FinanceDataHub — Gouvernance Data & IA

FrontierBank · Diagnostic Maturité Data · Phase 3

Évaluation DAMA-DMBOK — 8 Domaines de Gouvernance

Méthodologie DAMA-DMBOK v2 · Échelle de maturité 0 → 5 · Mar – Mai 2026

1.7/5

Score moyen actuel

+2.3

Écart à combler

Référentiel de Maturité — Échelle DAMA-DMBOK

Inexistant

Aucun processus formalisé

Initial

Ad hoc, non reproductible

Reproductible

Processus documentés

Défini

Standards définis et suivis

Géré

Piloté par les données

Optimisé

Amélioration continue

Score Actuel vs Cible par Domaine

Comparaison des niveaux de maturité actuels avec les objectifs 2026

Score / 5

Lecture : Les barres grises représentent la cible 2026. L'écart entre barre colorée et barre grise matérialise l'effort restant. Les domaines sous 2.0/5 nécessitent une action immédiate.

Vue Radar — 8 Domaines

Visualisation de l'empreinte data actuelle

Détail par Domaine — Scores, Écarts & Priorités

Analyse domaine par domaine avec niveau DAMA, gap à combler et priorité d'action

2 critiques4 priorité haute

Data Governance

2.1

actuel

cible

+1.9

écart

Niv.2 — ReproductiblePriorité haute

0▲ cible (4)5

Actions recommandées

Formaliser les rôles Data Owner / Steward / CDO

Créer le Comité de Gouvernance Data mensuel

Rédiger la Charte de Gouvernance Data

Quick Win

Nommer un Data Owner par domaine métier d'ici 2 semaines

Data Quality

1.8

actuel

4.5

cible

+2.7

écart

Niv.1 — InitialPriorité haute

0▲ cible (4.5)5

Actions recommandées

Définir les KPIs qualité (complétude, exactitude, fraîcheur, cohérence)

Mettre en place des contrôles automatisés dbt/Great Expectations

Créer un tableau de bord qualité hebdomadaire

Quick Win

Implémenter 5 tests dbt sur les données critiques BCBS 239

Data Management

2.5

actuel

cible

+1.5

écart

Niv.2 — ReproductiblePriorité moyenne

0▲ cible (4)5

Actions recommandées

Cartographier les flux de données critiques

Standardiser les formats et conventions de nommage

Documenter les processus ETL existants

Quick Win

Produire un inventaire des 20 tables les plus consommées

Data Catalog

1.2

actuel

cible

+2.8

écart

Niv.1 — InitialPriorité haute

0▲ cible (4)5

Actions recommandées

Déployer Collibra ou Microsoft Purview

Alimenter le glossaire métier avec les 50 termes prioritaires

Former les Data Stewards à l'alimentation du catalog

Quick Win

Créer le glossaire des 10 indicateurs clés BCBS 239

Data Lineage

1.0

actuel

3.5

cible

+2.5

écart

Niv.1 — InitialCritique

0▲ cible (3.5)5

Actions recommandées

Cartographier le lineage des 14 données critiques BCBS 239

Implémenter un outil de lineage automatique (dbt lineage, OpenLineage)

Documenter les transformations des indicateurs de risque

Quick Win

Tracer manuellement le lineage du ratio LCR de A à Z

IA Governance

0.8

actuel

3.5

cible

+2.7

écart

Niv.0 — InexistantCritique

0▲ cible (3.5)5

Actions recommandées

Créer le registre des modèles IA de la banque

Classifier chaque modèle selon l'EU AI Act (High/Limited/Minimal Risk)

Mettre en place un process de validation des modèles avant déploiement

Quick Win

Inventorier tous les modèles IA en production sous 1 semaine

Data Security

2.8

actuel

4.5

cible

+1.7

écart

Niv.2 — ReproductiblePriorité moyenne

0▲ cible (4.5)5

Actions recommandées

Renforcer les contrôles d'accès aux données sensibles (RBAC)

Mettre en place le chiffrement des données au repos et en transit

Compléter le registre des traitements RGPD

Quick Win

Auditer les droits d'accès aux tables de données clients

Data Culture

1.5

actuel

cible

+2.5

écart

Niv.1 — InitialPriorité haute

0▲ cible (4)5

Actions recommandées

Lancer un programme de formation Data Literacy pour les métiers

Créer une communauté interne Data (newsletter, démos mensuelles)

Mettre en place des ambassadeurs data dans chaque direction

Quick Win

Organiser un premier atelier Data Literacy de 2h pour les managers

Synthèse des Priorités — Plan d'Action Mar – Mai 2026

Critique — 2 domaines

Data Lineage1.0/5

Tracer manuellement le lineage du ratio LCR de A à Z

IA Governance0.8/5

Inventorier tous les modèles IA en production sous 1 semaine

Priorité haute — 4 domaines

Data Governance2.1/5

Nommer un Data Owner par domaine métier d'ici 2 semaines

Data Quality1.8/5

Implémenter 5 tests dbt sur les données critiques BCBS 239

Data Catalog1.2/5

Créer le glossaire des 10 indicateurs clés BCBS 239

Data Culture1.5/5

Organiser un premier atelier Data Literacy de 2h pour les managers

Priorité moyenne — 2 domaines

Data Management2.5/5

Produire un inventaire des 20 tables les plus consommées

Data Security2.8/5

Auditer les droits d'accès aux tables de données clients