Annexe A — Définitions

A.1. Données

Comme nous l’avons mentionné précédemment, la définition des données utilisées dans le présent document est « la représentation des faits sous forme de texte, de chiffres, de graphiques, d’images, de sons ou de vidéos ». Cette définition des données peut être catégorisée plus en détail pour contenir les éléments suivants :

• Données structurées : Données qui utilisent un modèle pour définir les relations entre les champs de données. Au sein du Ministère de la Défense nationale (MDN) et des Forces armées canadiennes (FAC), le Système d’information de la gestion des ressources de la défense (SIGRD) et le Système de gestion des ressources humaines (SGRH) sont des exemples de systèmes qui créent et utilisent des données structurées;
• Données non structurées/semi-structurées : Données stockées sans modèle de données permettant de comprendre leur organisation ou leur contenu, comme les données associées aux courriels, aux pages Web, aux médias sociaux, aux rapports, aux images et à l’audio. Voici des exemples de données non structurées ou semi-structurées au sein du MDN et des FAC, notamment des images de « caméra de combat » ou des vidéos de nouvelles de l’Équipe de la Défense;
• Données maîtres : Données qui fournissent le contexte de l’entreprise sous la forme de concepts communs et abstraits. Pour le MDN et les FAC, les données maîtres peuvent comprendre celles liées aux employés, au matériel, aux biens, aux fournisseurs, aux GLG et aux centres de coûts;
• Données de référence : Données utilisées pour relier les données au-delà des limites d’une organisation ou pour caractériser d’autres données. Parmi les exemples, mentionnons les codes de province, les codes postaux et les codes de statut;
• Métadonnées : Souvent décrites comme des données sur les données, elles peuvent comprendre des règles, des contraintes, des concepts, des relations avec d’autres données, et bien d’autres choses. Le dernier champ mis à jour, ou le champ « auteur », est un exemple courant de métadonnées;
• Mégadonnées : Données semi-structurées et non structurées venant dans une grande variété de formats, en gros volumes, et produites à grande vitesse. En raison de leur volume, leur vélocité ou leur variété, les « mégadonnées » ne peuvent pas être facilement stockées ou analysées à l’aide de méthodes traditionnelles. Des éléments comme les capteurs, les dispositifs Internet des objets (IdO) et les médias sociaux créent tous des « mégadonnées »;
• Données ouvertes : Données qui peuvent être librement utilisées et partagées par quiconque, n’importe où, à des fins ouvertes;
• Données obscures : Données qui ont été collectées, créées, traitées et stockées, mais qui ne sont pas utilisées pour prendre des décisions ou dériver de nouvelles connaissances;
• Données opérationnelles : Données utilisées dans un environnement opérationnel pour répondre à un objectif opérationnel^{Note de bas de page 1} ;
• Données organisationnelles : Données utilisées dans un contexte administratif pourrépondre à une exigence législative ou réglementaire, ou dans le cadre d’un processus interne;
• Données transactionnelles : Données qui décrivent un événement ou une modification apportée à une entité.

A.2 Flux de données

Le mouvement des données entre les processus d’affaires, les emplacements, les rôles d’affaires et les composantes techniques, y compris les bases de données, les applications, les plateformes et les réseaux. Les flux de données servent à décrire d’où proviennent les données, où elles sont stockées et utilisées, et comment elles se déplacent entre les processus et les systèmes.

A.3. Cycle de vie des données

Les données ont un cycle de vie, qui comprend :

• Planification : Déterminer les données dont l’entreprise a besoin et planifier leur capture, leur stockage et leur utilisation;
• Conception et activation : Concevoir les processus et les systèmes pour saisir, gérer et régir les données;
• Création ou obtention : Créer des données au moyen de processus opérationnels, ou obtenir les données par l’échange de données avec une autre organisation ou l’acquisition de données en provenance de celle-ci;
• Stockage et maintenance : Procéder au traitement (p. ex. intégration, entreposage, nettoyage) et au stockage des données;
• Utilisation : Utiliser les données pour appuyer les objectifs de l’organisation;
• Amélioration : Ajouter des données aux données existantes afin de répondre aux nouvelles exigences;
• Élimination : Archiver les données qui ne sont pas actuellement utilisées et purger celles qui ne sont plus nécessaires afin de réduire au minimum la consommation des ressources.

