Master Data Management un actif stratégique

Septembre 2009
LIVRE BLANC
Master Data Management
un actif stratégique : la donnée maître
Livre Blanc MDM
Sommaire
La gestion des données dans l’entreprise......................................4
Vers une gestion des données stratégiques...................................7
Le Master Data Management .....................................................11
En conclusion ...........................................................................17
Livre blanc rédigé par Marie-Eve Decroocq, Benoît Paroissin, Jérôme Besson, Marc Boullier et Mariano Boni, membres
de la practice Architecture SI du cabinet de conseil Solucom.
Ce document ne peut être reproduit et/ou diffusé en tout ou partie sans l’autorisation de Solucom. Les informations
contenues dans ce document sont susceptibles d’être modifiées sans préavis par Solucom. Elles sont données
uniquement à titre indicatif, et Solucom ne saurait être tenu pour responsable de l’usage qui en sera fait. Les marques
et noms déposés qui sont cités dans ce document appartiennent à leurs propriétaires respectifs.
2• Livre Blanc © Solucom - Septembre 2009
Avant-propos
Urbanisation, architecture d’entreprise, systèmes d’information orientés
services, les tendances engagées ces dix dernières années ont conduit
à ce que l’on ne puisse plus considérer le système d’information comme
étant composé d’îlots applicatifs autonomes et indépendants.
Il est désormais admis que le système d’information doit servir l’entreprise dans son ensemble et être l’outil permettant les synergies entre les
métiers. En conséquence, pour que les métiers puissent collaborer efficacement, les îlots applicatifs eux-mêmes se doivent de collaborer les uns
avec les autres, induisant une transversalité du système d’information.
D’une certaine façon, le classique triptyque présentation / traitement
/ données, adressé dans un premier temps de façon verticale avec les
architectures n-tiers, semble s’étendre au système d’information dans
son ensemble.
Ce besoin de transversalité s’est concrétisé dans les portails, les applications composites, les architecture orientées services (SOA) et la gestion de
processus transverses (BPM) qui sont maintenant pratiques courantes.
Mais force est de constater que la couche « donnée » est restée le parent
pauvre de cette globalisation.
Benoît Paroissin
Architecte
de
Système
d’information
[email protected]
C’est donc au niveau des données que se situent désormais les besoins
les plus criants en terme de transversalité du système d’information. Pour
que des services puissent réellement collaborer, ou pour que des portails
puissent réellement agréger différentes interfaces issues de différents
silos applicatifs, il est nécessaire que l’information partagée entre ces
services d’une part, et ces écrans d’autre part soit cohérente et intègre.
Traiter la transversalité de l’information au sein du SI est l’objet du Master
Data Management pour lequel ce livre blanc entend fournir une introduction et une vision, fondée sur l’expérience acquise auprès de nos
clients.
Nous vous proposons dans cet ouvrage, de poser successivement un
constat et d’établir un diagnostic sur la gestion des données dans l’entreprise, avant de définir le concept de Master Data Management.
Bonne lecture.
Septembre 2009 - Livre Blanc © Solucom 3•
Livre Blanc MDM
La gestion des données dans l’entreprise
La donnée, un matériau
stratégique
Quelques constats
Lorsque l’on considère l’information dans l’entreprise, on constate
qu’il n’existe pas une vision unique partagée par tous les acteurs
de l’entreprise, mais que de nombreuses visions coexistent :
• La vision globale de l’entreprise, centrée sur sa mission, sur
la prise de parts de marché, sur
la satisfaction des clients et des
actionnaires
• Les visions par domaine métier :
il s’agit de visions en silo. Les
informations sont traduites dans
un langage propre au métier
concerné (derrière un même terme
peuvent se cacher de nombreuses
définitions implicites), et sélectionnées en fonction des objectifs
et contraintes liés au domaine (et
qui ne concourent pas forcément
aux objectifs de l’entreprise)
• La vision SI, qui traduit imparfaitement les visions métiers et la
vision entreprise, détenue par la
DSI, organisation autonome, ayant
elle-même ses propres objectifs,
son langage et ses contraintes.
Pour le métier, qui a une vue
locale, certaines données sont
plus stratégiques que d’autres.
Mais ces données stratégiques se
trouvent souvent dupliquées entre
plusieurs systèmes d’information,
voire au sein d’un même système
d’information qui en présente plusieurs visions.
Ces duplications d’informations
augmentent le risque d’un défaut
de fiabilité, surtout lorsqu’elles
sont mal gouvernées. Quelles sont
les « bonnes » données parmi les
différentes sources possibles ? Où
prendre les données qui doivent
être partagées ?
