"Bonjour à tous et bienvenue pour ce deuxième épisode de Kézako.data.
Je me présente Stéphan Verdier, Directeur du Pôle Data Management de Kwanzeo.
Aujourd'hui, je vais vous parler de l'Architecture autour du Master Data Management.
Dans cet épisode, nous allons faire un rappel de l'épisode 1 sur le Master Data Management et nous allons approfondir nos connaissances en détaillant de nouvelles parties.
Nous allons ensuite aborder et détailler les cinq points suivants :
- Un cas d'usage
- Quels sont les types d'Architecture à mettre en place autour du MDM ?
- L'architecture de consolidation
- L'architecture transactionnelle et,
- L'architecture centralisée
>>> Le Master Data Management
Dans cette partie, nous allons répondre aux questions suivantes :
- Quelles sont les contraintes du Système d'Information ?
- Qu'est-ce que le Master Data Management ?
- Quel est l'objectif du Master Data Management ?
- Quel est l'apport d'un Master Data Management ?
- Quels sont les types de Master Data Management ?
- Quel est l'écosystème d'un Intelligent Data Hub ?
Quelles sont les contraintes du Système d'Information ?
Voyons une liste des principales contraintes d'organisation au sein d'une entreprise :
Six questions sont à se poser :
- Comment puis-je mettre en place mon nouveau besoin avec toutes les applications existantes ?
- Comment peut-on simplifier la vie des utilisateurs ? Les systèmes actuels sont souvent complexes et peu intuitifs.
- Le RGPD existe depuis deux ans, mais comment le mettre en place ?
- Ou trouver la bonne information dans tous les processus et les applications ?
- Comment puis-je simplifier le Système d'Information en évitant trop de maintenance et de complexité ? Est-ce que les nouveaux besoins métiers, vont-ils encore multiplier mes flux de données ?
- Comment réduire mes coûts de maintenance du Système d'Information et par la même occasion faciliter la mise en place de nouveaux besoins à moindre coût ?
C'est ce qui se passe souvent dans les entreprises avec ces six questions et ses impacts !
Qu'est-ce que le Master Data Management (MDM) ?
- Un MDM centralise toutes les Données de Référence en un point unique le GOLDEN RECORD !
- Un MDM propose des processus de standardisations, de normalisations, de consolidations, de nettoyage des doublons, de propagations et de traçage des données de référence pour une entreprise.
- Un MDM propose aussi des outils de reporting et de découverte de la donnée, de l'exposition de services de création, modification et consultation des données.
Quel est l'objectif du Master Data Management ?
Son objectif est de :
- Centraliser, standardiser, réconcilier publier une information qui correspond au Business de l'entreprise.
- Simplifier la prise de décision métier sur les nouveaux besoins et faciliter sa mise en place dans l'organisation, mais aussi simplifier la prise de décision côté équipe IT sur la rationalisation des échanges et l'homogénéïsation des données.
- Enrichir l'information grâce à un processus de certifications qui correspond aux besoins définis par le métier c'est-à-dire standardisation, normalisation, vérification des informations et publication du Point de Vérité.
Quel est l'apport d'un Master Data Management ?
Pour le métier :
- Premièrement, identifier les données de référence, cela permet de connaître où se trouve les informations dans l'ensemble des applications et de mieux connaître le métier de l'entreprise.
- Deuxièmement, améliorer la qualité de la donnée en la centralisant, la standardisant, la normalisant et en la publiant vers les applications, avec une certitude que celle-ci est bonne, pas de perte de temps à savoir si je me trouve dans la bonne application ou pas car la donnée est affichée est fiable ! Je gagne en certitude et en qualité de travail, je suis sûr des informations et peux faire ce que je dois faire sans
stress d'une erreur.
- Troisièmement, améliorer le processus de décision car maintenant je connais les informations et je sais créer des nouveaux besoins pertinents dans un laps de temps très court. Cela me permet d'être agile face à la concurrence et de la prendre de vitesse sur les futurs besoins des consommateurs !
