurer la mise en œuvre réussie du projet et obtenir des résultats ? Il n'est pas facile de répondre à cette question. Selon les données des projets que l'auteur a vus, entendus ou vécus ces dernières années, une grande partie des facteurs de succès ou d'échec sont déterminés par cette "logique gagnante". Sans parler des projets réussis, nous constatons que la plupart des projets ratés peuvent avoir les caractéristiques suivantes : objectifs peu clairs, portée peu claire, personnel dirigeant insuffisant, participants actifs insuffisants, technologie et outils superstitieux excessifs, dépendance excessive à l'égard de ressources externes... . Faire ce qu'il faut est bien plus important que faire ce qu'il faut : réfléchir à la logique gagnante de la stratégie de données en amont est beaucoup moins cher que de résumer les leçons par la suite. Le succès d'un projet de gouvernance des données doit être l'intégration organique des facteurs ci-dessus, en ignorant tout facteur susceptible d'affecter l'efficacité de la gouvernance des données.
4. Chemin de mise en œuvre de la stratégie de données - plan d'action
Le plan d'action est un dispositif de planification "coordonné" adopté pour mettre en œuvre des objectifs ou des lignes directrices stratégiques. Le plan d'action résout le plan d'activité spécifique de "qui", "quand", "que faire" et "quel objectif atteindre". Le plan d'action doit être exécutable, quantifiable et mesurable, suivre la gestion en boucle fermée du PDCA et mener des revues et des bilans réguliers. Nous avons mentionné précédemment que la gouvernance des données est un processus qui nécessite une itération et une optimisation continues, et qu'il ne peut pas être achevé du jour au lendemain. L'expérience nous montre que la gouvernance des données n'est certainement pas quelque chose qui peut être résolu en introduisant une technologie de pointe et un logiciel génial . Le processus de construction du projet nécessite une grande attention de la part de la haute direction de l'entreprise et un soutien suffisant des ressources, une équipe de consultants expérimentés et la coopération du département technique et du département commercial, afin d'améliorer le taux de réussite de la construction du projet. Cependant, le succès de la phase de construction du projet ne représente pas le succès de la gouvernance des données. Le point final d'un projet de gouvernance des données d'entreprise réussi dans la phase de construction est le point de départ de la gouvernance des données d'entreprise. Il y a un long chemin à parcourir, et un long chemin à parcourir. La gouvernance des données d'entreprise nécessite un fonctionnement continu. L'intégration des règles de formation de la gouvernance des données dans la culture d'entreprise est la "voie" fondamentale de la gouvernance des données d'entreprise.
4. Trois niveaux d'objectifs stratégiques de données
Les trois domaines de la stratégie de données - il n'y a pas de définition officielle du contenu dans cette section, uniquement basée sur une compréhension personnelle, veuillez me corriger s'il y a un parti pris. L'auteur estime que la stratégie de données d'entreprise peut être grossièrement divisée en trois niveaux : atteindre les objectifs de gestion de base et les objectifs commerciaux, l'innovation et l'entrepreneuriat, et définir le rôle et le statut dans l'écologie concurrentielle numérique. Ces trois niveaux ne sont pas différents objectifs de gestion des données de différentes entreprises, mais trois formes spécifiques de stratégie de données d'entreprise à différents stades et sous différentes conditions de maturité.
1. Le premier niveau - objectifs à court terme
Satisfaire la prise de décision de gestion de base et la collaboration commerciale. En résolvant divers problèmes de gestion des données d'entreprise pour répondre aux besoins de l'analyse décisionnelle et de la collaboration commerciale, l'auteur estime que ce niveau d'objectifs stratégiques est le plus fondamental, le plus urgent et le plus à même de toucher les points faibles des entreprises. Avec des années de construction de l'informatisation, les entreprises ont installé plusieurs ensembles de systèmes d'entreprise, et ces systèmes d'entreprise sont pilotés par des départements commerciaux, manquant de planification de haut niveau pour l'informatisation, et chaque système est indépendant, des systèmes séparés et des îlots d'informations..., entre systèmes Les données entre eux ne sont pas standard et incohérentes, ce qui entraîne des difficultés d'intégration des applications et une analyse des données imprécise. On peut dire que la plupart des entreprises nationales sont actuellement dans cet état et que la vitesse de développement des technologies de l'information est trop rapide, ce qui a progressivement formé une tendance à la transformation numérique des entreprises axée sur la technologie, et les actifs de données de haute qualité sont sans aucun doute le clé de la transformation numérique des entreprises.
