master data management : quels outils ? quelles bonnes pratiques ?
TRANSCRIPT
1
©2014 Talend Inc.
Réussir son projet MDM :
quels outils ?
quelles bonnes pratiques ? Jean-Michel Franco
2
Le Master Data Management est la
fondation de vos processus centrés données
Connaître son client
Exposer et élargir l’offre produit
Valoriser tout l’écosystème
3
3
DEFINITION
Le Master data management (MDM) est le processus consistant à créer un point unique de référence pour les données d’entreprise très largement partagées, comme les clients, produits, fournisseurs, employés, sites, organisations, etc.
Le Master Data Management permet aux organisations de créer une vue unique sur les données de référence. Puis il réconcilie l’ensemble des sources de données autour de cette vue partagée, et assure le respect des règles et procédures pour accéder et mettre à jour les master data, gérer la qualité de données et orchestrer la résolution des problèmes.
Cette fonction de “data stewardship” permet aux métiers d’être responsabilisés sur les données dont ils ont besoin pour mener à bien leurs processus opérationnels ou prendre des décisions éclairées. Une fois la vue partagée constituée, les données sont actionnables et peuvent être facilement partagées et exploitées, y compris en temps réel.
Le MDM est une initiative stratégique pour les organisations orientées dont l’enjeu est de mettre l’information au service du client, de l’efficacité des actions commerciales et marketing, ou de l’optimisation de la supply chain.
4
De l’intégration de données ...à la Gouvernance de l’Information
Un modèle centralisé piloté par l’IT… …un modèle plus fédéral, à responsabilités partagées
IT
Matu
rité dan
s la gestion
de l’in
form
ation
De l’intégration de données… …vers la gouvernance de
l’Information
5
Principaux cas d’usage du MDM
Fusions, acquisitions, re-structurations
010101011010101010101
010101101010101010101
010101010101010101010
101101010101010101010
101011010101010101010
101101010101010101101
010101010101010101101
0 1 0 1 0 1 0 1 0 1
360° Views
Managed Data Accuracy
Collaborative Data
Governance
Information Accessibility
Information Accountability
Plate- forme MDM
Gouvernance, Risques, Conformité
et gestion des fraudes
Juste-à-temps et optimisation de la
supply chain
Personnalisation et gestion de l’expérience
client
Optimisation des processus client
Time to market
6
MDM : Pourquoi changer ? Pourquoi maintenant ? Et Comment ?
Source : Gartner 2014 survey Enterprise Information and MDM
Le MDM est un sujet d’actualité
• Parmi les 3 priorités IT de 50% des DSI
Résoudre les problèmes liés à la qualité des données est devenu urgent
• Note de la situation actuelle : 3,6 sur 7 ; capacité jugée moyenne pour 79% des participants et faible pour 21%
Beaucoup d’entreprises ont engagé des initiatives, mais ce sont les premiers pas
• 61% sont toujours en phase de planning ou prototypes
Seulement 49% s’appuient sur des business cases clairement définis
• Et 31% sur la base d’une analyse de ROI
7
Principaux challenges pendant la phase de planification d’une initiative MDM
Absence d’un
Business Case solide
Manque de préparation
Trajectoire
non ou mal définie
Manque d’alignement
entre les
parties-prenantes
Besoins
mal définis Prérequis non
établis
Many MDM initiatives
get stuck in their
planning phase
8
Gouvernance de données ; par où commencer ?
Définir les besoins et la roadmap
Mettre en place l’organisation de stewardship
Mettre en place la plate-forme
Engager les programmes MDM
9
Quelques idées reçues sur le MDM
Idées reçues Facteurs clés de succès
Très grand projet IT d’entreprise (Penser grand, Démarrer grand)
Approche évolutive avec forte implication des directions fonctionnelles
MDM & intégration des données en tant que discipline disjointes
(Démarrer petit, Rester petit)
La capacité d’intégrer les informations pour répondre aux besoins du moment
et s’adapter aux besoins futurs
Une application autonome (Approche en silo)
Une plate forme temps-réel pour rendre opérationnelle les master data
Les Master Data s’alimentent uniquement des systèmes traditionnels
comme le CRM ou les ERP (Caduque par Design)
Il y aura toujours de nouvelles sources de données à intégrer pour améliorer la vue 360° - internet des objets, mobile,
clickstreams….
