De la gouvernance des données de référence du système d’information des entreprises
Michel Bruley
Les données de référence sont fondamentales pour les systèmes d’information des entreprises, elles doivent être uniformisées et partagées par toutes les applications et tous les acteurs. Mais force est de constater que la plupart du temps les données sont hétérogènes, dispersées dans les applications et que les différents acteurs privilégient leurs façons d’appeler les données au détriment d’un langage commun.
Une bonne gestion des données de référence est intéressante pour les différentes fonctions de l’entreprise, pour gérer de façon homogène les clients à travers tous les canaux d’interaction, pour gérer les produits tout au long de leur cycle vie de leur production jusqu’à leur destruction en passant par leur maintenance, pour gérer les données financières notamment lors des opérations d’acquisition ou de réorganisation, pour gérer la chaîne d’approvisionnement, pour toutes les activités d’analyse de données, de reporting, de tableaux de bord, etc.
La première chose à faire pour mettre en place un système de gestion des données de référence, est de définir une gouvernance des données, concrètement il s’agit d’identifier les propriétaires des objets et de définir les règles liées à l’ajout, la modification ou encore la mise à disposition des données de référence au sein de l’entreprise. De façon plus précise il s’agit d’identifier par domaine de gestion les données de références à gérer, de prendre en compte tous les systèmes sources, de collecter ces données, de définir les formats du langage commun, ainsi que des règles de transformation, d’administration et de distribution des données de référence.
La synchronisation des données de référence peut s’effectuer de plusieurs manières différentes. Par exemple la synchronisation de chaque système est assurée via des scripts ou des saisies manuelles, certains systèmes peuvent être définis comme maître pour certaines données, ou les données maîtresses sont gérées dans un entrepôt de données, ou on utilise une application spécifique dédiée, qui gère à la fois les données maîtresses et la synchronisation. C’est cette dernière solution qui tend à se développer de plus en plus, car elle offre une grande souplesse. Sauf exception il convient certainement de bannir les solutions partielles ne gérant que les données client ou les données produit.
La gestion des données de référence a donc pour intérêt d’améliorer la qualité de l’information, elle doit concerner tous les systèmes de l’entreprise, que ce soient les applications transactionnelles ou les applications décisionnelles. Il est certain qu’une mauvaise gestion de ces données peut coûter très cher. Il est donc absolument indispensable de sensibiliser les métiers aux enjeux, de voir avec eux tous les avantages d’une bonne gestion, et de définir la bonne gouvernance nécessaire pour créer, collecter, nettoyer, maintenir, publier et auditer les données de références.
Pour aller plus loin, vous pouvez utilement consulter mes autres propos sur ce sujet clé de la gestion des données de référence (données de référence, gérer l’ADN du système décisionnel, gérer le référentiel métier dans l’entrepôt de données, MDM où en sommes-nous ?) : cliquez ici.
Une bonne gestion des données de référence est intéressante pour les différentes fonctions de l’entreprise, pour gérer de façon homogène les clients à travers tous les canaux d’interaction, pour gérer les produits tout au long de leur cycle vie de leur production jusqu’à leur destruction en passant par leur maintenance, pour gérer les données financières notamment lors des opérations d’acquisition ou de réorganisation, pour gérer la chaîne d’approvisionnement, pour toutes les activités d’analyse de données, de reporting, de tableaux de bord, etc.
La première chose à faire pour mettre en place un système de gestion des données de référence, est de définir une gouvernance des données, concrètement il s’agit d’identifier les propriétaires des objets et de définir les règles liées à l’ajout, la modification ou encore la mise à disposition des données de référence au sein de l’entreprise. De façon plus précise il s’agit d’identifier par domaine de gestion les données de références à gérer, de prendre en compte tous les systèmes sources, de collecter ces données, de définir les formats du langage commun, ainsi que des règles de transformation, d’administration et de distribution des données de référence.
La synchronisation des données de référence peut s’effectuer de plusieurs manières différentes. Par exemple la synchronisation de chaque système est assurée via des scripts ou des saisies manuelles, certains systèmes peuvent être définis comme maître pour certaines données, ou les données maîtresses sont gérées dans un entrepôt de données, ou on utilise une application spécifique dédiée, qui gère à la fois les données maîtresses et la synchronisation. C’est cette dernière solution qui tend à se développer de plus en plus, car elle offre une grande souplesse. Sauf exception il convient certainement de bannir les solutions partielles ne gérant que les données client ou les données produit.
La gestion des données de référence a donc pour intérêt d’améliorer la qualité de l’information, elle doit concerner tous les systèmes de l’entreprise, que ce soient les applications transactionnelles ou les applications décisionnelles. Il est certain qu’une mauvaise gestion de ces données peut coûter très cher. Il est donc absolument indispensable de sensibiliser les métiers aux enjeux, de voir avec eux tous les avantages d’une bonne gestion, et de définir la bonne gouvernance nécessaire pour créer, collecter, nettoyer, maintenir, publier et auditer les données de références.
Pour aller plus loin, vous pouvez utilement consulter mes autres propos sur ce sujet clé de la gestion des données de référence (données de référence, gérer l’ADN du système décisionnel, gérer le référentiel métier dans l’entrepôt de données, MDM où en sommes-nous ?) : cliquez ici.
> A LIRE EN CE MOMENT SUR DECIDEO
-
Gouverner l’intelligence artificielle : cartographier les risques (2ème partie)
-
JFrog sécurise le développement d’intelligences artificielles et simplifie de bout en bout la gestion de modèles de machine learning grâce à son intégration avec la plateforme MLflow de DataBricks
-
Le nouvel outil Webfleet Transition EV permet l’électrification des flottes par la donnée
-
Alteryx et DataCamp s'allient pour permettre à tous les salariés de se former à l'analyse
-
Quel est le futur des métiers de la data et de l’IA vu par les grands groupes français ?
-
OneStream Software réinvente et renforce le rôle du CFO grâce à sa nouvelle solution Narrative Reporting
-
Empreinte de la Donnée sur le vivant : Le Cercle de la Donnée et l’Agora 41 présentent 5 propositions pour un numérique responsable
-
Les dirigeants adoptent l'IA sous la pression médiatique, mais la préparation organisationnelle reste un défi majeur
-
La NASA s’appuie sur le moteur d’Enterprise Search de Sinequa pour propulser son nouveau moteur Science Discovery Engine
-
IA, simplification et débureaucratisation pour transformer l'État