Le nombre d’applications n’a
cessé d’augmenter depuis des
décennies. En conséquence :
disposer d’une donnée fiable et
Données partagées : des processus et/ou
données répartis sur plusieurs îlots sans
propriétaire unique
4• Livre Blanc © Solucom - Septembre 2009
intègre à l’échelle du SI devient
un véritable défi, d’autant plus
complexe à relever qu’il faut
prendre en compte des contraintes apparemment inconciliables :
changements fréquents (acquisitions, fusions, multiplication des
partenaires, nouveaux canaux de
vente), diversité accrue (passage
d’une offre client de masse vers
une offre client personnalisée),
diversité géographique et organisationnelle, diversité de compétences métier à l’intérieur de
l’entreprise…
La duplication non
contrôlée des données
tend inéxorablement à
s’amplifier.
Le diagnostic
A l’échelle de l’entreprise, la difficulté à consolider les informations
de façon globale avec le niveau de
qualité, de rapidité et disponibilité
demandé est une dérive prévisible de
tout système d’information.
Elle trouve ses causes dans la dispersion naturelle des données au sein
des différents îlots de l’entreprise.
Elle est aggravée notamment par l’absence de processus d’entreprise de
contrôle de production, de consommation et de la qualité des données, à
l’absence de normes et standards sur
les objets métiers partagés,…
Face à cette situation, quasi de fait,
les entreprises ne sont pas sans
réaction et enchaînent les projets
d’améliorations. Mais leurs approches sont le plus souvent palliatives.
En effet, le traitement curatif de
cette situation est un chantier complexe, notamment en termes de :
priétaire des informations transverses. Dans le meilleur des cas il existe
un modèle de données d’entreprise
ou par domaine métier, plus souvent
par application mais qui ne définit
pas la matrice des rôles et responsabilités du cycle de vie de la donnée.
- Les domaines fonctionnels sont
jaloux de leurs prérogatives sur les
données qu’ils administrent et donc
peu coopératifs.
- La nécessité d’un effort continu
dans le temps est sous-estimée,
voire ignorée, le problème étant alors
adressé à tort comme un projet avec
un début et une fin.
- La question n’est pas hiérarchisée
entre besoins et données globaux et
locaux.
- Les freins aux changements sont
nombreux, et notamment la difficulté
d’aligner les points de vue d’un sujet
par nature partagé et transverse.
• Gouvernance (quoi, quand, qui,
comment, avec quoi)
• Perception du dispositif à mettre
en œuvre
- Bien que l’entreprise se sente
concernée par ces difficultés, et souhaite agir, il n’existe aucune entité
globale métier légitime pour être pro-
- La solution au problème est souvent
perçue comme étant d’ordre technologique, alors qu’elle est massivement organisationnelle.
- L’investissement demandé est perçu
comme étant lourd, perception renforcée par les mises en œuvre antérieures et coûteuse de progiciels de
type ERP qui promettaient d’adresser
le problème.
- L’aspect technologique parait insurmontable à cause de l’hétérogénéité
technique des îlots.
Bien évidemment les situations
varient d’une entreprise à l’autre.
L’institut META Group a mené une
étude (META Group mars 2002) permettant de segmenter les entreprises
en cinq groupes représentant leur
niveau de maturité par rapport à la
gestion de l’information (voir tableau
ci-dessous).
Cette analyse met en évidence qu‘une
approche « par le haut » (niveaux de
maturités 3, 4 et 5) permet de rentrer
dans un cercle vertueux de gestion de
l’information.
C’est la seule qui peut s’affranchir des jeux de pouvoir associés
à la possession de la donnée et
des réflexes d’indépendance, causes classiques d’échec des projets de gestion de l’information.
N°
Niveau de
maturité
Perception du rôle
de l’information
Niveau organisationnel de
prise de conscience
Objectif clé
Pris en compte par
Processus de
gouvernance des
données
1
Conscient
Perception floue,
non
structurée,
considérée fonction
par fonction et besoin par besoin
Clients / Partenaires / Fournisseurs ont une meilleure
perception des dysfonctionnements que les employés de
l’entreprise elle-même
Faire progresser la prise de conscience dans
l’entreprise
Individu/ utilisateur
(vérification
après
extraction qu’il n’y a
pas d’erreurs)
Les
principes
sont en cours
d’assimilation
2
Réactif
Perception de l’intérêt de l’information
pour une meilleure
compréhension des
activités métiers
« Terrain », département, employés
Faire progresser la
connaissance des informations entreprise
et leur importance
pour la compréhension
des activités métiers
Lors de la mise en
place d’applications,
dans le développement de la base de
données et des interfaces associées
Proposition
d’orientation, de
lignes de conduite
3
Proactif
Un « carburant »
pour une meilleure
exécution des processus métier
Analystes fonctionnels
4
Maîtrisé
Critique, identifié
en tant que tel dans
le portfolio des services DSI
Directions Métiers
5
Optimisé
Actif d’entreprise
inexorablement relié à la valeur et à la
création de valeur
de l’entreprise
Dirigeants (direction, direction
générale, direction BU)
Publication
Standards
de
Par MOAs et DSI au
niveau global à partir d’une demande
initiale
Institutionnalisation du
programme de Qualité
des Données dans les
entités métier et l’organisation DSI
Par l’entreprise au
travers des processus métiers, formations, tout projet DSI
Renforcement
du mandat par la
direction de l’entreprise
Septembre 2009 - Livre Blanc © Solucom 5•
Livre Blanc MDM
Un problème connu...