10
01010101101010101010
10101011010101010101
01010101010101010101
01010110101010101010
10101010110101010101
01010101101010101010
10110101010101010101
01011010101010101
Les enjeux opérationnels du projet MDM
Agilité de modélisation
Pertinence de l’information
Steward- ship des données
Intégration des données
Actionnabilité des données
• Vues unifiées
• Règles de gestion et
contrôle
• Accès par rôle et traçabilité
• Création de Master
Data Services
• Connections temps
réels aux systèmes
et applications
• Profiling de nouvelles data
sources
• Standardisation & matching
• Analyse et monitoring de la
qualité
• Interfaces d’accès et de
mise à jour
• Résolution des conflits et
arbitrage
• Workflows et BPM
• Intégration et références
croisées sur les données
• Enrichissement avec
données externes
MDM
11
Modéliser vos données
Facteurs clés de succès
• Créer le modèle de données
• Définir les règles de gestion
• Définir les contrôles de validité
• Définir les rôles, et la sécurité
Mo
dé
lise
r
Gére
r la
qualité
de d
onnées
Org
anis
er
le
data
ste
ward
ship
Inté
gre
r et
pro
pager
les
données
Rendre
opéra
tionnelles
les
mast
er
data
12
Déployer le projet MDM : définir les styles
d’implémentation
MDM
ERP CRM
COTS
DWH
Consolidation
MDM
ERP
SFA
CRM
DWH
Centralisé
MDM
CRM
E-Commerc
e
Marketing
DWH
Co-existence
MDM
ERP
SFA
CRM
DWH
Registre - Peu intrusif - Modèle peu fréquemment rencontré
- Peu Intrusif - Le point de départ de beaucoup de projets MDM - Importance des fonctions d’intégration et de qualité des données
- Relativement intrusif mais peu structurant - Importance des fonctions d’intégration temps réel et de déduplication des données
- Relativement intrusif et assez structurant - Importance des fonctions de workflow et d’’intégration temps réel
13
Bonnes pratiques de modélisation
Fonctionnelles :
Engager fortement les métiers dans le design Atteindre un consensus au plus tôt sur la définition du “golden record” Commencer par le cœur du master record en recherchant la simplicité, puis élargir Privilégier la lisibilité pour les utilisateurs finaux, et documenter le glossaire d’entreprise Créer des clés internes Gérer avec soin les phases de design et de validation, car changer le modèle de données à posteriori sera plus complexe Utiliser les rôles et les vues pour l’accessibilité des données et la sécurité
Valeur :
➜ Etablir des fondations pérennes pour le modèle MDM
➜ Créer les bases de l’alignement IT/métier (Stewardship et intégration)
Techniques :
Créer une clé interne pérenne pour les Master Data Définir les standards de modélisation et les respecter Utiliser un outil de modélisation Etablir des règles de nommage Réutiliser les définitions, règles et modèles Anticiper les impacts de performance sur les contrôles, enrichissement et règles de propagation
14
Maîtriser la Qualité des Données
Facteurs clés de succès
• Data Profiling
• Collecter les données
• Définir les règles de parsing, validation
• Standardiser les données
• Définir et affiner les règles de dé-doublonnage
• Matching intégré
Gé
rer
la q
ual
ité
d
e d
on
né
es
Org
anis
er le
d
ata
stew
ard
ship
Inté
grer
et
pro
pag
er
les
do
nn
ées
Ren
dre
op
érat
ion
nel
les
les
mas
ter
dat
a
Mo
dél
iser
15
Secteur Public - Prendre soin de la plus précieuse
ressource d’une collectivité : l’enfant
Les Enjeux :
Une source d’information unique pour délivrer des services de qualité auprès des + de 2100.00 enfants de la collectivité et de leur famille
Pourquoi MDM, pourquoi Talend ?
