Objectifs:

Dans toute organisation, certaines données sont nécessaires dans tous les domaines d’activité, processus et systèmes. Si ces données sont partagées et toutes les unités commerciales peuvent accéder aux mêmes listes de clients, codes de localisation géographique, listes d’unités commerciales, options de livraison, listes de pièces détachées, codes de centres de coûts comptables, codes fiscaux gouvernementaux et autres données utilisées pour gérer l’entreprise, l’ensemble de l’organisation et ses clients en bénéficieront. Les personnes qui utilisent des données supposent généralement qu’il existe un niveau de cohérence dans l’ensemble de l’organisation jusqu’à ce qu’elles voient des données hétérogènes.

Dans la plupart des organisations, les systèmes et les données évoluent de manière plus organique que ne le souhaiteraient les professionnels de la gestion des données. Dans les grandes organisations en particulier, divers projets et initiatives, des fusions et acquisitions et d’autres activités commerciales donnent lieu à de multiples systèmes remplissant essentiellement les mêmes fonctions, isolés les uns des autres. Ces conditions conduisent inévitablement à des incohérences dans la structure et les valeurs des données entre les systèmes. Cette variabilité augmente les coûts et les risques. Ces deux aspects peuvent être réduits grâce à la gestion des données de base et des données de référence.

Activités réalisées par notre équipe:

Activités de gestion des données maîtres – MDM

• Définir les drivers et les exigences du MDM: Chaque organisation a des drivers différents et des problèmes critiques liés au MDM, influencés par le nombre et le type de systèmes, leur âge, les processus d’entreprise qu’ils supportent et la façon dont les données sont utilisées à la fois pour les transactions et l’analyse. Les drivers comprennent souvent des opportunités d’améliorer le service à la clientèle et/ou l’efficacité opérationnelle, ainsi que de réduire les risques liés à la confidentialité et à la conformité. Parmi les problèmes critiques figurent les différences de signification et de structure des données entre les systèmes.
• Estimer et évaluer les sources de données: Les données des applications existantes constituent la base des activités de gestion des données de référence. Il est important de comprendre la structure et le contenu de ces données, ainsi que les processus par lesquels elles sont collectées ou créées. L’un des résultats des activités de GDM peut être l’amélioration des métadonnées générées grâce à l’évaluation de la qualité des données existantes. L’un des objectifs de l’évaluation est de comprendre dans quelle mesure les données sont complètes par rapport aux attributs qui composent les données de référence; ce processus inclut la clarification des définitions et de la granularité de ces attributs.
• Définir l’approche architecturale: l’approche architecturale du MDM dépend de la stratégie de l’entreprise, des plates-formes de sources de données existantes et des données elles-mêmes, en particulier de leur historique et de leur volatilité, ainsi que des implications d’une latence élevée ou faible. L’architecture doit prendre en compte les modèles d’utilisation et de partage des données. Les outils de maintenance dépendent à la fois des exigences de l’entreprise et des options d’architecture; ces outils aident à définir l’approche de l’intendance et de la maintenance et en dépendent en même temps.
• Modélisation des données maîtres: Le MDM est un processus d’intégration des données. Pour obtenir des résultats cohérents et gérer l’intégration de nouvelles sources au fur et à mesure que l’organisation se développe, il est nécessaire de définir un modèle de données dans les domaines concernés. Un modèle logique ou canonique peut être défini sur les domaines au sein du hub de partage des données. Cela permettrait de définir, à l’échelle de l’organisation, les entités et les attributs du domaine thématique.
• Définir la stewardship et les processus de maintenance: les solutions techniques peuvent accomplir un travail remarquable en matière d’appariement, de fusion et de gestion des identifiants des record master. Cependant, le processus nécessite également une gestion, non seulement pour traiter les enregistrements qui sont écartés du processus, mais aussi pour remédier et améliorer les processus qui sont à l’origine de leur élimination. Les projets de MDM doivent prendre en compte les ressources nécessaires pour assurer la qualité constante des données maîtres. Les enregistrements doivent être analysés, un retour d’information doit être fourni aux systèmes sources et des données d’entrée doivent être utilisées pour optimiser et améliorer les algorithmes qui pilotent la solution MDM.
• Établir des politiques de gouvernance pour imposer l’utilisation des données de référence: le lancement initial d’une activité de données de référence est un défi et nécessite beaucoup d’attention; les véritables avantages apparaissent lorsque les personnes et les systèmes commencent à utiliser les données de référence. L’effort global doit inclure une feuille de route pour que les systèmes adoptent les valeurs et les identifiants des données de référence comme données d’entrée des processus.

Activités de Données de Référence

• Définir les drivers et les exigences: Les principaux moteurs de la Reference Data Management sont l’efficacité opérationnelle et la qualité supérieure des données. La gestion centralisée des données de référence est plus pratique que la gestion par plusieurs unités commerciales de leurs propres ensembles de données; elle réduit également le risque d’incohérence entre les systèmes. Les ensembles de données de référence les plus importants doivent répondre aux exigences d’un système de gestion des données de référence. Une fois qu’un tel système est en place, de nouveaux ensembles de données de référence peuvent être créés.
• Évaluer les sources de données: La plupart des ensembles de données de référence standard de l’industrie peuvent être obtenus auprès des organisations qui les créent et les gèrent. Certaines organisations fournissent ces données gratuitement, d’autres les font payer. Des intermédiaires regroupent et vendent également des données de référence, souvent avec des caractéristiques à valeur ajoutée. En fonction du nombre et du type de jeux de données de référence dont une organisation a besoin, il peut être préférable d’acheter auprès d’un vendeur, surtout si celui-ci garantit la livraison des mises à jour selon un calendrier établi et effectue un contrôle de qualité de base sur les données. De nombreuses organisations s’appuient également sur des données de référence créées et gérées en interne. Il est souvent plus difficile de déterminer l’origine des données de référence locales ou internes que celle des données de référence normalisées.
• Définir l’approche architecturale: avant d’acheter ou de créer un outil de gestion des données de référence, il est essentiel de prendre en compte les exigences et les défis posés par les données de référence à gérer. Il faut s’assurer que l’interface de mise à jour est simple et qu’elle peut être configurée pour appliquer les règles de base de saisie des données, par exemple en veillant à ce que les relations parents/enfants soient maintenues dans les données de référence comportant des hiérarchies.
• Modélisation des groupes de Données de Référence: De nombreuses personnes considèrent les Données de Référence comme de simples codes et descriptions. Cependant, de nombreuses Données de Référence sont plus complexes. Afin de permettre une utilisation à long terme et d’établir des métadonnées précises, ainsi que pour le processus de maintenance lui-même, il est utile de créer des modèles des groupes de Données de Référence. Les modèles aident les utilisateurs de données à comprendre les relations au sein des groupes de Données de Référence et peuvent être utilisés pour établir des règles de qualité des données.
• Définir le stewardship et les processus de maintenance: les Données de Référence doivent être gérées pour garantir que les valeurs sont complètes et actuelles et que les définitions sont claires et compréhensibles. Dans certains cas, les responsables seront directement chargés de la maintenance pratique des données de référence; dans d’autres cas, ils pourront faciliter le processus.
• Établir des politiques de gouvernance des Données de Référence: une organisation ne tire de la valeur d’un référentiel de données de référence géré de manière centralisée que si les personnes utilisent effectivement les données de ce référentiel. À cette fin, il est important de mettre en œuvre des politiques qui régissent la qualité et imposent l’utilisation des Données de Référence de ce référentiel, soit directement par le biais d’une publication, soit indirectement par le biais d’un système de référence alimenté par les données du référentiel central.