27210057 - Organisation et gestion des données du SI

Les organisations accumulent des données bien plus vite qu'elles n'apprennent à les gérer. Un même client se retrouve saisi sous trois orthographes dans trois applications, un tableau de bord contredit le suivant, et plus personne ne sait vraiment qui a le droit de modifier quoi. Ce cours traite cette question sous l'angle de l'organisation et de la décision, non sous celui de la technique.
Il suit l'ordre dans lequel le problème se pose en entreprise : structurer les données et les faire circuler entre les applications, les exploiter ensuite pour produire une analyse utile, et enfin les gouverner dans la durée (qualité, conformité, sécurité, valorisation).
L’apprenant n'aura pas à administrer une base de données. En revanche, il devra discuter avec une direction des systèmes d'information, questionner un chiffrage, s'assurer qu'un traitement reste conforme. C'est ce niveau de maîtrise qui est visé. Aucun prérequis en programmation n'est demandé. Sur les 22 heures, environ 6 h 30 sont consacrées à des applications conduites en séance, le reste aux apports de cours.

Estimation du temps de travail personnel (en dehors des cours) : 22 heures

DIMENSION DE RESPONSABILITE SOCIALE

La donnée n'est pas un objet neutre et le cours ne la présente pas comme telle.
La conformité au RGPD est abordée à partir de situations concrètes : une finalité mal définie, une durée de conservation que personne n'a jamais fixée, un droit d'accès auquel l'entreprise ne sait pas répondre dans les délais.
Une place particulière est faite à la responsabilité de celui qui produit les chiffres. Un axe tronqué, un échantillon non représentatif ou une corrélation présentée comme une cause engagent celui qui les met sous les yeux d'un dirigeant.
Deux autres sujets sont discutés en séance. Le coût environnemental du stockage d'abord, avec la question des données dormantes que l'on conserve faute d'avoir prévu leur suppression. La dépendance aux grands fournisseurs de cloud ensuite, qui pose celle de la souveraineté. La monétisation des données est présentée avec ses modèles économiques, mais aussi avec les objections qu'elle soulève.

CONNAISSANCES ET COMPETENCES CIBLES

À l'issue du cours, l'étudiant doit être capable de :

Concevoir l'organisation des données et assurer leur interopérabilité
– lire et produire un modèle de données aux trois niveaux (conceptuel, logique, physique), et savoir lequel présenter selon l'interlocuteur ;
– situer les architectures orientées données : ce que permet un datawarehouse, ce qu'un datalake apporte de différent, pourquoi les deux coexistent souvent ;
– identifier ce qui rend deux systèmes interopérables, du format d'échange (XML, API, formats ouverts) aux règles que les services doivent s'imposer entre eux ;
– construire un dictionnaire de données et repérer, sur un jeu réel, ce qui en dégrade la qualité.
Collecter, traiter, analyser et interpréter des données à des fins décisionnelles
– conduire une analyse de bout en bout : collecte, nettoyage, structuration, analyse, restitution ;
– choisir entre une approche descriptive, exploratoire ou prédictive selon la question posée et le modèle économique de l'organisation ;
– produire une restitution visuelle lisible sous tableur, Power BI ou Tableau, et en tirer un diagnostic argumenté ;
– repérer ce qui fragilise une analyse : échantillon biaisé, corrélation prise pour une causalité, graphique qui oriente la lecture.

Élaborer et piloter la gouvernance stratégique des données
– dérouler le cycle de vie d'une donnée, de sa création à sa suppression, et identifier les étapes où l'organisation en perd le contrôle ;
– répartir les rôles et les responsabilités en s'appuyant sur les référentiels existants, le DAMA-DMBOK notamment ;
– articuler les exigences de conformité (RGPD, archivage légal) et de sécurité avec les usages métier ;
– apprécier ce que vaut un patrimoine de données, ce qu'il coûte et le risque qu'il porte.

Conformément au programme, trois sujets restent hors champ : l'écriture d'algorithmes d'apprentissage automatique, le détail technique des protocoles d'échange et l'administration des infrastructures.

PLAN DE COURS

Partie 1 – Organiser les données du SI et assurer leur interopérabilité (8 h)
1.1 Ce que l'entreprise attend de ses données : cohérence, disponibilité, fiabilité de l'information de gestion
1.2 Modéliser : du modèle conceptuel au modèle physique
1.3 Datawarehouse et datalake : à quoi sert quoi
1.4 Faire communiquer les systèmes : XML, API, formats ouverts, et les règles à poser entre services
1.5 Dictionnaire de données et qualité des référentiels
Partie 2 – Exploiter les données pour décider (7 h)
2.1 De la collecte à la restitution : les étapes et leurs pièges
2.2 Analyse descriptive, exploratoire, prédictive : laquelle pour quelle question
2.3 Les outils du décisionnel : tableur avancé, Power BI, Tableau
2.4 Construire une restitution visuelle et en tirer un diagnostic
2.5 Lire une analyse d'un œil critique : corrélation, causalité, biais
Partie 3 – Gouverner le patrimoine de données (7 h)
3.1 Le cycle de vie de la donnée, de la création à la suppression
3.2 Qui répond de quoi : rôles, responsabilités, référentiels de gouvernance
3.3 Conformité et sécurité : RGPD, archivage légal, protection des données
3.4 Big Data, cloud et datacenters : les enjeux de souveraineté
3.5 Valeur, risque et monétisation du patrimoine immatériel

