Les différents domaines de données de référence, tels que les données relatives aux produits ou aux fournisseurs, sont généralement stockés et gérés dans des systèmes distincts, par différents services, chacun de ces services utilisant des politiques de données propriétaires. Cette pratique, qui peut sembler logique du point de vue de l’entreprise, crée en fait des silos de données. De plus, chaque service a tendance à développer des règles de gouvernance qui lui sont propres. Ces silos de données posent problème lorsque les données doivent être partagées entre les départements. Heureusement, il existe des relations entre vos différents domaines de données de référence. Ils peuvent en outre présenter des zones de chevauchement qui rendent pertinente une gouvernance commune.
Le regroupement de domaines de données peut révéler de nouvelles informations sur certaines parties de l’entreprise. Vous bénéficiez ainsi d’une meilleure transparence et vous pouvez passer à la vitesse supérieure en matière d’expérience client. Du fait de sa présence dans de multiples secteurs d’activité, nous utiliserons le domaine des données produit comme point de départ pour explorer les relations entre les différents domaines.
Ce billet de blog s'appuie sur les concepts présentés dans un article précédent de Darren Cooper intitulé MDM multidomaine ou MDM à domaines multiples ?. Il s’agit d’un document incontournable pour bien comprendre l’état d’esprit du « multidomaine ».
Un silo de données peut être une base de données ou un système d’entreprise qui stocke et gère les données selon des règles propriétaires. Ce silo est souvent déconnecté des autres systèmes de l’entreprise. Voici quelques types courants de silos de données :
Oui, même les feuilles de calcul... Cette déconnexion rend les silos de données problématiques lorsque d’autres départements de l’entreprise utilisent leurs propres systèmes pour gérer les mêmes données. Dans ce cas, les données ne sont plus synchronisées. Les silos de données sont aussi des silos organisationnels. Du fait de la décentralisation des prises de décision entre les départements, les domaines d’activité et les zones géographiques, les données existent souvent en double dans de multiples systèmes. Résultat : un large éventail d’environnements hybrides avec des données largement distribuées et cloisonnées. Chacun de ces environnements vise à créer, sur sa propre voie, une entreprise centrée sur le client, réactive et agile. Les fusions et les acquisitions sont bien sûr une cause fréquente de silos de données.
GObtenir l’eBook : Connecter les données en silos avec le Master Data Management
Il n’est pas rare dans une entreprise de trouver des informations détaillées sur les produits dans un système et des informations sur le fournisseur de ces produits dans un autre système. Cette séparation crée une fracture entre les données qui limite la disponibilité en temps réel des informations. Elle rend difficile d’améliorer l’expérience des clients avec vos produits et votre entreprise.
En travaillant sur le domaine des données produit, les organisations s’assurent essentiellement de la conformité de ces données afin de garantir l’efficacité de processus métier tels que le marketing, les ventes et la logistique. Les produits peuvent facilement être identifiés à l’aide d’identificateurs uniques. Ils peuvent être organisés de manière à faciliter les ventes en ligne. Ils comportent des descriptions convaincantes pour les commerçants. Ils présentent des dimensions précises pour le placement en magasin et l’expédition. Enfin, ils comportent des instructions utiles pour les consommateurs.
Dans le domaine des données fournisseur, les organisations cherchent à assurer la mise en place de relations commerciales correctes. Ces relations, qu’il s’agisse de recevoir des matières premières pour la fabrication ou des produits finis pour la vente, vont en effet leur permettre de remplir leurs engagements envers leurs clients. De telles relations peuvent dépendre d’accords contractuels, de notations de crédit, de conformité, de prix, de catégories de marchandises, de proximité géographique, de normes éthiques, et bien plus.
Il est bien sûr très facile de travailler de façon indépendante avec les données de référence de chacun de ces domaines. Il est en outre peu probable qu’une même personne travaille et interagisse avec tous ces domaines de données. C’est la raison pour laquelle des silos de données se développent. Il existe cependant des chevauchements dans l’attribution des données, mais aussi des relations entre les domaines de données. Or ni ces chevauchements, ni ces relations ne sont établis ou connectés.
En présence de silos, les données sont dupliquées dans différents systèmes, maintenues séparément et régies indépendamment. Ce cloisonnement devient problématique lorsque l'entreprise a besoin de combiner les données de différents systèmes pour répondre à des questions telles que :
Les systèmes ERP classiques sont inefficaces lorsqu’il s’agit d’obtenir ces réponses. Ils sont de nature très spécifique et conçus pour les processus permettant de gérer efficacement les ressources d’une entreprise. Les ERP n’ont pas été conçus pour révéler ce type d’informations sur les données métier.
L’entreprise moderne ne dispose plus d’un seul système ERP, mais d’un ensemble de systèmes et d’applications spécialisés qui améliorent et renforcent les différentes opérations métier. Cette situation crée inévitablement des frictions lorsque les données deviennent incompatibles ou inaccessibles.
