Fundamentos do gerenciamento de dados mestre em poucas palavras

Master Data Management é um conceito complexo. O Gartner define o MDM como uma “disciplina habilitada para tecnologia na qual negócios e TI trabalham juntos para garantir a uniformidade, precisão, administração, consistência semântica e responsabilidade dos ativos de dados mestre compartilhados oficiais da empresa. Shashin Shah, CEO da Pimcore Global Services, descreve as melhores práticas para a implementação do Master Data Management (MDM).

À medida que as empresas globais tentam gerar mais valor comercial a partir de estilos de vida cada vez mais conectados, está se tornando cada vez mais difícil para elas ignorar a necessidade de soluções poderosas de gerenciamento de dados.

Um exemplo familiar disso pode ser encontrado nas experiências do cliente no setor de telecomunicações.

Tomemos, por exemplo, um consumidor que está usando os serviços de uma operadora líder de telecomunicações. Imagine se o provedor de serviços salvou os detalhes de um consumidor em diferentes bancos de dados departamentais (que não interagem entre si) levando a inconsistências. Naturalmente, o consumidor recebe faturas separadas para cada serviço. O efeito dessa inconsistência de dados vem à tona quando a equipe de sucesso do cliente envia ao consumidor e-mails promocionais de serviços para os quais ela já se inscreveu. Isso indica apenas uma coisa – o gerenciamento de dados do operador é uma bagunça!

Histórias semelhantes podem ser encontradas em empresas de todo o mundo - a falta de integração de sistemas leva à duplicação de dados, afetando a capacidade da organização de atender os clientes com eficiência.

É aqui que uma solução sólida de Master Data Management (MDM) vem em socorro; ele gerencia a qualidade e a consistência dos elementos de dados e ajuda a remodelar a estratégia de dados necessária para acelerar o crescimento dos negócios. Aqui está um breve resumo do MDM, que será útil para você.

Então, o que é Master Data Management (MDM)?

Master Data Management é um conceito complexo. O Gartner define o MDM como uma “disciplina habilitada para tecnologia na qual negócios e TI trabalham juntos para garantir a uniformidade, precisão, administração, consistência semântica e responsabilidade dos ativos de dados mestre compartilhados oficiais da empresa”.

Portanto, uma coisa é clara como o dia, o MDM envolve as funções de TI e de negócios.

Do ponto de vista comercial, MDM refere-se à definição e gerenciamento dos ativos de dados críticos de uma organização e à criação de uma única fonte de verdade para todos esses ativos. Ele engloba tanto dados analíticos quanto dados de referência que auxiliam na tomada de decisões.

Do ponto de vista de TI, MDM se refere a um conjunto de ferramentas que podem padronizar dados, eliminar registros duplicados e armazená-los em um arquivo mestre. No entanto, é importante lembrar que nem todos os dados são dados mestres.

Então, o que são dados mestres?

Vamos tentar entender o conceito no contexto de outros tipos de dados.

Dados não estruturados: Abrange toda uma gama de dados que residem em formatos díspares. Isso inclui white papers, repositórios de intranet, e-mails, vídeos etc. Além disso, dados na forma de PDFs, especificações de produtos, materiais de marketing etc. podem ser classificados como dados não estruturados.

Dados transacionais: Os dados monetários e não monetários das atividades de negócios são categorizados como dados transacionais. Entregas, relatórios de vendas, faturas, reclamações, emissão de boletos são alguns exemplos de dados transacionais. Ao contrário dos dados mestres, os dados transacionais são baseados em tempo e geralmente são necessários para análise por outros sistemas.

Metadados: Os dados sobre os dados são chamados de metadados - incluem especificações de arquivos, tags, nomes de imagens, etc. Os metadados podem residir em um repositório ou permanecer não categorizados em documentos XML, arquivos de log, relatórios etc.

Dados hierárquicos: define o relacionamento entre os pontos de dados. Comumente, é parte de um sistema separado ou descrições das estruturas organizacionais da empresa ou informações sobre o produto.

Dados de referência: Um tipo especial de dados mestre que relaciona dados a informações além dos limites da empresa. Geralmente tem um relacionamento cruzado com conjuntos de dados mestres ou transacionais.

Dados mestres: os dados principais em torno de pilares organizacionais, como clientes, produtos, fornecedores, locais e ativos, estão todos sob o guarda-chuva dos dados mestres. Esse tipo de informação muda com pouca frequência. Um ponto importante a ser observado é que os dados mestre não incluem dados transacionais, mas descrevem transações.

Agora que definimos os dados mestre no contexto de outros dados corporativos, vamos mergulhar nas práticas ideais de implementação do MDM.

Práticas recomendadas para implementação de gerenciamento de dados mestre

Patrocínio executivo: Qualquer projeto de MDM fracassará se for um esforço somente de TI. Claro, pode criar benefícios técnicos, mas sem agregar valor aos negócios, o MDM não consegue fornecer eficiências táticas. Como em qualquer outro projeto de nível empresarial, garantir o patrocínio executivo é a melhor maneira de alinhar as prioridades de TI e de negócios.

Implementação em fases: desde o desenvolvimento de casos de uso de negócios até a compra das ferramentas certas, qualquer projeto de implementação de MDM deve ser implantado em fases. Definir metas para cada fase e priorizar fluxos de trabalho de alta dependência também pode ajudar a simplificar o projeto. Por exemplo, a necessidade imediata de negócios pode ser limpar os dados de e-mail para conduzir uma campanha de e-mail e, portanto, isso se torna uma prioridade sobre a consolidação de números de contato.

Semântica padronizada: A crescente necessidade de aproveitar análises e relatórios otimizados entre as empresas levou à ampla integração de dados de várias fontes em um data warehouse central. No entanto, anos de funcionamento em silos também resultaram em um ambiente de negócios onde a terminologia muitas vezes pode ser confundida em diferentes contextos. Por exemplo, pense nas diferentes maneiras pelas quais os termos 'cliente' e 'produto' podem ser usados ​​em arquivos diferentes. Essa inconsistência resulta em relatórios não confiáveis ​​e falhas na comunicação organizacional. Portanto, a padronização semântica deve ser priorizada no início de qualquer projeto de implementação.

Colaboração das partes interessadas: o gerenciamento de qualidade de dados é uma competência complicada. Para obter os melhores resultados, esses especialistas geralmente trabalham em estreita colaboração com as principais partes interessadas de diferentes equipes – negócios, TI, fornecedores e integradores de sistemas.

Fonte: O post foi originalmente publicado aqui .