Comment un Data Steward utilise concrètement ses outils
Présentation didactique des outils-clés du quotidien : JIRA pour les exigences, Confluence pour la documentation, PowerBI pour la restitution, Databricks pour l'analyse. Chaque outil illustré par un cas concret simulé sur les données SNCF.
01 — Le cycle de vie d'un projet data
Avant de plonger dans les outils, il faut comprendre où chacun s'insère dans le cycle d'un projet. De l'idée métier jusqu'à la maintenance opérationnelle, voici les phases types et le rôle du Data Steward à chaque étape.
Le métier exprime un besoin flou
Data Steward · Métier
Note de cadrage
On précise le périmètre, on chiffre
Data Steward · PO
User Stories JIRA
Règles de gestion détaillées
Data Steward
Page Confluence
Construction des pipelines
Data Engineer
Code + tests
Validation métier de la livraison
Data Steward · Métier
PV de recette
Déploiement en production
Data Engineer · Ops
Donnée disponible
Maintenance, surveillance, évolutions
Data Steward
Suivi continu
02 — JIRA
Outil de gestion des exigences et du backlog projet. Chaque demande métier devient un ticket JIRA, qualifié, priorisé, suivi jusqu'à sa livraison.
Le Data Steward est souvent rapporteur ou assignee sur les tickets de cadrage et de validation qualité.
Définir et exposer la vue « Grands Voyageurs Dormants » pour la campagne Q2
En tant que responsable CRM Marketing,
je veux disposer d'une liste fiabilisée des Grands Voyageurs n'ayant pas voyagé depuis 12 mois,
afin de lancer une campagne de réactivation ciblée au Q2 2026.
- ✓La vue expose
id_client,email,segment_fidelite,dernier_voyage - ✓Filtrage strict sur consentement marketing actif (RGPD bloquant)
- ✓Dormance définie comme : aucun voyage effectué depuis ≥ 12 mois
- ✓Refresh quotidien à J-1 06:00
- ✓Documentation Confluence à jour avec le data lineage
- ✓Volumétrie attendue entre 12 000 et 18 000 lignes (alerte sinon)
Le Data Steward formalise la demande métier en User Story claire avec critères d'acceptance.
Lors du refinement, il aide l'équipe à estimer la charge en story points selon la complexité data.
À la recette, il vérifie que la donnée livrée respecte les règles de qualité définies dans le ticket.
03 — Confluence
Wiki d'entreprise pour toute la documentation projet. Spécifications, fiches de données, procédures, comptes-rendus de réunion : tout y vit.
Le Data Steward y produit notamment les fiches de spécification fonctionnelle et alimente le data catalog interne.
- 📁 Vue d'ensemble Naomi
- 📁 Architecture SDR
- 📁 Spécifications
- SF-2026-SDR-013
- ▸ SF-2026-SDR-014
- SF-2026-SDR-015
- 📁 Data Catalog
- 📁 Procédures MCO
- 📁 Comptes-rendus
SF-2026-SDR-014 — Vue Client Dormant Eligible
Spécification fonctionnelle pour exposition d'une vue analytique dans le Socle Data Relation Client
- 1. Contexte métier
- 2. Règles de gestion
- 3. Schéma de la vue exposée
- 4. Lineage des données
- 5. Contrôles qualité
- 6. SLA et fréquence
1. Contexte métier
Suite à la demande de la cellule Marketing CRM (ticket NAOMI-1247), il est nécessaire d'exposer une vue analytique listant les clients du programme Grand Voyageur n'ayant pas effectué de voyage depuis 12 mois ou plus, afin de cibler une campagne de réactivation au Q2 2026.
