Qu'est-ce qu'un projet MDM ?

Tout d’abord, un projet de Master Data Management (MDM) vise à centraliser, harmoniser et gérer les données de référence d'une entreprise pour garantir leur qualité, leur fiabilité, leur cohérence et leur accessibilité.

Les données de référence incluent des informations essentielles comme les clients, les fournisseurs (ou plus globalement les tiers), les produits, les collaborateurs ainsi que les sites et les organisations.

Les objectifs principaux d’un MDM sont : 

  • Créer la vision unique de cette donnée de référence (qui est constituée d’une part de vérité de chacune des versions de cette donnée dans les différentes applications). Cela peut être illustré par le schéma suivant :

On y voit que les différentes versions (3) du collaborateur Jacques Martin permettent de constituer, via des règles de survie, un enregistrement unique (appelé Golden Record, en bas du schéma) plus complet et exhaustif que les 3 versions qui existent dans les systèmes sources. Les règles de survie (qui déterminent quelle valeur retenir pour la vision unique parmi les 3 dans notre exemple) peuvent être de différentes natures : la valeur qui a le plus d'occurrence (ex pour le prénom), la valeur renseignée (ex pour le mail), la valeur qui est conforme à un référentiel (ex pour l’adresse)...

  • Partager cette vision unique au sein de l’entreprise : à la fois au sein du Système d’Information (comme par exemple les ERP et les CRM), mais aussi aux utilisateurs. Ainsi, la majorité des éditeurs d’outils MDM ont une tarification liée à la donnée gérée et non pas au nombre d’utilisateurs. Autrement dit, l’accès par un grand nombre d’utilisateurs à la donnée de référence est “gratuit”.

Détaillons maintenant un peu plus les principales étapes d'un projet MDM.

Compréhension des besoins métiers

Analyser comment les différentes équipes utilisent les données de référence et identifier les cas d'utilisation prioritaires.

Ces besoins concernent la restitution de la donnée mais aussi et surtout la gestion de la donnée. Pour cette dernière, deux architectures principales sont mises en place :

  • L’architecture dite centralisée : la création, l’enrichissement (par des bases de références ou des services externes type API SIRENE) et la mise à jour de la donnée démarrent par le MDM et se diffusent ensuite dans le SI. Les applications consommatrices ne peuvent pas modifier la donnée reçue. Dans ce cas, les cas d’usage à définir sont les workflows (de création, de modification, de validation, d’archivage/suppression) et les tableaux de bord de suivi d’avancement et de qualité de la donnée.
  • L’architecture dite consolidée : la création et la mise à jour de la donnée restent dans les applications du Système d’Information, le MDM va alors récupérer l’ensemble des informations et les dédoublonner pour créer la version unique de la donnée. Cela suppose de mettre en place des règles d’identification de doublons mais aussi des règles de survie.

Exemple : j’ai 2 dénominations sociales pour le même client entreprise, je définis une règle pour indiquer que je prends la plus récente ou celle qui contient le plus de caractères ou, dans ce cas précis, j’utilise une API pour aller vérifier la bonne information.

Définition de la gouvernance des données

Établir les rôles, responsabilités, politiques et processus pour gérer les données de l'organisation. Cela est notamment précisé dans notre article sur la data gouvernance.

  1. Implémentation technique : Mettre en place les outils et les solutions nécessaires pour centraliser et harmoniser les données.

Cela va consister à mettre en place un outil MDM mais aussi un outil permettant de transporter les données vers les autres applications : outil de type ETL ou ESB.

L’échange des données (Data Integration) peut également se baser sur les API, standard des outils MDM.

  1. Suivi et audit : Assurer un suivi constant et des audits réguliers pour garantir le respect des règles de gouvernance.

Un projet MDM est essentiel pour améliorer l'efficacité opérationnelle (gestion et qualité des données de référence), la prise de décision et la conformité réglementaire d'une entreprise.

Pourquoi gérer un projet MDM en méthodologie agile ?

Gérer un projet MDM en méthodologie agile offre plusieurs avantages qui peuvent grandement améliorer son efficacité et son succès. Voici quelques raisons pour lesquelles l'approche agile est bénéfique. 

Flexibilité et adaptabilité

L'approche agile permet de s'adapter rapidement aux changements de besoins et de priorités. Cela est essentiel dans un projet MDM où les exigences peuvent évoluer en fonction des découvertes de données et des retours des métiers.

Exemple : suivant la qualité des données, le dédoublonnage sur une clé (type SIRET) pour une entreprise ne donne pas forcément 100% de résultat si ce champ n’est pas correctement renseigné. Dans ce cas, une seconde règle de dédoublonnage (basée par exemple sur l’adresse et la raison sociale) peut donner des résultats complémentaires, notamment en utilisant la logique floue type algorithme de Levenshtein.

Livraisons fréquentes

Les sprints agiles favorisent des livraisons incrémentales et fréquentes. Cela signifie que les métiers voient régulièrement des progrès concrets et peuvent donner des feedbacks en continu, assurant ainsi que le projet reste sur la bonne voie.

Cela est notamment nécessaire pour pouvoir affiner :

  • les écrans de restitution ainsi que l’agencement des données présentées sur les écrans
  • les workflows
  • les règles de dédoublonnage ou de survie qui sont adaptées ou complétées en fonction de la qualité de donnée

Collaboration accrue

L'agilité encourage une collaboration étroite entre les équipes, les développeurs et les utilisateurs finaux. Cette interaction régulière permet de mieux comprendre les besoins des utilisateurs et d'ajuster les priorités en conséquence.

La conduite du changement ainsi que l’adoption par le métier d’un nouvel outil comme le MDM sont importants. Dans le cas d’une architecture centralisée, cela deviendra le nouvel outil pour gérer la donnée. Dans le cas d’une architecture consolidée, cela deviendra l’outil principal pour les data stewards, pour traiter les doublons qui n’ont pu être traités de manière automatique.

Détection précoce des problèmes

En travaillant par itérations, les problèmes sont identifiés et résolus plus tôt dans le cycle de vie du projet. Cela évite les mauvaises surprises en fin de projet et permet de corriger rapidement les erreurs.

Cela est majoritairement le cas sur la qualité de données dans le cadre d’un projet MDM : les outils du marché sont des outils matures et qui nécessitent principalement du paramétrage plus que du développement. En revanche, les données, élément essentiel de ce type de projet, peuvent engendrer des travaux plus ou moins complexes à traiter.

Amélioration continue

L'agilité intègre une culture de l'amélioration continue avec des rétrospectives régulières. Cela permet de constamment optimiser les processus et de s'assurer que l'équipe apprend de chaque sprint pour s'améliorer.

Orientation résultats

Avec des objectifs clairs pour chaque sprint, les équipes restent concentrées sur la livraison de résultats concrets et de valeur ajoutée.

De nouveau, le fait de mettre rapidement l’outil “dans les mains” des métiers permet de faciliter l’adoption et de se focaliser sur les fonctionnalités qui apportent le plus de valeur ajoutée au quotidien dans la gestion des données.

En résumé, nous conseillons d'adopter une méthodologie Agile afin de rendre votre projet de Master Data Management plus concret, adaptable, performant et complet. Cette méthode permet également d'accompagner le changement dans les habitudes des utilisateurs et de couvrir plus facilement un périmètre de données de référence.

Prochainement, nous vous partagerons un REX (retour d'expérience) suite à la mise en place d'un MDM en mode Agile chez un de nos clients.

Nos consultants Next Decision sont des experts pour vous accompagner dans vos projets de gouvernance de la donnée et l'aide aux choix d'outils ! Contactez-nous !