Scorecard Data Manager
Voici comment évaluer un Data Manager en entretien : les compétences à noter, les questions à poser et les signaux d'alerte. Une grille de base, à ajuster selon votre contexte et vos priorités.
Un exemple à adapter. Cette scorecard est un modèle, pas une grille à appliquer telle quelle. Gardez les critères qui correspondent à votre poste et à votre équipe, ajustez ou retirez les autres. Le bon profil dépend de votre contexte.
Data Manager
La mission en une phrase
Référentiels de données fiabilisés
Met en place et tient à jour les référentiels et dictionnaires de données, avec des règles de nommage, de propriété et de mise à jour partagées par les équipes.
Qualité de la donnée pilotée
Définit des indicateurs de qualité, instaure des contrôles réguliers et organise la correction des anomalies avec les métiers concernés.
Conformité RGPD tenue
Maintient le registre des traitements, cadre les durées de conservation et les accès, et coordonne les demandes liées aux droits des personnes avec le référent conformité.
Usages data coordonnés entre équipes
Aligne les besoins des directions métiers, des équipes techniques et de la conformité pour que chaque projet data parte de référentiels communs et de définitions partagées.
✗ Faible · Parle de qualité de façon générale sans avoir posé de règles, d'indicateurs ni de processus de correction concret.
✓ Excellent · A déjà structuré une démarche de gouvernance : dictionnaire de données, règles de propriété, indicateurs de qualité et plan de remédiation des anomalies.
✗ Faible · Confond référentiel et simple base de données, sans logique de source unique ni de cycle de vie de la donnée.
✓ Excellent · A construit ou administré des référentiels (clients, produits, tiers) et sait expliquer comment il a évité les doublons et tenu une source de vérité unique.
✗ Faible · Voit le RGPD comme une contrainte juridique externe et n'a jamais traduit ces obligations dans la gestion concrète des données.
✓ Excellent · Maîtrise les notions de registre des traitements, base légale, durée de conservation et gestion des accès, et a travaillé avec un référent conformité.
✗ Faible · Reste dans l'opérationnel pur sans capacité à cadrer un besoin ni à arbitrer entre des demandes concurrentes.
✓ Excellent · Sait recueillir un besoin métier, le traduire en livrables data, prioriser et coordonner les intervenants jusqu'à la mise en service.
✗ Faible · Dépend entièrement d'un tiers pour toute vérification sur les données et ne sait pas lire un modèle.
✓ Excellent · Lit et écrit des requêtes pour contrôler la donnée, comprend un schéma relationnel et dialogue d'égal à égal avec les équipes techniques.
✗ Faible · Ne connaît que les tableurs pour suivre la documentation et la qualité, sans outil dédié.
✓ Excellent · A utilisé un catalogue de données ou un outil de data quality pour documenter, tracer la lignée et suivre les contrôles.
✗ Faible · N'a aucune vision d'ensemble des flux et raisonne uniquement à l'échelle d'une application isolée.
✓ Excellent · Comprend les grands flux d'alimentation, la différence entre stockage opérationnel et décisionnel, et situe son rôle dans la chaîne.
Pédagogie et sens du dialogue
✗ Faible · S'exprime de façon trop technique ou normative et peine à faire adhérer les directions métiers.
✓ Excellent · Sait rendre les enjeux de qualité et de conformité compréhensibles pour des métiers non techniques et embarquer les équipes.
Rigueur et sens de l'organisation
✗ Faible · Travaille au cas par cas, sans documentation tenue ni suivi structuré des anomalies et des décisions.
✓ Excellent · Documente, planifie et suit ses sujets avec méthode, sans laisser de zones grises sur la propriété des données.
Management de proximité
✗ Faible · Préfère tout porter seul et évite la coordination d'équipe ou l'animation transverse.
✓ Excellent · Anime une petite équipe ou des contributeurs transverses, répartit les sujets et fait monter les personnes en compétence.
Diplomatie et capacité d'arbitrage
✗ Faible · Cède systématiquement aux demandes ou, à l'inverse, se rigidifie au point de bloquer les usages légitimes.
✓ Excellent · Tient un cap sur les règles de gouvernance tout en négociant des compromis acceptables avec les métiers.
Compétences techniques
Comment définissez-vous et mesurez-vous la qualité d'une donnée ? Donnez des exemples d'indicateurs que vous suivez.
