Qu’est-ce que le MDM (Master Data Management) ?

Les grandes entreprises comme les PME/PMI sont désormais confrontées à un problème de données dispersées et disparates.

Qu’entendons-nous par données disparates en MDM ?

Prenons l’exemple d’une entreprise ayant réalisé une ou des croissances externes. Comment réconcilier le référentiel de l’entité achetée avec le référentiel de l’entité désormais propriétaire ? En effet, ces deux référentiels ont été créés par des personnes distinctes, n’ayant pas la même philosophie. La saisie dans ces référentiels s’effectue par des opérateurs n’ayant pas les mêmes normes.

Imaginons des systèmes d’information (SI) de cliniques :
Le Médecin – être humain – référencé sous forme de champ « Docteur Philippe BARDOUL » dans le premier SI. Est-il le même que le « Dr P. BARDOUL » du second ? Plus simplement, est-il la même personne que le champ « Docteur BARDOUL PHILIPPE » du troisième SI ?
Évidemment, ce qui est vrai pour des noms de personne l'est aussi pour des produits : « COLA XXX 1,5L », est-ce la même chose que « XXX COKE PET 1,5L » ?

Et si deux SI possèdent des milliers de références, on se rend compte de la charge de travail manuel pour réconcilier tout cela… Charge interminable car, le temps qu’on réconcilie les deux référentiels, l’activité des deux entités aura nécessité la création de nouvelles valeurs.

Aussi, on comprend que la croissance externe n’est plus le seul investissement que doit réaliser la société acheteuse. La convergence des référentiels devient très vite indispensable. Seul un référentiel commun permet de consolider les statistiques de manière globale et donc d’offrir un levier de négociation pour les acheteurs, par exemple. Évidemment, le même problème se pose lors d’une fusion ou d’une fédération.

C'est pourquoi il faut au maximum automatiser cette réconciliation. C'est l’un des objectifs du MDM.

Next Decision vous fait profiter de son expertise dans le domaine du MDM  pour répondre aux besoins de votre entreprise.

Qu’entendons-nous par données dispersées en MDM ?

Le problème de rationalisation des données, ne touchant initialement que les grands groupes, se pose aujourd'hui aussi aux PME. Suite à la révolution du WEB 2.0, chaque PME se doit désormais de vendre, ou du moins de mette à disposition son catalogue sur Internet.
Et là, ERP ou pas, comment s’assurer que mon référentiel présent sur le web est toujours à l’image de mon référentiel interne ? Comment s’assurer de la cohérence de ma politique tarifaire entre les deux référentiels. Mais surtout, comment faire pour stocker des informations supplémentaires à celles présentes dans mon ERP ? En effet, la photo, la taille de l’objet, la couleur, etc. sont des informations indispensables à la présence sur le web mais pas forcément prévues dans le SI source. Voilà ce qu'on appelle "données dispersées" en MDM.

A quoi sert le MDM ?

A partir données dispersées et disparates dans l’entreprise, le MDM permet de bâtir, de la manière la plus automatisée possible, un référentiel maître (Master Data) unifié. Ce référentiel nourrit, par la suite, toutes les applications de l’entreprise. Grâce au MDM, toutes les applications et, par conséquent tous les utilisateurs, parlent la même langue !

Ce référentiel maître (Master Data) est alimenté via ce que nous appelons des "golden records". Le "golden record" est la version d’une donnée référentielle que l’on considère comme la vérité. Dans le système d’information, une même donnée, par exemple un client, peut exister dans autant de versions que de systèmes en hébergeant une copie.

Chaque version est, en général, une part de la vérité. Le golden record contient le maximum de véracité pour créer l'enregistrement véritable.

Par exemple, dans le système de réclamation, on peut s'attendre à ce que le mail soit correct ; dans le système d'inscription, il est possible que cette information soit peu pertinente mais que l'adresse du client le soit. Le MDM (Master Data Management) va fusionner le système de réclamation et le système d'inscription pour créer un golden record compilant les informations les plus pertinentes.

Next Decision, fort de son expertise dans le domaine du MDM, vous accompagne dans la mise en œuvre et le déploiement de solution Master Data Management puis le couplage du MDM avec le décisionnel.

Un Master Data Management pour qui ?

Le Master Data Management est une discipline qui s’adresse en premier lieu aux sociétés dont le système d’information s’est construit de manière itérative, par juxtaposition d’applicatifs de gestion.

Tout comme les systèmes décisionnels se construisent souvent par juxtaposition de DataMarts à l’initiative des business units — et parfois en contournant le contrôle de la DSI —, les systèmes d’information d’aujourd’hui sont souvent une constellation de progiciels et de développements spécifiques. Plus les données sont dupliquées — et les acteurs et outils nombreux —, plus les bénéfices du Master Data Management se répercuteront sur le SI.

