Mettre en place un framework Data Domain avec Charlotte Ledoux (38K abonnés LinkedIn)
#114 - Le zoom, le podcast avec Charlotte, une ressource et un webinar Analytics Engineering
Hello,
Bienvenue dans l'édition #114 de la newsletter DataGen ! 👋
L'agenda de la semaine :
🔍 Zoom sur l'approche Data Domain et son implémentation
🎙 Le podcast avec Charlotte, experte Data Gouvernance
📚 La ressource de Charlotte “Why Data Mesh will fail”
📆 Un webinar sur l’Analytics Engineering le mercredi 07/05
C’est parti !
🔍 Zoom sur l'approche Data Domain - 3 min
Ce zoom est tiré de mon échange avec Charlotte, experte en Data Gouvernance qui crée du contenu sur LinkedIn où elle est suivie par plus de 38 000 personnes. Elle nous partage son expertise sur la mise en place d'un framework Data Domain.
“L'idée, c'est de découper toutes les données de l'entreprise par domaine.”
Les 3 approches pour définir ses domaines
Charlotte identifie 3 méthodes principales pour structurer ses domaines :
L'approche par fonction
"C'est la plus simple pour démarrer. On va se calquer sur les fonctions qui existent dans l'entreprise : équipes commerciale, marketing, supply chain. C'est assez facile à comprendre et on peut rapidement interviewer chaque responsable sur les données dont il se sent propriétaire."
L'approche par processus
"Cette méthode est plus adaptée aux grands groupes industriels habitués à SAP. On va définir les domaines selon les processus métier comme le forecast-to-stock ou l'order-to-cash."
L'approche par chaîne de valeur
"On va suivre la chaîne de valeur data de l'entreprise. Par exemple, au tout début, tu as un client, tu vas avoir un domaine client. Ensuite, ce client, tu lui vends un produit, tu vas avoir un domaine produit…”
L'organisation type d'un domaine
Chaque domaine s'appuie sur une squad :
Un Data Owner (ou Business Owner) qui fait les choix stratégiques et valide les définitions clés
"C'est souvent le responsable d'équipe ou le directeur du département. C'est le premier qu'il faut convaincre de l'intérêt de gouverner les données."
Des Data Stewards sur chaque sous-domaine
"Ce sont des personnes du métier qui ont une casquette Data Steward. L'idée n'est pas de leur donner du travail supplémentaire mais de structurer ce qu'ils font déjà souvent sur les données."
Les livrables attendus
Les domaines peuvent produire différents types de livrables en fonction des besoins :
Des tables et jeux de données mis à disposition
Des data products plus avancés (tableaux de bord, applications business)
"Dans tous les cas, chaque livrable doit inclure toute la couche gouvernance : règles de qualité, définitions des métadonnées..."
🎙 Le podcast avec Charlotte, experte Data Gouvernance
On aborde :
Les différentes approches pour définir les domaines (cf. zoom)
L'organisation type d'un Data Domain (cf. zoom)
Les livrables et responsabilités des équipes (cf. zoom)
La tendance centralisation vs décentralisation
Les défis du Self-Service avec cette approche
Les bonnes pratiques pour réussir son implémentation
La news de Charlotte '“Why Data Mesh will fail?”
"Il vaut mieux avoir une première map high level de ses Data Domains puis la faire évoluer plutôt que de passer 6 mois à faire un mapping parfait. 6 mois sans démontrer de valeur, c'est long et on risque de perdre ses sponsors."
Liens vers l'épisode : Apple Podcasts | YouTube | Spotify | Deezer
📚 La ressource de Charlotte “Why Data Mesh will fail”
L'article Medium Why data mesh will fail de Hannes Rollin
"Cet article analyse les freins rencontrés par les entreprises qui ont implémenté le Data Mesh : la formation, la gestion du Self-Service, la constitution des squads... Il donne un bon retour d'expérience sur les points de vigilance à avoir."
📆 Un webinar sur l’Analytics Engineering le 07/05
L’Analytics Engineering est l’une des grandes tendances data de 2025. Le besoin en Analytics Engineers et en Data Analysts “Full-Stack” a explosé.
J’organise un webinar sur le sujet le mercredi 7 mai à 12h (45 min) avec Lara, une ex-Data Analyst devenue Analytics Engineer.
Au menu :
La tendance de l’Analytics Engineering et son impact sur le Self-Service
Le retour d’expérience de Lara, Analytics Engineer chez Lenstra
Le programme du bootcamp Analytics Engineering qu’on a lancé en collaboration avec DataBird
Q&A : on répond à vos questions !
Liens pour s’inscrire : ICI