• Projet référentiel décisionnel
• Projet qualité des données
On le voit, la gestion de l’information
n’est pas une problématique
nouvelle. Elle revient régulièrement
à l’ordre du jour et nombreux sont
les projets autour de la gestion
de l’information, et en particulier
autour des référentiels de données,
qui ont promis ces dernières
années d’y apporter une réponse
définitive.
Dans ce type de projet, l’accent est
mis sur l’intégration, le nettoyage
et le stockage des données, mais
sans rétropropagation vers les
applications sources.
Là encore la réconciliation des
données est faite a postériori, mais
un tel type de projet effectue une
rétropropagation des applications
sources, après nettoyage et
dédoublonnage.
Cette récurrence s’explique en
grande partie par le fait que
ces projets d’amélioration de la
gestion de l’information abordent
la problématique de manière
parcellaire, sont limités dans le
temps sans garantie de l’après, et
sont conduits sous un prisme ou
un angle de vue restreint.
La récurrence
des problèmes connus
s’explique par un
manque de prise en
compte de la logique
de gouvernance .
• Projet référentiel métier
Il s’agit d’une approche centralisée
avec un cycle de vie orienté
production, stockage et contrôle de
la donnée, sans prise en compte
de l’usage.
Les problématiques liées à
l’intégrité, la cohérence et
l’accessibilité sont subies plutôt
que choisies par les ressources
consommatrices. Ceci favorise
le maintien et la divergence de
référentiel locaux pour palier aux
effets de recherche de cohérence
versus d’efficacité locale.
6• Livre Blanc © Solucom - Septembre 2009
La réconciliation est faite a
posteriori pour un contexte
d’utilisation particulier.
• Projet vue à 360°
Il s’agit là d’une solution palliative
et non curative consistant à
intégrer, nettoyer et faire converger
les données vers une structure
commune.
La fiabilité de cette structure
est relative, l’objectif étant de
construire la vue optimum, pas
nécessairement la bonne.
Comme pour le référentiel
décisionnel, la réconciliation des
données est faite a posteriori.
Ces opérations sont à renouveler
régulièrement avec une
amélioration de la qualité des
données des applications pas
toujours au rendez-vous, des
dérives à chaque évolution du SI.
… mais mal gouverné
Tous ces projets ont en général
un point commun : ils n’ont pas
été pensés dans une logique de
gouvernance de la donnée et en
particulier sans aligner le cycle de
vie des données entre producteurs
et consommateurs.
De fait, très peu de ces démarches
ont réussi à créer le cercle vertueux
espéré et nécessaire pour adresser
les causes de la perte de contrôle
progressive sur les données.
Vers une gestion des informations stratégiques
Servir la bonne information, au bon moment, au bon endroit et quel que
soit le moyen d’y accéder, d’autant plus si elle est stratégique, critique
et partagée est un facteur clé de compétitivité de l’entreprise.
Atteindre cet objectif permet
d’agir sur les deux leviers de la
compétitivité que sont l’efficacité
opérationnelle et la performance
économique de l’entreprise.
Gestion de l’information : un
facteur clé de la compétitivité
de l’entreprise
Une gestion optimale de
l’information permet :
1- D’améliorer
opérationnelle
l’efficacité
• Réduction des temps de cycle
metier (Time-to-Market, Time-toDeliver )
- processus logistique :
harmonisation et globalisation des
informations clients et articles de
toute la chaîne (commande, stocks,
production, livraison, facturation)
- meilleure efficacité du
développement et de mise sur
le marché de nouvelles offres
(collaboration avec les partenaires,
standardisation, capitalisation sur
le savoir faire)
• Rapidité / fiabilité des prises
de décision par la mise en
œuvre d’indicateurs – basés
sur des informations fiables et
« suffisamment fraîches » :
- prises de décision ou consolidation
des informations financières au
niveau d’un groupe (titrisation,
gestion des risques, conformité
aux normes comptables en vigueur
telles que IRDS, FASS 133)
plus critiques doivent faire l’objet
d’une politique spécifique. Son
objectif, au niveau global comme
au niveau local est de les rendre :
- suivi client, réponse rapide à un
client au vu de son historique (call
centers)
• Cohérentes : définitions et
représentations stables et comprises
par toute l’entreprise (ou du moins
tous ceux qui les fournissent et
les consomment), utilisation de
standards d’échange
- analyse d’impact d’un événement
sur la production d’un produit
(conformité à des changements
de normes par exemple)
2- D’accroître la performance
économique :
• Économies d’échelle (réduction
des coûts, efficacité d’exécution
des processus entreprise) :
- harmonisation et globalisation de
la gestion des articles achetés, des
fournisseurs, des partenaires
- globalisation de la gestion des
stocks
• Gains concurrentiels (fidélisation
client, acquisition de nouveaux
clients ou de nouveaux marchés) :
- harmonisation et globalisation des
informations clients/produits
- synchronisation des flux
d’informations entre clients,
organisations de vente et sites de
productions
La transversalité comme priorité
Les informations dont la production,
l’enrichissement et l’accès sont les
Gestion de l’information, un facteur clé de la compétitivité de l’entreprise
• Intègres : accroissement de
la fiabilité et de la qualité des
données nécessaire à l’exécution
optimale des processus métier et
de gouvernance.