OUVRAGES ET PUBLICATIONS DE REFERENCE :

1. Arrêté du 4 août 2025 fixant le programme et les modalités d'organisation des épreuves du DCG et du DSCG, Bulletin officiel du MESR n° 32 du 28 août 2025, applicable à compter de la session 2027.
2. DAMA International, DAMA-DMBOK : Data Management Body of Knowledge, 2e édition, Technics Publications, 2017.
3. Règlement (UE) 2016/679 du 27 avril 2016 (RGPD), ainsi que les guides pratiques publiés par la CNIL.
4. Manuels DSCG de management des systèmes d'information (Dunod, Foucher, Nathan), chapitres consacrés aux données et à la gouvernance du SI.

OUVRAGES ET PUBLICATIONS COMPLEMENTAIRES :

1. ANSSI, Guide d'hygiène informatique.
2. CNIL, Guide de la sécurité des données personnelles.
3. Documentations éditeurs : Microsoft Power BI, Tableau.
4. Rapports publics consacrés au cloud, aux datacenters et à la souveraineté numérique.

OUVRAGES OU ARTICLES DE RECHERCHE EMBLEMATIQUES SUR LE SUJET DU COURS :

1. Codd E. F. (1970), « A Relational Model of Data for Large Shared Data Banks », Communications of the ACM, 13(6).
2. Wang R. Y. et Strong D. M. (1996), « Beyond Accuracy : What Data Quality Means to Data Consumers », Journal of Management Information Systems, 12(4).
3. Inmon W. H., Building the Data Warehouse, Wiley.
4. Kimball R. et Ross M., The Data Warehouse Toolkit, 3e édition, Wiley, 2013.

Note individuelle
Etude de cas et questions de réflexion portant sur les trois parties du programme, sans document, 2h

Autre(s) notation(s)
Interrogation écrite : Non
Notation pendant les enseignements
Applications réalisées en séance (modélisation, dictionnaire de données, analyse et restitution d’un jeu de données, cas de gouvernance)

Pondération : 70/30 (70 % épreuve écrite, 30 % travaux)

MODALITES PEDAGOGIQUES

Cours magistral mené sur un mode interactif, appuyé sur des situations d'entreprise. Sur les 22 heures, environ 15 h 30 relèvent des apports de cours et 6 h 30 des applications, soit une répartition de l'ordre de 70/30.
Les applications ne sont pas regroupées en fin de module : chacune suit immédiatement la notion qu'elle met en œuvre. Un même jeu de données accompagne le cours du début à la fin. Les étudiants le modélisent, en établissent le dictionnaire, le nettoient, l'analysent, puis en tirent un tableau de bord et un diagnostic. La dernière application porte sur un cas de gouvernance.

NATURE DES SUPPORTS

Diaporamas et fiches de synthèse, déposés au fur et à mesure sur l'espace numérique de travail. S'y ajoutent les jeux de données utilisés en séance, des modèles de livrables (dictionnaire de données, grille de qualité, trame de diagnostic) et quelques extraits de textes de référence, au premier rang desquels le RGPD.

INNOVATIONS PEDAGOGIQUES ET UTILISATION DE TECHNOLOGIES

Les applications se font sur poste, avec des outils gratuits que les étudiants peuvent réinstaller chez eux : tableur, Power BI Desktop, Tableau Public. Les jeux de données proviennent de l'open data (data.gouv.fr), ce qui permet de travailler sur des données réelles, avec leurs défauts.
Deux démonstrations commentées complètent le dispositif : la lecture d'un flux XML et l'appel d'une API, faits devant les étudiants, sans qu'aucune ligne de code ne leur soit demandée. Des quiz courts en début de séance permettent de vérifier ce qui est acquis et d'ajuster le rythme.

PRE-REQUIS EN TERMES DE CONNAISSANCES ET COMPETENCES

Une connaissance générale du système d'information de l'entreprise et de son organisation. Des notions de base sur les bases de données, telles qu'abordées en DCG. Un usage courant du tableur. Aucune compétence en programmation n'est nécessaire.

LECTURE(S) CONSEILLEE(S) :

– les fiches pratiques de la CNIL, en particulier celles consacrées aux durées de conservation et aux droits des personnes (cnil.fr) ;
– le DAMA-DMBOK, dont on lira surtout les chapitres relatifs à la gouvernance, à la qualité et à l'architecture des données ;
– un manuel DSCG de management des systèmes d'information, pour les chapitres consacrés aux données.

RESSOURCE(S) A DISPOSITION :

– supports de cours et fiches de synthèse sur l'espace numérique de travail ;
– jeux de données utilisés en séance, téléchargeables ;
– modèles de livrables : dictionnaire de données, grille de qualité, trame de diagnostic ;
– Power BI Desktop et Tableau Public, gratuits, à installer avant la première application.