Kézako MDM, épisode 2 : l'architecture autour du Master Data Management

En résumé : autour d'un Master Data Management, trois architectures sont possibles : de consolidation (les données remontent vers le Data Hub par batch, sans redescendre vers les applications), transactionnelle (une plateforme d'échange de type ESB diffuse la donnée certifiée à toutes les applications) et centralisée (des workflows utilisateurs pilotent les échanges selon le processus métier). Dans ce deuxième épisode de la série Kézako MDM, Stéphan Verdier, Directeur du Pôle Data Management de Kwanzeo, les compare à partir d'un cas d'usage.

Transcription de la vidéo

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 approfondir nos connaissances. Nous aborderons ensuite les points suivants :

• un cas d'usage ;
• les types d'architecture à mettre en place autour du MDM ;
• l'architecture de consolidation ;
• l'architecture transactionnelle ;
• l'architecture centralisée.

Le Master Data Management

Quelles sont les contraintes du système d'information ?

Voyons les principales contraintes d'organisation au sein d'une entreprise. Six questions sont à se poser :

• Comment mettre en place mon nouveau besoin avec toutes les applications existantes ?
• Comment simplifier la vie des utilisateurs ? Les systèmes actuels sont souvent complexes et peu intuitifs.
• Comment mettre en place le RGPD ?
• Où trouver la bonne information dans tous les processus et les applications ?
• Comment simplifier le système d'information en évitant trop de maintenance et de complexité ? 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 leurs 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 standardisation, de normalisation, de consolidation, de nettoyage des doublons, de propagation et de traçage des données de référence pour une entreprise.
• Un MDM propose aussi des outils de reporting et de découverte de la donnée, ainsi que l'exposition de services de création, de modification et de consultation des données.

Quel est l'objectif du Master Data Management ?

• Centraliser, standardiser, réconcilier et publier une information qui correspond au business de l'entreprise.
• Simplifier la prise de décision métier sur les nouveaux besoins et faciliter leur mise en place dans l'organisation, mais aussi simplifier la prise de décision côté IT sur la rationalisation des échanges et l'homogénéisation des données.
• Enrichir l'information grâce à un processus de certification qui correspond aux besoins définis par le métier : 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 savoir où se trouvent 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, en la standardisant, en la normalisant et en la publiant vers les applications, avec la certitude qu'elle est bonne. Pas de perte de temps à se demander si l'on se trouve dans la bonne application : la donnée affichée est fiable. Je gagne en certitude et en qualité de travail, je suis sûr des informations et je peux faire ce que je dois faire sans craindre l'erreur.
• Troisièmement, améliorer le processus de décision : je connais les informations et je sais créer de 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, la plus-value est aussi très importante :

• Premièrement, les échanges entre les applications sont simplifiés : plus de point à point, plus de désynchronisation des informations, moins de maintenance, et de nouveaux besoins plus faciles à mettre en place en un minimum de temps.
• Deuxièmement, l'information est centralisée : plus besoin de chercher dans les applications pour savoir si la donnée est bonne, car elle l'est dans le MDM. En cas de problème dans une application, il suffit de republier l'information.
• Enfin, les informations sont homogènes dans l'ensemble des applications, ce qui réduit fortement les coûts de maintenance et permet d'affecter les ressources à de nouveaux projets.

Quels sont les types de Master Data Management ?

Il existe des référentiels structures, produits, tiers, contrats et ressources :

• Référentiels structures : vous pouvez gérer des structures organisationnelles, comptables ou analytiques.
• Référentiels produits : vous pouvez gérer des produits fabriqués, vendus ou achetés, dans leur vision technique comme commerciale.
• Référentiels tiers : vous pouvez gérer des clients, des prospects et des portefeuilles, aussi bien que des fournisseurs, des partenaires, des restaurants, des magasins et des boutiques.
• 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 ?

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. Il offre les moyens de diffuser et d'orchestrer l'usage et l'actualisation de ces données. L'ensemble des briques du système d'information, opérationnelles et décisionnelles, fournissent alors un service bien plus efficace.

Un cas d'usage

Prenons un système d'information quelconque et concentrons-nous sur une personne. Cette personne, c'est moi. Vous souhaitez me faire souscrire un nouveau contrat. Manque de chance, je suis présent dans plusieurs applications, et vous constatez, en tant que commercial, que je suis renseigné de différentes manières :

• le prénom n'est pas écrit de la même manière, parfois ce n'est pas le bon prénom ;
• les canaux de communication diffèrent d'une application à l'autre.

Vous perdez un temps fou à réconcilier les bonnes informations, et vous finissez par vous demander : qui détient la vérité ? Ce problème est connu dans toutes les équipes de l'entreprise. Voilà pour le côté utilisateur.

Côté IT, le plus souvent, les applications communiquent entre elles sans savoir qui possède la donnée de référence. Parfois même, plusieurs applications font office de référentiel. C'est un vrai casse-tête.

L'Intelligent Data Hub répond à ce besoin :

• en homogénéisant la donnée ;
• en la complétant ;
• 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 sont injectées dans le Data Hub ;
• le Data Hub traite les données et les met en qualité grâce à des enrichissements, des règles de contrôle, de consolidation et de rapprochement ;
• les informations du Golden sont ensuite diffusées dans les applications consommatrices.

Ce 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 types d'architecture mettre en place autour du MDM ?

Il existe plusieurs types d'architecture :

• 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.

Les architectures transactionnelle et centralisée sont aussi appelées hybrides, 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 combinent architecture transactionnelle et architecture centralisée, en fonction des applications reliées au Data Hub.

L'architecture de consolidation

Prenons un exemple avec un ERP, deux back-offices, 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, par batch. 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 applications. On utilise cette architecture en début de projet, lors de la mise en place d'un Intelligent Data Hub.

Inconvénients :

• la donnée n'est pas propagée aux applications ;
• les applications ne sont donc pas au courant des dernières mises à jour ;
• la mise à jour se fait par batch.

Avantages :

• la facilité de mise en œuvre ;
• la donnée est centralisée, normalisée et standardisée ;
• elle est rapide à mettre en place, car elle se concentre sur le paramétrage de l'Intelligent Data Hub, et convient parfaitement à la mise en place des ERP et des CRM.

L'architecture transactionnelle

Reprenons les mêmes applications. 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 réalise les échanges entre les applications et le Data Hub. Cela évite les échanges en point à point entre les applications.

Le but est que toutes les 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 la diffuse à toutes les applications. C'est une architecture orientée service.

Inconvénients : elle nécessite une plateforme d'échange et une supervision des données ; elle est donc plus coûteuse à mettre en place.

Avantages : la donnée est centralisée, normalisée et standardisée, et elle est propagée aux applications. Cette architecture convient à l'ensemble des logiciels et progiciels du marché, avec une mise à jour en temps réel ou en asynchrone court pour les API.

L'architecture centralisée

Dans l'architecture centralisée, on ajoute à la plateforme d'échange des workflows utilisateurs, de type BPM. Les informations de référence des applications ne passent plus directement par 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 appelle un workflow, l'Intelligent Data Hub traite la donnée et le workflow gère la diffusion aux applications. C'est une architecture orientée utilisateur.

Dans les prochains épisodes : comment réussir un projet Master Data Management (épisode 3) et les erreurs à éviter sur un projet MDM (épisode 4).

Pour aller plus loin

• Qu'est-ce que le Master Data Management ? Le guide
• Glossaire data
• Notre offre Master Data Management
• Toutes les vidéos Kézako