2. Le deuxième niveau - les objectifs à moyen terme
Innovation et Entrepreneuriat. Réaliser la mise à niveau de la gestion d'entreprise et de l'innovation commerciale basée sur les données, développer de nouvelles activités, créer de nouveaux formats et explorer de nouveaux modèles grâce à l'utilisation des données est à mon avis le deuxième niveau de la stratégie de données d'entreprise, et c'est aussi le moyen terme objectif de la stratégie de données d'entreprise. La stratégie data n'est plus le support de la stratégie d'entreprise, mais l'accompagnement, ou l'interaction, à ce stade « IT is business » ! Pour les entreprises manufacturières traditionnelles, l'utilisation de la gouvernance et de l'intégration des données peut accélérer l'innovation en matière de gestion, l'innovation des produits et l'innovation des modèles de vente : optimisation, conception de produits innovants basée sur les prévisions du marché, délais de mise sur le marché rapides, etc. Pour que l'industrie des services utilise les mégadonnées pour explorer de nouveaux modèles de services, les données peuvent élargir les horizons des services, réaliser l'expansion horizontale du champ du modèle et l'extension verticale de la précision des services.Le modèle de service est une tentative de l'industrie des services hôteliers en termes d'innovation commerciale, ce qui améliore considérablement la fidélité des clients et améliore la rentabilité de l'hôtel. De tels cas se produisent tous les jours dans les services financiers, les services de restauration, les services médicaux, les services éducatifs et d'autres industries de services... À l'avenir, la concurrence dans le secteur des services deviendra plus féroce et la valeur d'utilisation des actifs de données deviendra de plus en plus évidente.
3. Le troisième niveau - les objectifs à long terme
Définir le rôle et le statut dans l'écologie concurrentielle numérique, le sens le plus élevé de la stratégie de données d'entreprise. Wang Wenjing, président de l'UFIDA, a prédit : « Toutes les entreprises du futur seront des entreprises numériques. » Je suis profondément d'accord avec ce point de vue. La transformation de la science et de la technologie modifiera la forme commerciale et le mode de concurrence des entreprises. Dans la future concurrence numérique, la numérisation sera un facteur essentiel qui ne peut être ignoré. Le déploiement et la mise en œuvre réussie de la stratégie de données d'entreprise détermineront la concurrence future de votre entreprise et l'écologie numérique. , est leadership, challenger, acteur de niche ou knock-out. "Quel type de vision détermine quel type d'avenir", la planification de la vision stratégique des données d'entreprise doit avoir la "poésie et la distance" de l'avenir . Intégrer la vision stratégique de la data dans la politique d'action et les valeurs fondamentales de l'entreprise, et tracer le « portrait » futur de l'entreprise. Par exemple, Jack Ma a décrit la vision d'Alibaba : la plate-forme numéro un pour le partage de données, l'entreprise avec l'indice de bonheur le plus élevé et une durée de vie de "102" ans.
5. Méthodes et outils de formulation de stratégie de données
La formulation de la stratégie de données est basée sur la stratégie d'entreprise, la chaîne de valeur commerciale est le modèle, l'application de gestion est l'objectif et les activités exécutables sont les étapes.Grâce à une réflexion systématique, les informations et les lois entre les informations sont excavées , et après la planification scientifique et la conception pour former un plan directeur pour le fonctionnement numérique de l'entreprise. Pour la méthode de planification stratégique des données, l'industrie n'a pas encore formé un système de méthodologie mature.Cependant, la méthodologie du conseil informatique et de la planification stratégique informatique est relativement mature et peut être utilisée comme référence pour la planification stratégique des données d'entreprise.Regardons d'abord l'approche du grand cabinet de conseil bien connu en matière de planification stratégique informatique :
Méthodologie de planification stratégique informatique d'Accenture
Méthodologie de planification stratégique informatique d'IBM
Méthodologie de planification stratégique des TI de Deloitte
Quelle que soit la méthodologie, il en va essentiellement de même pour la planification stratégique informatique, qui comprend essentiellement trois étapes :
1. Recherche et analyse, les activités clés comprennent : la compréhension stratégique, l'analyse de la demande, l'évaluation du statu quo, la comparaison des meilleures pratiques de l'industrie...
2. Planification à long terme, les activités clés comprennent : la planification des activités, la structure organisationnelle, la structure technique, la structure des données, la structure des applications, le support informatique...