• Accessibles par toutes les
ressources (acteurs métiers,
applications) qui en ont besoin,
sous la forme qu’elles souhaitent,
au moment requis et quel que soit
le moyen d’y accéder.
• Sécurisées : un modèle ou
espace utilisateurs (producteurs /
consommateurs / administrateurs)
conforme aux règles et processus
entreprise
Cette vision idéale doit cependant
être atteinte via une démarche
pragmatique, démontrant un retour
sur investissement suffisamment
rapide. Il ne s’agit pas de résoudre
dans un seul projet tous les
problèmes de toutes les données de
l’entreprise, mais de privilégier les
données ayant le profil suivant :
• Fort degré de transversalité et
d’importance pour l’exécution des
processus entreprise ;
• Impact sur l’amélioration
mesurable de processus clés de
l’entreprise.
Septembre 2009 - Livre Blanc © Solucom 7•
Livre Blanc MDM
Cinq besoins essentiels
Un projet de gestion de données
adresse quatre objectifs
fondamentaux : cohérence,
intégrité, accessibilité et sécurité
des données, qui sont structurés
par cinq besoins essentiels.
Son cahier des charges
s’exprime autour de 5 exigences
interdépendantes
auxquelles
Une gestion différenciée
le système d’information
desapporter
donnéesune
globales
et
doit
réponse.
1
des données locales
Ce besoin vise à répondre
classiquement :
• A une demande croissante, de
la part des métiers, d’accès à des
“vues” régionales et consolidées
au niveau global ;
• A la possibilité de conserver
localement ce qui relève de
l’expertise métier et de globaliser
les informations favorisant les
économies d’échelles.
Ce besoin est à adresser par
une démarche d’urbanisation
des données visant à traiter
en particulier les rôles et
responsabilités organisationnels
de ces dernières sur l’ensemble
de leurs cycles de vie.
2
La qualité des données
Ce besoin vise à répondre à
l’objectif de garantir l’intégrité et la
cohérence des données pour tous
les consommateurs de celles-ci
aux niveaux de qualité qu’ils
attendent et ce, quelles que soient
les évolutions organisationnelles
ou structurelles que l’entreprise
connait.
Les données à consolider étant par
nature dispersées et transversales
dans l’existant SI, ce besoin
requiert d’adresser généralement
les éléments suivants pour poser
le diagnostic et définir la stratégie
d’amélioration :
• L’identification des données
(dont l’aspect sémantique) et le
rapprochement des valeurs entre
métiers et SIs (identification &
matching). Cette étape permet
de détecter les différences de
perception entre les acteurs métiers
et d’opérer les réconciliations
nécessaires au niveau SI ;
• La compréhension des usages
et usagers de la donnée (profiling)
pour assurer l’alignement entre les
contraintes des producteurs et les
exigences des consommateurs
de la donnée et ainsi définir un
contrat de service viable de la
donnée ;
• L’exactitude pour certifier la
qualité de la donnée. L’atteinte
de cet objectif passe souvent par
une phase préalable de nettoyage
des données existantes (cleansing)
et de rétro propagation pour
réaligner les données nettoyées
dans les systèmes producteurs et
consommateurs,
• La standardisation fonctionnelle
et technique pour assurer
l’interopérabilité des données
partagées en interne et en
externe.
• L’enrichissement, la complétude,
pour s’assurer de la disponibilité
8• Livre Blanc © Solucom - Septembre 2009
de l’ensemble des données
nécessaires et suffisantes aux
besoins des usagers de celles-ci.
3
La distribution et le
partage d’informations
Ce besoin vise à répondre à
l’objectif d’assurer la diffusion de
la bonne donnée au bon moment,
au bon endroit et ce, quelque soit
le moyen d’y accéder.
Ce besoin est particulièrement
crucial pour l’exécution de
processus transverses tels que la
« supply chain », ou l’introduction
de nouveaux produits sur le
marché. Il est également critique
dans les processus métier multicanaux, comme par exemple
ceux de la banque de détail
(exemple : processus de vente
via canal Internet, agence,
distributeur/borne automatique,
partenaire,...).