A.4. La littératie en matière de données

La littératie, au sens large, signifie avoir des compétences dans un domaine particulier. La littératie en matière de données comprend les compétences nécessaires pour découvrir les données et y accéder, manipuler les données, évaluer la qualité des données, effectuer des analyses à l’aide de données, interpréter les résultats des analyses et comprendre l’éthique de l’utilisation des données.

A.5. Gestion des données

La gestion^{Note de bas de page 2}  des données correspond à l’élaboration, l’exécution et la supervision des plans, politiques, programmes et pratiques qui fournissent, contrôlent, protègent et améliorent la valeur des ressources de données tout au long de leur cycle de vie. Cela comprend les secteurs de connaissance suivants :

• Architecture des données : Déterminer les besoins en matière de données de l’entreprise (peu importe la structure), puis concevoir et mettre à jour les plans directeurs pour répondre à ces besoins. Elle sert à harmoniser les investissements de données avec la stratégie opérationnelle;
• Modélisation et conception des données : Découvrir, analyser et déterminer la portée des données requises, puis représenter et communiquer ces exigences en matière de données dans un modèle de données. Les modèles de données peuvent comprendre des modèles conceptuels, logiques et physiques;
• Stockage et exploitation des données : Concevoir, mettre en oeuvre et assurer le soutien des données stockées afin d’en maximiser la valeur;
• Sécurité des données : Planifier, élaborer et exécuter les politiques et les procédures de sécurité afin de fournir l’authentification, l’autorisation, l’accès et la vérification appropriés des ressources de données. L’objectif est de protéger les données et les ressources d’information en conformité avec les règlements en matière de confidentialité, les ententes contractuelles et les exigences opérationnelles;
• Intégration et interopérabilité des données : Déplacer et consolider des données au sein des banques de données, des applications et des organisations et entre celles-ci (l’intégration consolide les données en formes cohérentes, physiques ou virtuelles; l’interopérabilité permet la communication entre plusieurs systèmes);
• Gestion des documents et du contenu : Contrôler la saisie, l’entreposage, l’accès et l’utilisation des données stockées à l’extérieur des bases de données relationnelles;
• Gestion des données maîtres et de référence : Gérer des données partagées afin de répondre aux objectifs organisationnels, réduire les risques associés à la redondance des données, assurer une meilleure qualité et diminuer les coûts liés à l’intégration des données;
• Entreposage des données et renseignement opérationnel : Effectuer les processus de planification, de mise en oeuvre et de contrôle visant à fournir des données d’appui à la prise de décision et à appuyer les travailleurs du savoir qui participent à la production de rapports, aux interrogations et aux analyses;
• Gestion des métadonnées : Réaliser les activités de planification, de mise en oeuvre et de contrôle pour permettre l’accès à des métadonnées intégrées de haute qualité;
• Gestion de la qualité des données : Réaliser les activités de planification, de mise en oeuvre et de contrôle qui appliquent les techniques de gestion de la qualité aux donnée pour s’assurer que les données sont aptes à la consommation et répondent aux besoins des consommateurs;
• Gouvernance des données : Exercer l’autorité et le contrôle (planification, surveillance et mise en force) concernant la gestion des ressources de données.

A.6. Chaîne de valeur des données

Une chaîne de valeur (parfois appelée flux de valeur) est l’ensemble des activités menées par une organisation pour créer de la valeur à l’intention de ses parties prenantes. À chaque étape, une valeur ajoutée est créée. Dans le cas des données, la chaîne de valeur est liée aux processus de gestion qui créent et utilisent les données. Une chaîne de valeur des données tient compte de la façon dont les données sont recueillies, diffusées, communiquées, utilisées et améliorées.

A.7. Information

L’information se définit comme un ensemble de données en contexte. Les données et les renseignements sont entrelacés, et les politiques et les processus qui les régissent et les gèrent doivent être alignés.