• Le MDM permet de recouper l’information sur chaque enfant au travers des différents champs d’action de la collectivité (enseignement, social, sécurité…) et organise la gouvernance des données.
• Puissance des fonctions d’intégration, de qualité et de consolidation des données
Bénéfices :
Des services nettement plus efficaces, notamment en matière de protection de l’enfance
16
Bonnes pratiques pour la qualité des données
Fonctionnel : Connaitre vos données avant la phase de design : contenu, disponibilité volume, typologie, fiabilité, données de référence associées ; Comprendre la supply chain informationnelle : qui crée, importe, met à jour, utilise (et quand/pourquoi…) Etablir une forte collaboration avec les data stewards afin d’améliorer les algorithmes de matching au fil de l’eau ; Définir les indicateurs de performance business et projet à suivre, afin d’être alerté en cas de problème et de mesurer les progrès.
Bénéfices :
➜ Mettre en évidence les problèmes de qualité de données et s’organiser pour les résoudre
➜ Etablir des métriques pour mesurer les progrès et attester des ROI du projet MDM
Technique : Utiliser un outil de data profiling ; Intégrer les règles de qualité dans les processus d’intégration de données afin de pouvoir remonter les contrôles à la source ; Comprendre les contraintes et objectifs qui sous-tendent les règles de déduplication, y compris liés à la performance, impact des faux positifs/négatifs, le coûts liés aux déduplication manuelles…; Anticiper le besoin d’ajustement continu.
17
Synchroniser avec les systèmes existants,
en batch ou en temps réel
Facteurs clés de succès
• Batch et temps réel, chargement total ou incrémental, propagation : définit les bonnes politiques d’intégration
• Intégrer les applications : internes (ERP, CRM, RH, applications spécifiques…), cloud, externes
• Intégration Big Data
Inté
gre
r et
pro
pager
le
s données
Gére
r la
qualité
de d
onnées
Org
anis
er
le
data
ste
ward
ship
Rendre
opéra
tionnelles
les
mast
er
data
Modélise
r
18
Assurance santé: Fluidifier les processus liés à la gestion de la relation adhérent
Les enjeux :
• Des systèmes peu intégrés et des processus de
gestion non automatisés
• Une augmentation considérable de nouveaux
clients à considérer
Pourquoi Talend ?
• Rapidité de mise en œuvre de l’intégration et de la mise en qualité des données
• Capacité à intégrer les standards d’échanges de données (HIPAA)
• Richesse des fonctions BPM et d’intégration d’application
Bénéfices :
Augmenter de 250% le nombre d’adhésion en un an à ressources égales
Meilleur service client, réduction des coûts de traitements et respect des réglementations
19
Bonnes pratiques pour l’intégration de données
Fonctionnel :
Définir l’architecture d’intégration et les critères de décision pour choisir les styles d’implémentation et les scénarios d’intégration de chaque sources/cibles ;
Concevoir la couche d’intégration comme une structure vivante qui devra évoluer de manière régulière, avec un cycle de vie en propre (nouveaux systèmes à intégrer, montées de version…) ;
Utiliser des mécanismes comme le publier s’abonner ou les services Master Data services pour limiter les dépendances inter systèmes et avoir un séparation des rôles clairement définie.
Valeur :
➜ Un service partagé qui permet d’échanger des données certifiées au travers de procédures clairement définies et maitrisées ;
➜ Gérer les changement dans vos initiatives MDM et tirer facilement parties de nouvelles sources de données.
Technique :
Investir sur la productivité et les outils de change management, car la maintenance évolutive représentera une forte partie du TCO ;
Anticiper l’arrivée du Big Data ;
Définir les procédures de déploiement inter environnements.