4
La fraîcheur des
informations
Ce besoin vise à répondre à l’objectif
de vélocité de l’information entre
le moment où l’information est
produite et mise à disposition dans
un état consommable (variable
selon le consommateur et l’usage
qu’il souhaite en faire). Le niveau
de fraîcheur des informations
dépend du périmètre considéré.
De façon générale, l’objectif est
de réduire voir de supprimer tout
temps de latence entre le moment
où il est nécessaire d’accéder à une
information, et le moment où on y
accède réellement.
Pour ce faire, il s’agit d’évaluer le
niveau de fraîcheur exigé dans le
contexte considéré, c’est-à-dire
estimer le rapport entre le gain
apporté par ce niveau de fraîcheur
et le coût nécessaire pour l’assurer
(niveau de service). En effet, il
sera le plus souvent nécessaire
de faire des compromis entre
fraîcheur des informations, niveau
de qualité, niveau de performance.
Ce besoin vise à adresser
généralement les préoccupations
suivantes :
• Besoins synchrones, temps réel
Les besoins de traitement de
multiples sources en temps réel
restent marginaux. Néanmoins,
ce type de service se révèle
indispensable à certains métiers.
Le suivi en continu des clients dans
les secteurs où la concurrence est
sévère permet de proposer des
offres avantageuses à des clients
mécontents (exemple : télécom).
Souvent liée à l’optimisation de
la gestion de la relation client,
l’analyse en temps réel est
aussi une demande des centres
d’appel.
Dans le secteur bancaire l’analyse
en temps réel optimise la détection
d’une utilisation frauduleuse des
cartes bancaires. Grâce à quoi un
même numéro ne peut être utilisé
à Paris et à Bangkok à une heure
d’intervalle.
Ces besoins relèvent des
technologies dites EII (enterprise
information integration).
• Besoins asynchrones, au fil de
l’eau
Ce type de besoin correspond à
tous les besoins de propagation
des données (distribution
d’informations dans des processus
de « supply chain », processus
de développement produit,…)
de faible volume, sujets à des
modifications fréquentes. Les mises
à jour des sources de données sont
événementielles, souvent corrélées
à un événement métier (mise à jour
de données client, changement de
données contractuelles,..).
Ces besoins relèvent des
technologies dites historiquement
EAI (enterprise application
integration) et depuis l’avènement
des architectures orientées services
(SOA) des technologies dites ESB
(enterprise services bus).
• Besoins de vacations
Ce type de besoin correspond
à tous les besoins autres que
les 2 précédents. Il correspond
classiquement aux processus
décisionnel et de reporting, ou
lorsqu’il s’agit d’importer de gros
volumes de données.
5
La persistance et
l’historisation des
informations
Ce besoin vise à adresser
généralement les préoccupations
suivantes :
• Optimiser l’exécution des
processus métiers, en définissant
une source unique de référence
pour les différentes instances de
ces processus (référentiel client,
produit, article,…)
• Garantir l’unicité d’un identifiant
à l’échelle de l’entreprise (n°
client unique dans des processus
transnationaux,…)
• Offrir un point d’accès unique à
des données partagées (vue à 360°
Client, Contrat,…)
•Assurer la
réglementaire
traçabilité
• Historiser à des fins d’analyse et
de reporting
• Suivre le cycle de vie d’une
donnée stratégique par l’évolution
de ses changements d’états dans
son processus de production,
notamment lorsque plusieurs
processus la consommant
s’exécutent de manière
concourante.
Ces besoins relèvent des
technologies dites ETL (extract
transform load) et de chaîne
de traitement ordonnancée
(ordonnanceur et batch).
Septembre 2009 - Livre Blanc © Solucom 9•
Livre Blanc MDM
L’illustration ci-dessous présente
le champ d’action prioritaire
d’une démarche de gestion
de données, c’est-à-dire celui
qui cible les données ayant le
profil présenté ci-dessus. Elle
dissocie les données au champ
d’action local qui relève souvent
d’une seule maîtrise d’ouvrage
(MOA) et sont portées par un
système d’information aux mains
d’une seule maitrise d’œuvre
(MOE), des données globales,
c’est-à-dire d’entreprise, au
sens où elles sont partagées/
transverses à plusieurs métiers
et portées par plusieurs systèmes
d’information, et de fait multi-
MOA et multi-MOE.
La cible prioritaire correspond
aux cas où il faut concilier
simultanément la transversalité
métier (multi MOA) et la
transversalité SI (multi MOE).