3. Stratégie de mise en œuvre, les activités clés comprennent : la mise en œuvre du projet, l'avancement et le contrôle de la qualité, l'analyse des avantages, l'assistance de base...
Les méthodes de conseil et de planification informatiques ci-dessus s'appliquent également à la planification et à la conception de la stratégie de données d'entreprise, mais les problèmes fondamentaux suivants doivent être pris en compte lors de la planification et de la conception de la stratégie de données :
-
Quels sont les objectifs commerciaux de l'entreprise ? Comment sont-ils liés aux besoins en données ?
-
Quels sont les critères de base que les organisations utilisent pour définir leurs objectifs commerciaux de gestion des données ?
-
Quelles mesures ou indicateurs de performance clés existent pour garantir que la gestion des données répond aux objectifs commerciaux ?
-
Comment les composants de gestion des données sont-ils mis en œuvre et mesurés pour leur efficacité ?
-
Comment déterminer les résultats à long terme et progressifs (phasés) ?
La planification stratégique est un art extrêmement complexe qui implique tous les aspects et qui nécessite une capacité composée relativement élevée des planificateurs-conseils. Les outils de planification stratégique couramment utilisés comprennent la carte stratégique, l'analyse des écarts, l'analyse SWOT, l'analyse PEST, l'analyse 5W1H, l'analyse des forces motrices du développement, l'analyse des cinq forces de Porter, l'analyse matricielle BCG, la méthode McKinsey à trois niveaux, l'analyse de la chaîne de valeur et la stratégie concurrentielle de base. L'utilisation d'outils est d'aider les entreprises à mieux mener une analyse stratégique et de fournir un point de départ pour la formulation de plans stratégiques.
Note : Il existe de nombreux outils de planification stratégique, je ne les énumérerai donc pas un par un ici, je prendrai le temps de partager avec vous les différents outils impliqués dans la planification stratégique.
En prenant comme exemple la méthode 5W1H la plus couramment utilisée, nous utilisons la planification de la gouvernance des données comme exemple pour voir les questions auxquelles la stratégie de données devrait répondre :
quoi : que faire. Le contenu et la portée de la gouvernance des données.
comment : comment faire. Voies, méthodes et stratégies de mise en œuvre de la gouvernance des données.
qui : Qui va le faire. Le sujet responsable de la gouvernance des données, de la structure organisationnelle et de la répartition des tâches.
quand : à quelle heure. Calendrier de mise en œuvre de la gouvernance des données.
pourquoi : pourquoi le faire. Objectifs de la gouvernance des données.
où : où postuler. Scénarios d'application de la gouvernance des données, tels que la prise en charge de l'intégration des applications système et la prise en charge de l'analyse des décisions.
L'auteur estime que dans la planification et la conception de la stratégie de données, par rapport à ce qu'il faut faire (quoi), comment le faire (comment), qui le fera (qui), quand le faire (quand) et les scénarios d'application ( où), pourquoi (pourquoi) est en fait plus important. Ce n'est que lorsque les objectifs stratégiques seront clarifiés que nous pourrons guider l'orientation des travaux de suivi. Si l'orientation est erronée, elle ira de plus en plus loin.
6. Résumé
Les objectifs de gouvernance des données doivent être mesurés par rapport à la valeur métier associée aux données. Nécessitant l'implication directe des parties prenantes de l'entreprise pour créer et valider, les règles d'engagement et un cadre de gouvernance convenu doivent être définis et approuvés par la direction pour déterminer comment les efforts de gouvernance des données seront mis en place. La cohérence entre les objectifs stratégiques de données de l'entreprise et les objectifs stratégiques commerciaux de l'entreprise doit être établie dans le processus de gouvernance pour former un mécanisme d'ajustements stratégiques continus à mesure que l'environnement change. Comme l'a dit Jack Ma d'Alibaba : « À l'avenir, il n'y aura pas d'entreprise sans données, pas de données sans intelligence et pas d'intelligence sans entreprise. Faire un bon travail dans la stratégie de données d'entreprise et clarifier les objectifs de gouvernance des données est la première étape pour que les entreprises mettent en œuvre la gouvernance des données, et c'est également un facteur clé affectant le succès ou l'échec de la gouvernance des données.
Les références:
DAMA-DMBOK2.0
Méthodologie de conseil informatique IBM
Méthodologie de planification stratégique des TI de Deloitte
Méthodologie de conseil en informatique d'Accenture
Suivez le compte officiel WeChat : parlez data, et avancez sur la voie de la gouvernance des données avec l'auteur de "A Book Explains Data Governance" !