→ Attend des dimensions précises comme la complétude, l'unicité, la fraîcheur ou la cohérence, et une logique de suivi dans le temps.
Comment garantissez-vous l'existence d'une source de vérité unique sur un référentiel partagé entre plusieurs applications ?
→ Cherche une compréhension des données maîtres, de la gestion des doublons et des règles d'autorité entre systèmes.
Réalisations & expérience
Décrivez une démarche de gouvernance des données que vous avez mise en place. Quel était le point de départ et qu'avez-vous obtenu ?
→ Cherche une démarche structurée avec un état initial, des règles posées et des résultats concrets sur la fiabilité des données.
Mise en situation
Une direction métier veut exploiter rapidement un jeu de données dont la conformité RGPD n'est pas garantie. Comment réagissez-vous ?
→ Cherche un équilibre entre le respect du cadre légal et la recherche d'une solution acceptable, sans blocage stérile ni laisser-faire.
Deux équipes utilisent la même notion métier avec deux définitions différentes. Comment arbitrez-vous pour aboutir à un référentiel commun ?
→ Évalue la capacité à faire émerger une définition partagée, à objectiver le débat et à tenir une décision dans la durée.
Motivation & fit
Qu'est-ce qui vous attire dans un rôle plus orienté organisation et gouvernance que construction technique pure ?
→ Cherche une motivation alignée avec le poste, pas un profil qui vise à terme un rôle purement technique ou de pilotage d'équipe d'ingénierie.
Savoir-être & collaboration
Comment faites-vous adhérer des métiers qui voient la gouvernance comme une contrainte administrative ?
→ Attend de la pédagogie, des bénéfices concrets exposés aux métiers et une démarche par petits pas plutôt que par la règle imposée.
Réduit la gouvernance à la production de documents jamais utilisés
Une gouvernance qui ne change rien aux pratiques des équipes ne fiabilise pas la donnée et finit ignorée.
Considère le RGPD comme l'affaire exclusive du juridique
La conformité se joue dans la gestion concrète des accès, des durées et des usages, qui relève directement de ce rôle.
Veut tout centraliser sans associer les métiers
Sans propriété de la donnée portée par les métiers, la qualité et les référentiels ne se maintiennent pas dans le temps.
Évite tout contact avec la donnée réelle
Un responsable des données incapable de contrôler ou de lire un jeu de données perd en crédibilité et en autonomie face aux équipes techniques.
Positionne le poste comme un tremplin vers un rôle uniquement technique
La mission demande un investissement durable sur l'organisation et la coordination, mal servi par un profil en attente d'autre chose.
Lecture du score
Notez chaque compétence et savoir-être de 1 à 5. Repère de décision : moyenne supérieure ou égale à 4 sur les must-have et aucun red flag majeur = go ; 3 à 4 avec réserves = à challenger en second tour ; un must-have sous 3 ou un red flag majeur = no-go. Un nice-to-have faible ne doit jamais éliminer un bon profil.
Qu'est-ce qu'une scorecard pour recruter un Data Manager ?
Une scorecard data manager est une grille d'évaluation structurée : elle liste les compétences et savoir-être à noter de 1 à 5, les questions d'entretien à poser et les signaux d'alerte. Elle permet de comparer les candidats sur des critères objectifs plutôt que sur une impression. On parle aussi de scorecard responsable des données, scorecard gestionnaire de données, scorecard data lead.
Comment utiliser cette scorecard Data Manager ?
Téléchargez-la en PDF, Excel ou Notion, notez chaque critère de 1 à 5 pendant l'entretien, puis additionnez les scores du panel pour décider sur des faits. La version Excel calcule la moyenne et la décision automatiquement.
Quelle différence entre un Data Manager et un Head of Data ?
Le Data Manager pilote au quotidien la qualité, les référentiels et la conformité des données, avec un management de proximité. Le Head of Data porte la stratégie data globale, arbitre les investissements et dirige l'ensemble des équipes data. L'un organise et fiabilise l'existant, l'autre fixe le cap et tient le budget.
Faut-il chercher un Data Manager ou un Data Engineer ?
Un Data Engineer construit et maintient les pipelines et l'infrastructure qui font circuler la donnée. Un Data Manager se place en amont et en transverse : il définit les règles, garantit la qualité et la conformité, et coordonne les usages entre équipes. Si le besoin porte sur la fiabilité, la gouvernance et l'organisation plutôt que sur la construction technique, c'est un Data Manager qu'il faut recruter.