Mais alors, je suis une petite structure ou une structure récente, mon système d’information ne contient que peu d’applications et est sous contrôle, le Master Data Management n’est pas pour moi. FAUX, le MASTER DATA MANAGEMENT est un investissement.

Les référentiels de données et leur gouvernance représentent un investissement sur le long terme. Si d'autres sociétés ont subi les effets d'évolution plus ou moins contrôlée de leur système d’information, vous n’êtes pas à l’abri d'y être confronté un jour ou l'autre. De plus d’autres perspectives beaucoup plus positives sur votre activité peuvent très rapidement générer des nouvelles problématiques de Master Data.

Par exemple dans le cas d’une croissance externe, votre système d’information et celui de la société achetée sont respectivement propres et sous contrôle. Mais une fois les deux systèmes fusionnés, qu'advient-il des outils qui font double emploi, des données qui ne respectent plus les mêmes règles ? Il devient alors difficile de disposer d'une vision d’ensemble, les processus métiers se grippent et les problématiques précédemment évoqués apparaissent à nouveau et mettent en évidence la nécessité… d'un MDM !

Le Master Data Management est donc aussi un investissement. Une brique du système d’information urbanisé qu’il est important de mettre en place rapidement, car elle sous-tend les processus opérationnels. Il sera aussi un guide pour vos développements ou acquisitions futures de logiciels, car il imposera à vos nouveaux outils le modèle de données conçu pour vos processus de gestion.

En ce sens le Master Data Management est une discipline qui s’adresse à tous.

Les principales solutions MDM du marché

Les solutions MASTER DATA MANAGEMENT du marché se découpent principalement en trois catégories :

  • MASTER DATA MANAGEMENT Générique : Master Data Management
  • MASTER DATA MANAGEMENT Client : Customer Information Management
  • MASTER DATA MANAGEMENT Produits : Product Information Management

Les outils de Product Information Management (PIM)

Les données "produit" étant souvent éparpillées dans le système d’information ,en fonction des services en charge de l’un ou l’autre produit, il est parfois complexe d’avoir une vision claire de son catalogue.

Des produits peuvent être référencés, d’autres déréférencés, ils peuvent évoluer (nouvelle version ou produit de substitution). Le management du cycle de vie du produit n’est pas un processus anodin et transparent dans le quotidien de l’entreprise.

A cela s’ajoutent la complexité de gestion de la supply chain (multiplicité des fournisseurs, des références) en amont et la multiplication des canaux de distribution (magasin, site e-commerce) et de communication (affiche, média, réseaux sociaux) en aval.

L’ensemble de ces contraintes fait de la donnée Produits une excellente candidate à l’application des concepts du Master Data Management, c’est pourquoi les éditeurs proposent des solutions de gestion de la donnée "Produits".

Ces progiciels sont des outils qui intègrent des fonctionnalités dédiées aux produits parmi lesquelles :

  • Consolidation des données "produits" en provenance de sources multiples
  • Nettoyage des données
  • Enrichissement, classement, traduction des données
  • Gestion du cycle de vie et des processus opérationnels
  • Contrôle et maintien de la qualité de la donnée dans le temps
  • Gestion des fournisseurs et des références croisées
  • Fonctionnalités de diffusion multicanal

Quelques exemples de solutions PIM (Product Information Management) :

  • Oracle (Product HUB EBS)
  • Stibo Systems
  • Riversand
  • IBM Infosphere
  • TIBCO Software
  • Informatica
  • Orchestra Networks
  • SAP (MDG M)
  • Agility MultiChannel
  • Etc.

Choisir un MDM en open source, en propriétaire ?

Open source VS propriétaire :

Il faut tout d’abord casser un à priori, Open Source ne signifie pas forcément gratuit. Cela signifie que le code source de l’application est consultable, modifiable et qu'ilpeut être enrichi. Les outils open source proposent souvent une version gratuite, mais ce sont des produits d’appel. Ils proposent une version dégradée en termes de fonctionnalités. Les fonctionnalités manquantes se débloquent via le paiement d’une licence.

Il faut donc comparer ce qui est comparable. En considérant un modèle payant, dans un cas le code source est disponible, dans l’autre il ne l’est pas.

Les avantages du modèle Open source sont :

  • Possibilité de personnaliser l’outil « à l’infini ».
  • Possibilité d’intégrer des fonctionnalités « gratuites » développées par la communauté.
  • Existence probable de plusieurs sociétés de prestation qui développent de l’expertise sur les outils.