Pour les équipes IT, aussi cela a une plus-value énorme :
- Premièrement, les échanges entre les applications sont simplifiés, plus de point à point, plus de désynchronisation des informations, moins de maintenance, plus de faciliter de mettre en place de nouveaux besoins en un minimum de temps.
- Deuxièmement, l'information est centralisé, plus besoin de rechercher dans les applications pour savoir si la donnée est bonne car elle l'est dans le MDM. Si problème dans une application, ce n'est pas grave il suffit de republier l'information et le problème est réglé !
- Enfin, les informations sont homogènes dans l'ensemble des applications ce qui réduit les coûts de maintenance drastiquement, cela permet de mettre les ressources sur des nouveaux projets.
Quels sont les types de Master Data Management (MDM) ?
Il existe :
- des Référentiels Structures
- des Référentiels Produits
- des Référentiels Tiers
- des Référentiels Contrats
- des Référentiels Ressources
Pour les Référentiels Structures
Vous pouvez gérer des structures organisationnelles, comptables ou analytiques.
Pour les Référentiels Produits
Vous pouvez gérer des produits fabriqués, vendus ou achetés aussi bien que de la vision technique ou commerciale.
Pour les Référentiels Tiers
Vous pouvez gérer des clients, des prospects et des portefeuilles aussi bien que des fournisseurs et des partenaires que des restaurants, magasins et boutiques.
Pour les Référentiels Ressources
Vous pouvez gérer des collaborateurs, des prestataires, des bénéficiaires aussi bien que des équipements, des sites, des salles ou des outils.
L'Intelligent Data Hub est le nouveau terme pour parler du Master Data Management.
Quel est l'écosystème d'un Intelligent Data Hub ?
Parlons de l'écosystème d'un Intelligent Data Hub.
En formant un « Hub de données », l´outil permet de contrôler le flux de données de référence, de l´enrichir, d´améliorer sa qualité et d´instaurer des moyens de gouvernance.
Le Hub permet de disposer d´une vision complète et coordonnée des données de référence au sein de l´organisation, de l´entreprise. Il offre les moyens de pouvoir diffuser et/ou d'orchestrer l´usage et l´actualisation de ses données.
L'ensemble des briques du SI (opérationnelles et décisionnelles) fourniront un service bien plus efficace !
>>> Un cas d'usage
Voyons comment cela se passe avec un cas d´usage.
Prenons le cas suivant, d´un système d´information lambda avec ses informations. Concentrons nous sur une personne … Cette personne, c´est moi !
Vous souhaitez me faire souscrire à un nouveau contrat !
Manque de bol, je suis présent dans plusieurs applications. Et, vous constatez en tant que Commercial que je suis renseigné de différentes manières dans vos applications.
Le prénom n´est pas écrit de la même manière, parfois ce n´est pas le bon prénom.
Les canaux de communication sont différents dans les applications.
Premièrement, vous perdez un temps fou à réconcilier les bonnes informations et après un constat, vous vous dites : Mince, mais qui détient la vérité !
Je pense que ce problème est connu dans toutes les équipes de l´entreprise !
Là, nous venons de voir le cas côté « Utilisateur ».
Mais en plus, le plus souvent les applications communiquent entre-elles sans savoir qui possède la donnée de référence. Parfois même, plusieurs applications font offices de Référentiel.
Là, nous sommes côté des équipes IT, c'est un vrai casse tête !
L' « Intelligent Data Hub » répond à ce besoin :
- En homogénéisant la donnée
- En la complétant la donnée
- En la normalisant et en la standardisant
- Et, surtout en la centralisant en un point de vérité unique appelé « Golden »
Reprenons notre cas « Stéphan Verdier » :
- Les données vont être injectée dans le Data Hub.
- Le Data Hub va traiter les données, faire de la mise en qualité grâce à des enrichissements, des règles de contrôles, de consolidations et de rapprochements.
- Afin de diffuser les informations du « Golden » dans les applications consommatrices.
Ceux sont des règles de gouvernance de la donnée !
Voilà à quoi sert un Data Hub : Propager des données à forte valeur ajoutée afin de pérenniser et d´augmenter la productivité de l´entreprise !