Un manque de transparence en matière de gouvernance des données peut empêcher l’accès aux données correctes. La gouvernance permet de certifier que les données sont adaptées à leur finalité. Il s’agit d’un ensemble de données qui décrivent les relations entre les produits et les fournisseurs pour des objectifs métier spécifiques, tels que l’analyse prédictive, l’automatisation robotisée des processus et la conformité. Les données décrivant ces relations sont, dans la plupart des cas, très pertinentes et donc très précieuses. En tant que telles, elles résident dans des endroits spécifiques que nous appelons zones de visibilité.
Révéler des zones de visibilité n’est possible qu’en rassemblant les données de référence provenant de différents domaines. Il existe trois façons d’y parvenir :
Ces solutions remplissent des fonctions spécifiques qui concernent les processus métier clés d’une organisation. Il s'agit, par exemple, d'un système de planification des ressources de l’entreprise (ERP), d'un système de gestion de la relation client (CRM) ou d'un système de gestion de la chaîne d’approvisionnement (SCM). Tous ces systèmes fonctionnent à partir de données multidomaines. Ils s’appuient sur des données précises et cohérentes pour exécuter leurs opérations de manière efficace. Dans les grandes organisations, les données communes aux différents systèmes métier peuvent devenir incohérentes. Les informations obtenues de chaque système peuvent donc différer. Ces divergences sont dues à des politiques de gouvernance de données propres à chaque application, mais aussi au manque d’intégration ou de synchronisation entre les systèmes. Autre inconvénient, ces systèmes ne peuvent fournir que des informations préconfigurées, car ils sont de nature prescriptive.
L’utilisation d’une plateforme d’analyse est une méthode courante pour modéliser et générer des informations métier. Les outils d’informatique décisionnelle permettent de charger des données provenant de sources multiples, de les relier grâce à des clés uniques, puis de générer des informations sur lesquelles l’entreprise peut agir. Les résultats pourraient conduire à de nouvelles actions métier à intégrer aux systèmes des divisions métier. Ces résultats pourraient également nécessiter l’acquisition de solutions métier plus spécialisées.
Les plateformes d’analyse modélisent les données historiques. Elles ne permettent pas à une organisation d’agir sur la base d’informations en temps réel, à moins bien sûr qu’elles ne soient intégrées à une application métier et configurées pour recevoir des données d’événements en temps réel.
Principal inconvénient des moteurs d’analyse : pour modéliser des informations précises, les données reçues de multiples systèmes doivent être ajustées pour que les pommes correspondent à des pommes. Les définitions d’attributs doivent être normalisées et les listes de valeurs mises en correspondance. Ces opérations sont nécessaires en raison de politiques de gouvernance différentes sur les systèmes source. Or de telles opérations peuvent s’avérer longues et complexes et ne se feront pas en une seule fois.
Une approche multidomaine des données de référence prend en compte tous les domaines utilisés au sein de l’entreprise, les données des systèmes métier et les données qui circulent entre les systèmes et les processus. La promesse du MDM multidomaine est l’accès à une source unique de vérité à partir de tous les points de contact de l’entreprise. Avec le MDM multidomaine, une organisation peut mettre en œuvre des politiques de gouvernance d’entreprise à l’aide d’une solution unique et gérer les données de ses différents domaines au sein d’un seul digital business hub. Le résultat est une transparence absolue des données de référence. Elles sont nettoyées, cohérentes et précises. Elles peuvent ensuite être synchronisées avec les systèmes métier, conformément aux politiques et procédures opérationnelles de l’entreprise.
Lorsque les données sont stockées dans un digital business hub, les références entre ces données peuvent facilement être modélisées pour révéler en temps réel des zones de visibilité multidomaines. L’entreprise peut agir immédiatement sur ces données et bénéficier de l’aspect « temps réel » pour offrir une expérience client supérieure.
Le digital business hub peut également alimenter des solutions d’analyse intégrées ou autonomes pour la modélisation des données historiques et l’informatique décisionnelle.
Cas d’utilisation du retail :
Le système backend d’un retailer affiche une liste d’articles (domaine des produits) disponibles dans un magasin spécifique (domaine des localisations) qui n’ont pas été fournis par l’entreprise habituelle (domaine des fournisseurs). Ces informations pourraient permettre à un retailer d’établir le niveau de concurrence existant pour un produit donné en magasin. Il pourrait alors prendre une décision quant à l’introduction ou non d’un nouvel article provenant d’un fournisseur spécifique. Ces types d’informations permettent de proposer des promotions spécifiques.
Toutes les solutions de Master Data Management ne sont pas équivalentes. Ce scénario n’est possible qu’avec une solution qui utilise un seul outil, une seule plateforme et une seule base de compétences. Gérer les domaines de données de référence à l’aide de différentes solutions pour différents domaines constitue en soi un problème pour le Master Data Management.
Le diagramme ci-dessous montre comment la fracture des données peut être remplacée par une zone de visibilité :
Vous cherchez des réponses aux questions relatives à la fracture des données ? Une solution MDM multidomaine peut mettre en lumière des informations sur les données permettant à votre entreprise de passer au niveau supérieur.