La cible du MDM
Métier
Données locales
(MOA unique)
Données transverses
(multi MOA)
Maîtrise du besoin : simple
Maîtrise du besoin : pas garantie
Responsabilités claires
Difficultés d’ordre fonctionnel
Solution : simple
Solution : simple (en théorie)
Note : cas de figure qui régressent
du fait de l’évolution des exigences
métiers (multi-canal, collaborations,
sur-mesure, pilotage)
Note : les PGI créent le cas, et y
apportent des réponses tant qu’on
reste dans leurs territoires
architecturaux
Maîtrise du besoin : OK
Maîtrise du besoin : délicate
Difficultés d’ordre technique
Plus de responsabilités (multiMOA/MOE)
SI
Solution : complexe (intégration
d’îlots)
Note : les PGI ont contenu la
prolifération des îlots
10• Livre Blanc © Solucom - Septembre 2009
Solution : complexe
Note : cas les plus sensibles, et qui
concernent en général les données
les plus importantes
Le Master Data Management
Le MDM vise à répondre au cahier des charges présenté précédemment. Il
ne cherche pas à régler tous les problèmes de la gestion de l’information,
d’autant moins qu’il en est un sous ensemble puisqu’il se concentre sur
des données qui ont la particularité d’être stratégiques et transverses.
Le concept de donnée maître
Une
vision
métier
Les informations sur lesquelles
il est important de se focaliser
sont naturellement celles
pour lesquelles l’absence de
qualité aurait le plus d’impact
à l’échelle de l’entreprise. Ce
sont en général les données
partagées par le plus grand
nombre de métiers.
Aujourd’hui, lorsque l’on désigne un ensemble de données qui
sont manipulées par un métier,
on utilise généralement la notion
d’objet métier défini ainsi : un
objet métier (business object)
est un « concept utilisé par un
acteur d’une entreprise qui décrit
son métier ». L’objet métier a
souvent une réalité tangible,
physique (source : wikipédia).
On associe à chacun de ces
objets métiers un cycle de vie
particulier (de sa création,
à son obsolescence, voire
son archivage) décrivant ses
niveaux de maturité, au cours
desquels lui sont progressivement attachés des attributs
enrichissant sa description et
permettant de le manipuler
dans un contexte métier donné.
Exemples : les produits, les
clients, les commandes, les
fournisseurs, les articles achetés
sont des objets métiers.
- Certains objets dans l’entreprise ont une portée stratégique
plus importante que d’autres :
cCertains des objets manipulés
par les métiers servent essentiellement à porter les données relatives à une activité
ou un processus. C’est le cas
par exemple d’une commande,
d’une facture.
- D’autres objets ont une durée
de vie plus longue et sont utilisés dans nombre de processus
d’entreprise. Exemple : un pro-
duit, un article, un client.
Si on terminait l’ensemble
des processus en cours dans
l’entreprise sans en déclencher de nouveau, les objets
de la seconde catégorie resteraient des objets essentiels (les
clients, les produits, les fournisseurs, les employés). Ces
objets font partie du capital de
l’entreprise et doivent être au
cœur des stratégies de Master
Data Management.
Il est donc important de comprendre la distinction entre
données maîtres et données
transactionnelles. À la différence avec les données maître,
ces dernières sont produites lors
de l’exécution d’un processus et
utilisables par ce processus seul
(comme des ordres de production, des accusés de réception,
etc.…).
Une gestion consciente et coordonnée de ces données est donc
stratégique pour l’entreprise.
C’est là un des enjeux du MDM.
Une donnée est maître
Données maître / données procédurales
Données
maîtres
Relatives à un périmètre, descriptives,
attachées à un objet
métier
Nécessitent une
procédure de
contrôle du changement
Le propriétaire est
difficile à identifier
Sources données
multiples à Risque
sur l’intégrité des
données
Accès à la “version”
appropriée de la
donnée
Données
procédurales
Relatives à un périmètre, attachées
à un processus,
événementielles
Généralement
peu de modifications
Le propriétaire est
facile à identifier
Peu de sources de
données
L’information est
correcte ou non
Septembre 2009 - Livre Blanc © Solucom 11•
Livre Blanc MDM
Donnée maître : une définition
Une donnée maître est une donnée stratégique pour le métier,
qui existe indépendamment des
processus métiers qui la consomment, à la différence des données procédurales qui sont le
fruit de l’exécution de ces mêmes
processus.
Le cycle de vie des données
maître est un élément essentiel
de leur gestion. Un objet métier
rassemble plusieurs structures de données. Ces structures
sont appelées catégories de
données.
Par exemple, pour un objet
métier client, plusieurs catégories de données peuvent y être
attachées : l’adresse, le profil
de risque, les données d’identification, les paramètres de personnalisation de sa relation avec
l’entreprise, etc…
En réalité, la notion de cycle
de vie d’un objet métier a assez
peu de sens si on ne le considère
comme une fonction des états de
chaque catégorie de données.
Par exemple, l’adresse et le profil
de risque d’un client n’évoluent
pas nécessairement ensemble.
