Fondamenti di Master Data Management in breve

Master Data Management è un concetto complesso. Gartner definisce l'MDM come una “disciplina tecnologica in cui il business e l'IT collaborano per garantire l'uniformità, l'accuratezza, la gestione, la coerenza semantica e la responsabilità degli asset di dati master condivisi ufficiali dell'azienda. Shashin Shah, CEO di Pimcore Global Services, descrive le migliori pratiche per l'implementazione del Master Data Management (MDM).

Poiché le aziende globali cercano di ottenere più valore per il business da stili di vita sempre più connessi, diventa sempre più difficile per loro ignorare la necessità di potenti soluzioni di gestione dei dati.

Un esempio familiare di ciò può essere trovato con le esperienze dei clienti nel settore delle telecomunicazioni.

Prendiamo ad esempio un consumatore che utilizza i servizi di un importante operatore di telecomunicazioni. Immagina se il fornitore di servizi ha salvato i dettagli di un consumatore in diversi database dipartimentali (che non interagiscono tra loro) causando incoerenze. Naturalmente, il consumatore riceve fatture separate per ogni servizio. L'effetto di questa incoerenza dei dati viene a galla quando il team di successo del cliente invia al consumatore e-mail promozionali per i servizi a cui è già iscritto. Questo indica solo una cosa: la gestione dei dati dell'operatore è un pasticcio!

Storie simili si possono riscontrare nelle aziende di tutto il mondo: la mancanza di integrazione dei sistemi porta alla duplicazione dei dati, compromettendo la capacità dell'organizzazione di servire i clienti in modo efficiente.

È qui che una solida soluzione di Master Data Management (MDM) viene in soccorso; gestisce la qualità e la coerenza degli elementi dei dati e aiuta a rimodellare la strategia dei dati necessaria per accelerare la crescita del business. Ecco una breve descrizione di MDM, che ti tornerà utile.

Quindi, cos'è la gestione dei dati anagrafici (MDM)?

Master Data Management è un concetto complesso. Gartner definisce l'MDM come una "disciplina tecnologica in cui il business e l'IT lavorano insieme per garantire l'uniformità, l'accuratezza, la gestione, la coerenza semantica e la responsabilità degli asset di dati master condivisi ufficiali dell'azienda".

Pertanto, una cosa è chiara come il giorno, l'MDM coinvolge sia l'IT che le funzioni aziendali.

Da un punto di vista aziendale, MDM si riferisce alla definizione e alla gestione degli asset di dati critici di un'organizzazione e alla creazione di un'unica fonte di verità per tutti questi asset. Comprende sia dati analitici che dati di riferimento che aiutano il processo decisionale.

Dal punto di vista IT, MDM si riferisce a un insieme di strumenti in grado di standardizzare i dati, eliminare i record duplicati e archiviarli in un file master. Tuttavia, è importante ricordare che non tutti i dati sono dati master.

Allora, cosa sono i dati anagrafici?

Proviamo a comprendere il concetto nel contesto di altri tipi di dati.

Dati non strutturati: copre un'intera gamma di dati che risiedono in formati diversi. Ciò include white paper, archivi intranet, e-mail, video e così via. Inoltre, i dati sotto forma di PDF, specifiche di prodotto, materiale di marketing e così via possono essere classificati come dati non strutturati.

Dati transazionali: sia i dati monetari che non monetari delle attività commerciali sono classificati come dati transazionali. Consegne, rapporti di vendita, fatture, reclami, emissione di biglietti sono alcuni esempi di dati transazionali. A differenza dei dati master, i dati transazionali sono basati sul tempo e sono spesso necessari ad altri sistemi per l'analisi.

Metadati: i dati sui dati sono indicati come metadati: includono specifiche di file, tag, nomi di immagini, ecc. I metadati possono risiedere in un repository o rimanere non classificati in documenti XML, file di registro, report, ecc.

Dati gerarchici: definisce la relazione tra i punti dati. Comunemente, fa parte di un sistema separato o di descrizioni delle strutture organizzative dell'azienda o di informazioni sui prodotti.

Dati di riferimento: un tipo speciale di dati anagrafici che collega i dati alle informazioni oltre i limiti dell'impresa. Di solito ha una relazione incrociata con set di dati master o transazionali.

Dati anagrafici: i dati principali relativi ai pilastri dell'organizzazione come clienti, prodotti, fornitori, sedi e risorse rientrano tutti nell'ambito dei dati anagrafici. Questo tipo di informazioni cambia raramente. Un punto importante da notare è che i dati anagrafici non includono i dati transazionali ma descrivono le transazioni.

Ora che abbiamo definito i dati master nel contesto di altri dati aziendali, analizziamo le pratiche di implementazione MDM ideali.

Migliori pratiche per l'implementazione della gestione dei dati master

Sponsorizzazione esecutiva: qualsiasi progetto MDM fallirà se si tratta di uno sforzo esclusivamente IT. Certo, può creare vantaggi tecnici, ma senza fornire valore aziendale l'MDM non riesce a fornire efficienze tattiche. Come per qualsiasi altro progetto a livello aziendale, garantire la sponsorizzazione dei dirigenti è il modo migliore per allineare le priorità IT e aziendali.

Implementazione in fasi: dallo sviluppo di casi d'uso aziendali all'acquisto degli strumenti giusti, qualsiasi progetto di implementazione MDM dovrebbe essere implementato in modo graduale. Anche la definizione di obiettivi per ciascuna fase e l'assegnazione di priorità ai flussi di lavoro ad alta dipendenza possono aiutare a semplificare il progetto. Ad esempio, l'esigenza aziendale immediata potrebbe essere quella di pulire i dati e-mail per guidare una campagna e-mail e, quindi, questa diventa una priorità rispetto al consolidamento dei numeri di contatto.

Semantica standardizzata: la crescente necessità di sfruttare analisi e report ottimizzati tra le imprese ha portato a un'integrazione diffusa di dati provenienti da più origini in un data warehouse centrale. Tuttavia, anni di funzionamento in silos hanno anche portato a un ambiente aziendale in cui la terminologia può spesso essere confusa in contesti diversi. Ad esempio, pensa ai diversi modi in cui i termini "cliente" e "prodotto" potrebbero essere utilizzati in file diversi. Questa incoerenza si traduce in rapporti inaffidabili e lacune nella comunicazione organizzativa. Pertanto, la standardizzazione della semantica dovrebbe essere considerata una priorità all'inizio di qualsiasi progetto di attuazione.

Collaborazione con le parti interessate: la gestione della qualità dei dati è una competenza delicata. Per ottenere i migliori risultati, questi specialisti lavorano spesso a stretto contatto con le parti interessate chiave di diversi team: aziende, IT, fornitori e integratori di sistemi.

Fonte: il post è stato originariamente pubblicato qui .