Integration Services
Data StagingMetaDataRepository
Web Layer
Hybris
TCP/IP - Kereberos
Legend
Customer Data Management – Static Architecture
Integration Services
BatchAdaptors
Real-timeAdaptors
Real time data
services
File based
MasterRepository
@ComRes
ACDS
Pega
Tracs
VisionData Quality Services
Talend Integration Platform
Parsing& enrichment
(Experian)
MatchingServices Batch data
services
Data Layer
Master Data Governance
TalendAdministration
Data QualityDashboard
MigrationAdaptors
Standardisation Services
Inte
grat
ion
Lay
erActive
Directory
SOAP over JMS
GetCustomerDetailsCore
GeCustomerinteractions
CreateCustomer
UpdateCustomer
PublishCustomer
GetCustomerEngagements
GetCustomerProfile
SearchCustomer
MatchCustomer
PublishCustomerMerge
Inte
grat
ion
Lay
er
MatchCustomerBulk
SOAP over Http
Talend ESB
20
Engager les directions fonctionnelles
Facteurs clés de succès
• Organiser les tâches de data stewardship par rôle
• Gérer les tâches quotidiennes de maintenance des données de référence
• Accéder et éditer les master data
• Définir les workflows pour les éditions collaboratives
Points à considérer
• Créer le modèle de données
• Définir les règles de gestion
• Définir les contrôles de validité
• Définir les rôles , et la sécurité
Gér
er la
qu
alit
é d
e d
on
née
s
Org
anis
er le
d
ata
stew
ard
ship
Inté
grer
et
pro
pag
er
les
do
nn
ées
Ren
dre
op
érat
ion
nel
les
les
mas
ter
dat
a
Mo
dél
iser
Gér
er la
qu
alit
é d
e d
on
née
s
Org
anis
er
le
dat
a st
ewar
dsh
ip
Inté
grer
et
pro
pag
er
les
do
nn
ées
Ren
dre
op
érat
ion
nel
les
les
mas
ter
dat
a
Mo
dél
iser
21
Media : Diffuser le contenu et augmenter le CA par client (ARPU)
L’enjeu : Un catalogue produit de plus en plus riche, une cible de plus en plus diversifiée, des canaux de diffusion multiples
Pourquoi Talend ?
• Flexibilité et rapidité de mise en œuvre • Une plate-forme d’intégration unifiée pour les
personnes, les applications et les processus (BPM, ESB, data quality et data stewardship)
Les bénéfices :
Augmenter l’ARPU (Average Revenue Per User) par la richesse et la pertinence des données produits
Réduction des coûts liés à l’ajout des nouveaux produit au catalogue
22
Les bonnes pratiques de Data Stewardship
Fonctionnel :
Définir et documenter les politiques de data gouvernance (y compris les rôles, droits d’accès, workflows) ;
S’assurer que les métiers sont engagés et responsabilisés ;
Définir clairement les rôles & taches pour les data stewards et définir leur environnement de travail et les workflows en conséquence ;
Engager les data stewards au plus tôt dans le projet, bien avant les phase de formation et de déploiement.
Valeur :
➜ Engager les métiers dans la réussite opérationnelle de l’initiative ;
➜ S’organiser pour le déploiement MDM et l’amélioration continue.
Technique :
Intégrer les tâches manuelles de data stewardship dans le processus global plutôt que comme une activité isolée ;
Mettre en place le bon environnement pour chaque rôle (concepteur, data stewards, auteur, contributeur, consommateur).
23
BPM ou pas BPM ?
Fonctionnel : ➜ Bien identifier les acteurs ; ➜ Nommer les champions par rôles et les engager dans
le projet pour définir les processus et les activités ; ➜ Utiliser des méthodologies agiles pour définir les
workflows et interfaces ; ➜ Utiliser le Business Activity Management pour gérer
les exceptions et améliorer le processus.
Quand utiliser le BPM dans un projet MDM ?