La gestion de ces données n’est
pas non plus mise sous la responsabilité des mêmes responsabilités métier (les fonctions
de distribution ou de commerce
pour l’adresse, la gestion du risque pour le profil de risque). Un
client « valide » doit avoir une
adresse « valide » et un profil de
risque « valide » quel que soit
l’ordre dans lequel ces catégories
de données ont été renseignées
Les propriétés clés de la donnée maître
Pour atteindre les objectifs
du MDM, les objets métiers
portés par le SI doivent pouvoir
être non seulement repérés,
mais tout changement et toute
modification de leurs valeurs
doivent être contrôlés et suivies,
requérant que tout objet métier
soit caractérisé, au-delà des
informations métier qu’il porte
par :
• Un identifiant unique
• Un état de maturité
• Une version
Par ailleurs, une donnée maître
peut être qualifiée selon différents critères : son degré d’importance, son degré de complexité, son espace utilisateur et
la façon dont elle est considérée.
1) Degré d’importance
Toutes les données maître n’ont
pas le même degré d’importance.
Celui-ci dépend de deux types de
facteurs :
• Des facteurs endogènes à la
donnée :
- elle procure un avantage concurrentiel ;
- elle portent un savoir-faire particulier ;
- elle constitue le cœur d’une
offre produit ou de service ;
-…
• Des facteurs exogènes à la donnée :
- son degré de criticité par rapport aux processus (qualitativement et quantitativement – coût
de l’échec associé)
- sa portée fonctionnelle dans
Exemple de cycle de vie d’un produit et des données mises à jour :
Chaque catégorie de donnée utilisée pour
la constitution d’un produit peut avoir un
état. L’état de l’objet métier est une fonction
des états des catégories de données qui le
composent.
Par exemple :
• L’état en création est une combinaison
des états « données marketing »
et « description fonctionnelle ».
• L’état « validé » du produit est une combinaison
des états de données marketing, techniques,
d’industrialisation de commercialisation, de
production, de vente et de logistiques.
Le schéma utilisé a seulement valeur d’exemple,
et a été volontairement simplifié. La réalité
est bien souvent différente : des processus de
gestion des catégories de données existent,
peuvent être désynchronisés et difficilement
représentables sous la forme d’un seul et
même processus de gestion du cycle de vie
des produits.
12• Livre Blanc © Solucom - Septembre 2009
l’entreprise (nombre de domaines métier impactés)
-…
Gestion de l’information / gestion des données maître
L’importance d’une donnée maître est proportionnelle à la criticité du processus dont elle est
une donnée maître.
2) Degré de complexité
Le degré de complexité d’une
donnée maître est lié notamment :
• au nombre de modifications
possibles durant son cycle de
vie ;
• à la variété des entités responsables (MOA) de cette donnée.
•…
3) Espace utilisateur
La notion d’espace utilisateur
caractérise pour un état donné
les critères d’accès pour la production de la donnée et sa mise
à disposition pour consommation. A chaque état correspond
un ou plusieurs espaces utilisateurs, fonction du workflow de
publication de la donnée.
Exemples d’espaces utilisateurs :
• Espace privé ou local : pour les
données en cours d’élaboration
modifiables à volonté par leur
producteur
• Espace d’attente : pour les
données en cours de contrôle
qui ne doivent en aucun cas
être modifiées et dont l’espace
d’accès peut être élargi dans
l’entreprise
• Espace officiel : pour les données validées mais soumises à
des règles de sécurité restreignant leur modification. En
revanche leur accès s’étend le
plus souvent à l’entreprise
• Espace public : pour les données ayant à être communiquées
à l’extérieur (marché, clients,
partenaires, fournisseurs).
Comme nous l’avons vu plus tôt
dans ce document, on peut asso-
cier à chaque groupe de données
maître (une catégorie de donnée) un cycle de vie particulier
– Le cycle de vie plus global de
l’objet métier est une fonction
des états de chaque catégorie
de données.
L’état de maturité d’un objet
métier et l’état de la catégorie de donnée permettent de
parfaitement déterminer les
valeurs des droits d’accès à
cette catégorie.
Gestion des données
maître : une définition
La gestion des « données maître »
ou Master Data Management
(MDM) est l’ensemble des
organisations, méthodes,
technologies nécessaires à la
mise en œuvre et au maintien
dans le temps des données maître
transverses.
Une approche MDM ne se réduit
pas à de la technologie, mais comprend aussi la définition d’un langage commun pour l’ensemble de
l’organisation. L’architecture mise
en place devra se conformer aux
normes et standards définis par
des processus de gouvernance des
données maîtres.
La gestion des données maître
est
une approche globale, qui vise :
• A penser dans une démarche par
le haut (top-down) permettant de
dessiner les exigences de gouvernance de la donnée maître
Définition des processus qui la
produisent, la maintiennent et la
diffusent, en en évaluant les usages et les risques associés.