2. Règles de gestion
| ID | Règle | Criticité |
|---|---|---|
| R01 | Périmètre : clients porteurs d'un contrat Grand Voyageur actif | Bloquante |
| R02 | Dormance : aucun voyage effectué depuis ≥ 12 mois glissants | Bloquante |
| R03 | Conformité RGPD : consentement marketing actif requis | Bloquante (légal) |
| R04 | Email présent et au format RFC 5322 | Importante |
| R05 | Calcul indicateur de potentiel CA réactivation | Recommandée |
Sans Confluence, la connaissance reste dans la tête des gens. Quand un Data Steward part en vacances, son successeur doit pouvoir reprendre un dossier en lisant la documentation. C'est aussi ce qui permet l'audit (« qui a validé cette règle ? quand ? »).
04 — PowerBI
Plateforme de data visualisation Microsoft. Permet de construire des dashboards interactifs à partir de sources SQL, Excel, Databricks…
Le Data Steward n'est pas le développeur principal des dashboards mais il valide la qualité des données qui les alimentent et participe à la définition des indicateurs.
Performance par segment
Mise à jour : il y a 4hRépartition canaux d'acquisition
Évolution quotidienne — taux d'ouverture & clic
Le Data Steward et PowerBI
- • Définit les indicateurs avec le métier (KPI, SLA)
- • Valide les sources et leur qualité avant connexion
- • Vérifie la cohérence des chiffres affichés
- • Identifie les zones grises et fait corriger
Niveau attendu (poste type)
- • Débutant suffit pour la plupart des postes Data Steward
- • Lire et comprendre un rapport existant
- • Modifier un visuel simple
- • Connecter une source Databricks ou SQL Server
05 — Databricks
Plateforme cloud d'analyse de données à grande échelle. Combine SQL, Python, R et Spark dans une interface unifiée. Largement adoptée par les grandes entreprises pour leurs lakehouses.
Le Data Steward y exécute des requêtes d'audit qualité, explore la donnée pour répondre à un besoin métier, valide des règles avant industrialisation par les Data Engineers.
# Audit qualité — Clients dormants éligibles
Validation des règles R01 à R04 avant industrialisation de la vue dans le Socle Data RC. Auteur : Data Steward · Ticket : NAOMI-1249
SELECT c.segment_fidelite,
COUNT(DISTINCT c.id_client) AS nb_clients,
COUNT(CASE WHEN c.email IS NOT NULL THEN 1 END) AS avec_email,
COUNT(CASE WHEN cons.consentement_marketing = TRUE THEN 1 END) AS avec_consentement,
MAX(t.derniere_transaction) AS activite_la_plus_recente
FROM sdr.client c
LEFT JOIN sdr.consentement cons ON c.id_client = cons.id_client
LEFT JOIN sdr.derniere_transaction t ON c.id_client = t.id_client
WHERE t.derniere_transaction < CURRENT_DATE - INTERVAL '12 months'
GROUP BY c.segment_fidelite
ORDER BY nb_clients DESC;
| segment_fidelite | nb_clients | avec_email | avec_consentement | activite_la_plus_recente |
|---|---|---|---|---|
| Grand Voyageur Le Club | 2 134 | 2 098 | 1 945 | 2024-12-18 |
| Grand Voyageur Plus | 4 218 | 4 102 | 3 712 | 2024-11-22 |
| Grand Voyageur | 6 884 | 6 542 | 5 123 | 2024-10-04 |
| Sans programme | 1 596 | 1 476 | 858 | 2024-08-30 |
Observations :
- Volume total 14 832 clients dormants — cohérent avec l'estimation annoncée à CRMS
- Taux de complétude email 96% — au-dessus du seuil R04 (95%) ✓
- Taux de consentement marketing 78% — application stricte de R03 va exclure 22% de la cible. À remonter au métier.
- Segment "Sans programme" représente 11% — vérifier avec le PO si on les inclut ou non
« L'équipe Marketing demande combien de Grands Voyageurs n'ont pas voyagé depuis 12 mois. Avant de demander un développement, le Data Steward ouvre Databricks, écrit la requête SQL d'analyse, vérifie le volume retourné et la cohérence du résultat. Si le besoin est récurrent, alors seulement on industrialise via une vue dans le Socle Data. »