Principes fondamentaux de la gestion des données de référence en bref

Le Master Data Management est un concept complexe. Gartner définit le MDM comme une "discipline technologique dans laquelle les entreprises et l'informatique travaillent ensemble pour assurer l'uniformité, l'exactitude, la gestion, la cohérence sémantique et la responsabilité des ressources de données de référence partagées officielles de l'entreprise. Shashin Shah, PDG de Pimcore Global Services, décrit les meilleures pratiques pour la mise en œuvre de la gestion des données de référence (MDM).

Alors que les entreprises mondiales tentent de générer plus de valeur commerciale à partir de modes de vie de plus en plus connectés, il leur est de plus en plus difficile d'ignorer le besoin de solutions de gestion de données puissantes.

Un exemple familier de cela peut être trouvé avec les expériences des clients dans l'industrie des télécommunications.

Prenez par exemple un consommateur qui utilise les services d'un opérateur de télécommunications de premier plan. Imaginez si le fournisseur de services a enregistré les détails d'un consommateur dans différentes bases de données départementales (qui n'interagissent pas les unes avec les autres), ce qui entraîne des incohérences. Naturellement, le consommateur reçoit des factures distinctes pour chaque service. L'effet de cette incohérence des données apparaît lorsque l'équipe de réussite client envoie au consommateur des e-mails promotionnels pour les services auxquels il s'est déjà inscrit. Cela n'indique qu'une chose : la gestion des données de l'opérateur est un gâchis !

Des histoires similaires peuvent être trouvées dans les entreprises du monde entier - le manque d'intégration des systèmes conduit à la duplication des données, affectant la capacité de l'organisation à servir efficacement les clients.

C'est là qu'une solide solution de Master Data Management (MDM) vient à la rescousse ; il gère la qualité et la cohérence des éléments de données et aide à remodeler la stratégie de données nécessaire pour accélérer la croissance de l'entreprise. Voici un bref aperçu du MDM, qui vous sera utile.

Alors, qu'est-ce que le Master Data Management (MDM) ?

Le Master Data Management est un concept complexe. Gartner définit le MDM comme une "discipline basée sur la technologie dans laquelle les entreprises et l'informatique travaillent ensemble pour assurer l'uniformité, l'exactitude, la gestion, la cohérence sémantique et la responsabilité des actifs de données de référence partagés officiels de l'entreprise".

Par conséquent, une chose est claire comme le jour, le MDM implique à la fois l'informatique et les fonctions commerciales.

D'un point de vue commercial, le MDM fait référence à la définition et à la gestion des actifs de données critiques d'une organisation et à la création d'une source unique de vérité pour tous ces actifs. Il englobe à la fois des données analytiques et des données de référence qui aident à la prise de décision.

D'un point de vue informatique, MDM fait référence à un ensemble d'outils qui peuvent standardiser les données, éliminer les enregistrements en double et les stocker dans un fichier maître. Cependant, il est important de se rappeler que toutes les données ne sont pas des données de base.

Alors, qu'est-ce que les données de référence ?

Essayons de comprendre le concept dans le contexte d'autres types de données.

Données non structurées : elles couvrent toute une gamme de données résidant dans des formats disparates. Cela inclut les livres blancs, les référentiels intranet, les e-mails, les vidéos, etc. De plus, les données sous forme de PDF, de spécifications de produits, de supports marketing, etc., peuvent être classées comme des données non structurées.

Données transactionnelles : Les données monétaires et non monétaires des activités commerciales sont classées comme données transactionnelles. Livraisons, rapports de ventes, factures, réclamations, tickets de sortie sont quelques exemples de données transactionnelles. Contrairement aux données de base, les données transactionnelles sont basées sur le temps et sont souvent nécessaires à d'autres systèmes pour l'analyse.

Métadonnées : les données sur les données sont appelées métadonnées - elles incluent les spécifications de fichier, les balises, les noms d'image, etc. Les métadonnées peuvent soit résider dans un référentiel, soit rester non catégorisées dans les documents XML, les fichiers journaux, les rapports, etc.

Données hiérarchiques : elles définissent la relation entre les points de données. Généralement, il s'agit d'une partie d'un système distinct ou de descriptions des structures organisationnelles de l'entreprise ou d'informations sur les produits.

Données de référence : un type spécial de données de base qui relie les données à des informations au-delà des limites de l'entreprise. Il a généralement une relation croisée avec des ensembles de données maîtres ou transactionnels.

Données de base : les données de base autour des piliers organisationnels tels que les clients, les produits, les fournisseurs, les emplacements et les actifs relèvent toutes des données de base. Ce type d'informations change rarement. Un point important à noter est que les données de base n'incluent pas les données transactionnelles mais décrivent les transactions.

Maintenant que nous avons défini les données de référence dans le contexte d'autres données d'entreprise, plongeons-nous dans les pratiques de mise en œuvre idéales du MDM.

Meilleures pratiques pour la mise en œuvre de la gestion des données de référence

Parrainage exécutif : Tout projet MDM échouera s'il s'agit d'un effort informatique uniquement. Bien sûr, cela peut créer des avantages techniques, mais sans fournir de valeur commerciale, le MDM ne parvient pas à fournir des efficacités tactiques. Comme pour tout autre projet au niveau de l'entreprise, garantir le parrainage de la direction est le meilleur moyen d'aligner les priorités informatiques et commerciales.

Mise en œuvre progressive : du développement de cas d'utilisation métier à l'achat des bons outils, tout projet de mise en œuvre MDM doit être déployé de manière progressive. La définition d'objectifs pour chaque phase et la hiérarchisation des flux de travail à forte dépendance peuvent également aider à rationaliser le projet. Par exemple, le besoin commercial immédiat pourrait être de nettoyer les données de messagerie afin de mener une campagne par e-mail, et par conséquent, cela devient une priorité par rapport à la consolidation des numéros de contact.

Sémantique normalisée : le besoin croissant d'exploiter des analyses et des rapports optimisés entre les entreprises a conduit à l'intégration généralisée de données provenant de plusieurs sources dans un entrepôt de données central. Cependant, des années de fonctionnement cloisonné ont également abouti à un environnement commercial où la terminologie peut souvent être confondue dans différents contextes. Par exemple, pensez aux différentes manières dont les termes « client » et « produit » pourraient être utilisés dans différents fichiers. Cette incohérence se traduit par des rapports peu fiables et des lacunes dans la communication organisationnelle. Par conséquent, la normalisation sémantique devrait être une priorité dès le début de tout projet de mise en œuvre.

Collaboration des parties prenantes : la gestion de la qualité des données est une compétence délicate. Afin d'obtenir les meilleurs résultats, ces spécialistes travaillent souvent en étroite collaboration avec les principales parties prenantes de différentes équipes - métier, informatique, fournisseurs et intégrateurs de systèmes.

Source : Le message a été initialement publié ici .