Le MDM est maître, pas seulement arbitre, sur les mises à jour des données ; Il y a un fort lien entre le MDM et les processus métier (ex : référencer un produit, accueillir un nouvel employé…) ; Les utilisateurs ont besoin d’être guidés dans les processus de mise à jour des données.
Technique :
S’assurer que le MDM ne devient pas une application packagée : séparer données et processus dans le design ;
Rester simple et anticiper des changements fréquents ;
Ne pas mésestimer les temps de mise en œuvre de l’interface homme machine.
Valeur : • Reconfigurer un processus existant avec une
approche centrée sur les données.
24
Cas d’usage : créer une vue unique des employés dans une organisation distribuée
Challenge :
• Plus de 190 000 employés répartis dans 100 pays et 400 filiales ;
• Pas de vue partagée et à jour des employés dans une organisation décentralisée.
Valeur :
• Vue partagée des employés au niveau groupe et capacité de les joindre rapidement, par exemple pour les communication de crise.
Pourquoi Talend ?
• Sécurité, traçabilité et audit des données ; • Intégration dans un environnement hétérogène,
y compris les annuaires ; • Processus pilotés par workflows (exemple :
mutation).
25
Des données de référence actionnables
Facteurs clés de succès
• Intégrer le services Master Data Services real time dans les processus
• Amener le contexte dans les applications d’entreprise ainsi que dans les applications Big Data, web et mobiles
Rendre
opéra
tionnelles
les
mast
er
data
Gére
r la
qualité
de d
onnées
Org
anis
er
le
data
ste
ward
ship
Inté
gre
r et
pro
pager
les
données
Modélise
r
26
Bonnes pratiques pour rendre les master data actionnables
Fonctionnel
Identifier les points d’intégration pour les services MDM, et prioriser leur déploiement ;
Définir les métriques pour mesure les retours sur investissements, par ex. les taux de transformation, les taux de clicks… ;
Comprendre les contraintes de performance et de disponibilité des échanges temps réel ;
Définir un nombre limité de services réutilisables et bien documentés ;
Connecter les master data aux applications Big Data pour connecter les Big data aux données d’entreprise.
Valeur:
➜ Les vues 360° sont rendues disponibles au bon endroit, au bon moment pour déclencher les actions et décisions.
Technique
Intégrer étroitement le MDM dans le paysage IT ;
Definir les Service Level Agreements pour les services MDM et les suivre régulièrement ;
Créer les scénarios de tests pour industrialiser et automatiser les tests.
MDM
Applications de gestion
Applications Mobiles
Big Data
Applications Web
27
Voyage et Transport : La bonne offre, le bon
service, au bon moment, au bon endroit
Les enjeux :
• Fidéliser le client et se différencier des nouveaux perturbateurs on-line ;
• Consolider et restituer une information client cohérente au travers des canaux (on-line, boutique, centre d’appels).
Pourquoi Talend ?
• Rapidité de constitution d’une base client unifiée pour les 15 millions de clients ;
• Capacité d’intégration temps réel pour une expérience client multicanal.
Bénéfices :
Des clients connus et reconnus pour un service client à valeur ajoutée ;
Des taux de transformation des offres boostés grâce à un meilleur ciblage.
28
Les tendances MDM
Dix priorités pour les applications MDM de nouvelles générations
1. MDM Multi-domaine
2. Multi département, multi application
3. MDM bidirectionnel
4. MDM temps réel
5. Consolider de multiples Solutions MDM
6. Coordonner avec les autres disciplines EIM
7. Modélisation avancée
8. Au-delà des données d’entreprise
9. Workflow et Process Management
10. Solutions MDM intégrées aux outils et plate-formes
Source : TDWI next generation MDM
Les challenges pour moderniser le MDM
1. Relations complexes
2. Mobile
3. Social
4. Big Data
5. Dépendances temporelles
6. Cloud
7. MDM actionnable
8. Temps réel
9. Mise à l’échelle
10. Gouvernance proactive et intégrée
Source : The MDM Institute