>>> Quels sont les types d'architecture à mettre en place autour du MDM ?
Il existe plusieurs types d´architectures :
- L´Architecture de consolidation qui sert à récupérer la donnée
- L´Architecture transactionnelle qui sert à restituer la donnée grâce à des services
- L´Architecture centralisée qui sert à restituer la donnée en fonction d´un workflow utilisateur
L´Architecture transactionnelle et centralisée est aussi appelée hybride car elles gèrent le cycle de vie de la donnée, ce qui n´est pas le cas de l´Architecture de consolidation.
Souvent, les Systèmes d´Information utilisent un mixte de l´Architecture transactionnelle et centralisée en fonction des applications qui sont liés au Data Hub.
Nous allons détailler leurs fonctionnements maintenant.
L´Architecture de consolidation :
Dans cette exemple nous avons un ERP, deux Back Office, deux Front Web, un CRM et un Data Hub.
Dans cette architecture, les données ne sont pas directement consommées par les applications.
Les informations transitent des applications vers le Data Hub grâce à des ETL, des batchs.
C'est un traitement asynchrone qui peut être déclenché plusieurs fois dans une journée.
En revanche, les données ne transitent pas du Data Hub vers les autres applications.
Ce qui laisse un déphasage des données entre application.
On utilise cette architecture en début de projet lors de la mise en place d´un Intelligent Data Hub.
Les inconvénients de cette architecture sont :
- La donnée n'est pas propagée aux applications
- Les applications ne sont donc pas au courant des dernières mises à jour
- Et de la mise à jour par Batch
Les avantages de cette architecture sont :
- La facilité de mise en oeuvre
- La donnée est centralisée, normalisée et standardisée
- Rapide à mettre en place et cela convient parfaitement à la mise en place des ERP et des CRM
Cette architecture est rapide à mettre en place car elle se concentre sur le paramétrage de l'Intelligent Data Hub.
L´Architecture transactionnelle :
Nous reprenons les mêmes applications dans cette exemple d´architecture transactionnelle.
Dans cette architecture, une plateforme d´échange de type ESB est nécessaire.
Les informations de référence des applications ne passent plus directement dans le Data Hub, c´est la plateforme qui offre des services et qui fait les échanges entre les applications et le Data Hub.
Cela évite des échanges en point à point entre les applications.
Le but de cette architecture est que l´ensemble des applications aient le même niveau d´information.
Une application envoie ses informations à la plateforme d´échange, le Data Hub traite la donnée et la plateforme d´échange diffuse la donnée à toutes les applications.
C´est une architecture orientée service.
Les inconvénients de cette architecture sont que cela nécessite une plateforme d'échanges, une supervision des données et forcément c'est plus coûteux à mettre en place.
Les avantages de cette architecture sont que là aussi la donnée est centralisée, normalisée et standardisée. Les données sont propagées aux applications. C'est une architecture qui convient à l'ensemble des logiciels et progiciels du marché et c'est une mise à jour en temps réel où en asynchrone court pour APIs.
L´Architecture centralisée :
Dans l´architecture centralisée, nous reprenons nos applications.
Dans cette architecture, en plus d´une plateforme d´échange, on ajoute des workflows utilisateurs de type plus BPM.
Les informations de référence des applications ne passent plus directement dans la plateforme, c´est le workflow qui gère les échanges en fonction du processus métier.
Le but de cette architecture est de normaliser les processus métier et de mettre à jour les informations en fonction du contexte.
Une application appel un Workflow, l´Intelligent Data-Hub traite la donnée, le workflow gère la diffusion aux applications.
C´est une architecture orientée utilisateur.
Pour les prochains épisodes, je vais aborder comment réussir un projet Master Data Management (Episode 3) et quelles sont les erreurs à éviter sur un projet MDM - Data Hub (Episode 4).
Merci d'avoir suivi ce deuxième épisode de Kezako.data MDM - Data Hub, n'oubliez pas de vous abonner à notre chaîne YouTube et pour toutes questions ou projets, contactez-moi par mail à : [email protected] ou en remplissant le formulaire.
Stéphan"