Les inconvénients du modèle Open source sont :

  • Si la technologie est trop récente ou qu’il n’existe pas d’offre de prestation, il est alors nécessaire d’intégrer des compétences techniques pour personnaliser et maintenir la solution.

Comment intégrer un MASTER DATA MANAGEMENT ?

La création d'un référentiel et la mise en place des solutions pour le maintenir est une première étape de la gouvernance des données, mais l’une des principales caractéristiques des Master Data est leur aspect partagé. Ainsi une donnée mise sous contrôle dans un référentiel mais qui ne peut être partagée est une donnée propre, mais inutile.

Dans un projet MASTER DATA MANAGEMENT, la gestion de la diffusion de l’information se fait avec l’aide d’outils EAI/ESB. Ils permettent la modélisation et l’ordonnancement des flux de données entre le référentiel et les applicatifs de gestion. Ces EAI peuvent être partie intégrante de la solution ou nécessiter la mise en place d’un logiciel tiers.

Suivant les architectures ils gèrent les flux entre :

  • Les applicatifs de gestion et le référentiel (phase de consolidation)
  • Le référentiel et les applicatifs de gestion (phase de propagation initiale et/ou de mise à jour)

Les points de vigilance sur l’intégration d’une solution MDM

Comme évoqué précédemment, le Master Data Management n’est pas une solution logicielle, mais une démarche et un ensemble de méthodes et d’outils permettant de mettre sous contrôle les principaux référentiels de données de l’entreprise.

Lors du démarrage d’un projet Master Data Management, beaucoup de questions se posent. Tout d’abord, qu’appelle-t-on une donnée ? Quels sont les référentiels de données concernés ? Dans ces référentiels, quelle est la donnée maître et sur quelle brique applicative est-elle logée ? Qui est responsable de la donnée ? Comment la donnée est-elle définie ? Comment gérer le cycle de vie et la gouvernance de la donnée, etc.

Avant d’aborder les éléments techniques, la première problématique est tout d’abord métier. En effet, du point de vue métier, une même donnée peut être définie différemment selon les services de l’entreprise concernée. Par exemple, le client d’un point de vue marketing ou le client d’un point de vue production peuvent être définis de manières très différentes. De ce fait, les premiers points de vigilance sont :

  • D’identifier les référentiels et données concernées
  • De mandater un responsable de la donnée. Il sera notamment en charge d’assurer une définition commune à l’ensemble des services de l’entreprise et sa mise à jour.
  • D’identifier les niveaux de qualité de la donnée

Le points de vigilance suivants seront :

  • De voir grand pour définir la solution cible, mais de commencer « petit » afin d’avoir un "quick win", un résultat rapide sur un premier niveau de mise en œuvre.
  • De bien choisir la solution : avant de choisir les outils, il faut avoir écrit précisément la feuille de route et les spécifications fonctionnelles. En effet, la démarche MASTER DATA MANAGEMENT impose d’intégrer différentes technologies pour répondre à cette problématique. Suivant les besoins de mises sous contrôle et des objectifs à atteindre, les choix technologiques pourront être différents.
  • D’être vigilant sur la nature des référentiels à mettre sous contrôle. Les approches de Master Data Management peuvent certaines fois être orientées de manière spécialisée sur par exemple le Product Information Management (PIM ou la gestion des référentiels produits) ou le Customer Data Information (CDI ou Gestion de la donnée client).

Le dernier point de vigilance est relatif à la qualité de la donnée. Suivant les problématiques à gérer, la réponse sera apportée par des solutions et technologies plus orientées Data Quality Management (DQM).

La gestion de mon projet de Master Data Management

La gestion d'un projet MDM se décline en trois phases :

  • Une phase d’analyse permettant d’identifier et de décrire les données, de définir les méthodes et règles de gestion et de définir une organisation de gestion des références.
  • Une phase de conception consistant principalement à définir un modèle commun de gestion de données, à définir les formats d’échanges et les règles de gestion, puis à construire l’infrastructure d’échange.
  • Une phase d’implémentation de la solution consistant principalement à nettoyer les données sources, consolider les données, construire les référentiels et modifier les applications si nécessaire.

ANALYSE

Identification et description des données de référence

Définition des méthodes et règles de gouvernance

Mise en place d'une organisation de gestion des données de référence

CONCEPTION

Définition d'un modèle commun de données

Définition d'un format commun d'échange

Spécification des contrats d'échange

Constitution de l'infrastructure d'échange

Contribution de l'infrastructure d'échange

IMPLÉMENTATION

Nettoyage des données sources

Consolidation des données nettoyées

Constitution du référentiel

Modification des applications fournisseuses et consommatrices

Présentation des éditeurs MDM

Cette présentation est disponible sur la page suivante : Les éditeurs MDM