Data owner, data steward : qui fait quoi ?

Deux rôles, une même confusion

Dans la plupart des projets de gouvernance, les deux titres apparaissent dès la première réunion, puis se mélangent. On nomme un data owner qui finit par corriger lui-même les fiches articles, ou un data steward à qui l’on demande de trancher entre deux directions qui ne s’accordent pas sur la définition d’un client actif. Résultat : les décisions ne sont pas prises au bon niveau, et le travail de fond n’est fait par personne.

La distinction est pourtant simple : le data owner répond de la donnée, le data steward en prend soin. L’un décide, l’autre fait vivre la décision, et chacun a besoin de l’autre pour que la gouvernance sorte des présentations.

Le data owner : celui qui répond de la donnée

Le data owner est un responsable métier, pas un informaticien. Il porte un domaine de données (les clients, les articles, les fournisseurs, les écritures comptables) parce que c’est son activité qui produit ces données ou qui en dépend le plus. Il siège souvent au comité de direction de son métier, ou en est très proche.

• Il valide les définitions : ce qu’est un client actif, un article obsolète, une commande livrée
• Il fixe le niveau de qualité attendu et les règles qui permettent de le mesurer
• Il décide de qui peut consulter ou modifier les données de son domaine
• Il arbitre quand deux équipes ne s’accordent pas, et porte devant le comité de gouvernance les sujets qui dépassent son périmètre

Il n’y consacre que quelques heures par mois, mais ces heures pèsent : sans sa validation, une règle de qualité reste une suggestion, et une définition reste un avis parmi d’autres.

Le data steward : celui qui fait vivre les règles

Le data steward est le relais opérationnel du data owner. Il connaît les données de près, souvent parce qu’il les saisit ou les exploite chaque jour, et il dispose d’un temps réellement alloué à cette mission, inscrit dans ses objectifs.

• Il documente le domaine dans le catalogue de données et le glossaire métier
• Il suit les indicateurs de qualité et analyse les anomalies
• Il corrige les écarts, ou les fait corriger à la source par les bonnes équipes
• Il propose de nouvelles règles au data owner et lui remonte ce qui bloque

C’est souvent lui que les utilisateurs appellent lorsqu’un chiffre semble faux. Un bon data steward sait expliquer d’où vient une donnée, comment elle est calculée et qui contacter pour la corriger.

Data owner et data steward côte à côte

Les répartir d’une équipe au groupe entier

La bonne maille n’est pas l’application, mais le domaine de données. Un même domaine traverse plusieurs outils (l’ERP, le CRM, l’outil de planification), et c’est précisément entre ces outils que naissent les incohérences. On nomme donc un data owner par domaine, et un ou plusieurs data stewards selon le volume de données et la géographie.

• Finance : le contrôle de gestion porte souvent le plan de comptes, les entités et les indicateurs de pilotage
• Supply chain : la direction des opérations porte les articles, les nomenclatures et les flux
• Production : la direction industrielle porte les données techniques, les équipements et les indicateurs de performance
• Commerce : la direction commerciale porte les clients, les tarifs et les conditions de vente

Dans un groupe présent dans plusieurs pays, on combine souvent un data owner groupe, qui fixe les définitions communes, et des data stewards locaux, qui les appliquent au plus près des sites et des ERP. Un data office anime l’ensemble : il forme les nouveaux rôles, outille le catalogue et prépare les comités de gouvernance.

Les erreurs les plus fréquentes

• Nommer l’IT data owner : l’IT héberge et sécurise les données, mais ne peut pas décider de leur sens métier
• Nommer des data stewards sans leur allouer de temps : le rôle reste sur le papier et la qualité ne bouge pas
• Créer trop de rôles d’un coup : mieux vaut trois domaines bien tenus que quinze à moitié
• Ne pas écrire qui décide de quoi : sans matrice de responsabilités, les arbitrages remontent à la direction générale, ou n’ont jamais lieu

Par où commencer

1. Choisir deux ou trois domaines critiques, ceux qui alimentent vos indicateurs clés ou votre futur projet d’IA
2. Nommer pour chacun un data owner et au moins un data steward, avec une lettre de mission courte
3. Écrire les définitions des termes qui font débat, et les publier dans un glossaire partagé
4. Mesurer quelques règles de qualité et suivre leur évolution chaque mois
5. Installer un comité de gouvernance léger, qui arbitre et élargit le périmètre pas à pas