• A mettre en œuvre, exécuter,
selon une démarche pragmatique
et réaliste, potentiellement complètement par le bas (bottom-up),
dans le respect des exigences globales définies.
Il ne s’agit pas d’une démarche
limitée à l’architecture du SI, à
l’amélioration de ses composantes: le SI n’est qu’un bras de levier
de la démarche.
Ce n’est pas une approche qui vise
à aboutir nécessairement à la mise
en place d’un référentiel au sens
classique du terme. Un référentiel
n’est qu’un moyen potentiel d’atteindre l’objectif.
Septembre 2009 - Livre Blanc © Solucom 13•
Livre Blanc MDM
Tirons les leçons du passé
Pour identifier les facteurs clés
de succès il est essentiel de tirer
les leçons du passé pour bien
comprendre en quoi le MDM
diffère des initiatives précédentes
qui ont, sous une forme ou une
autre, toutes promis d’adresser
cette problématique.
Les différences entre besoins
locaux et besoins globaux ont
jusqu’à présent rarement été pris
en compte dans les démarches et
mises en œuvre de solutions de
gestion des données, ni la prise en
compte simultanée des aspects statiques et dynamiques. Le besoin de
référentiels de données communs
était pourtant identifié dès la fin
des années 80.
Pourquoi parle-t-on donc aujourd’hui du MDM comme d’un sujet novateur ?
Chronologie
Les phases de
maturation
Motivations à la mise en
œuvre des technologies de
l’information
Impacts
1980’s
Problématique
Augmentation de la producti- L’arrivée de l’informatique distribuée et des outils
locale, réponse vité par fonction -> automa- d’efficacité locale ont multiplié les sources et les
locale
tisation du traitement des formats de données.
données
Celles-ci continuent d’être transmises d’un îlot à
l’autre sous forme de documents papier.
1990’s
Optimisation de l’exécution • Les réseaux se généralisent, elles deviennent
Problématique
globale ou locale, de processus métiers
potentiellement le moyen de restituer l’information
réponse locale
à l’utilisateur
• Il devient nécessaire d’adopter un langage
commun
• La vision d’un modèle de données central, uniforme, unique apparaît
• Chaque initiative d’optimisation de processus se
réclame de sa construction
• Qui du PDM (product data management) ou du
MRP (manufacturing resources planning) est maître
du produit ?
• Qui du CRM ou du système comptable est maître
du client ?
à partir de Problématique
Optimisation et intégration Arrivée, puis enrichissement de progiciels intégrés :
mi-90’s
globale ou locale, processus/données
les ERP par l’ajout aux modules initiaux de gestion
de production, finance, comptabilité, de nouveaux
réponse globale
modules tels que PDM, DW, CRM se réclament à la
fois de l’optimisation des processus et de la consolidation des informations de toute l’entreprise...
Aujourd’hui R é s e a u x d e
communications
économiques ->
nécessité d’intégrer processus et
données
Globalisation et
personnalisation
-> nécessité de
capitaliser sur
les informations
pour la production d’indicateurs
fiables
14• Livre Blanc © Solucom - Septembre 2009
Réactivité, agilité aux Si le foisonnement d’applications diverses a été
nombreux changements réduit par le déploiement des ERP et l’émergence
business
des standards technologiques, le problème du référentiel reste non résolu : chaque BU de l’entreprise a
Globalisation des marchés et
réalisé sa propre implantation d’un même progiciel
des produits
ou d’une même application.
Intégration de l’entreprise
Des besoins particuliers non couverts l’ont été
étendue (fournisseurs, parpar des applications « de niche ». Des systèmes
tenaires, clients)
« legacy » anciens ont perduré (coût de migration
Passage d’une offre par seg- trop élevé et/ou trop risqué). De nouvelles technoloment de marché à une offre gies ont fait leur apparition avant qu’elles ne soient
personnalisée par client
intégrées dans les offres classiques des éditeurs.
Une analyse des échecs
antérieurs
Les initiatives des années passées
ont été des échecs pour des raisons
diverses :
1 - Mauvaise compréhension du
problème
- tentative de modélisation de tou-
tes les données de l’entreprise
Elle a le plus souvent induit un
effet tunnel, et des difficultés
à maîtriser tous les niveaux de
gestion et les attentes ou enjeux
associés (du global au local), multiplicité des objectifs.
- confusion entre données maître
et objet métier.
Toutes les catégories de donnée
d’un objet produit, par exemple,
ne sont pas maîtres, même si le
produit est présent dans toute
l’entreprise.
- pas de séparation entre processus
et données.
La mise en place ou la modification
de solutions métier obligeaient à
migrer / réorganiser les référentiels
précédents, jetaient la confusion
dans la définition des rôles et missions des applications (devaientelles aussi jouer le rôle de référentiel ?) alors que les cycles de «
persistance » des données et des
fonctionnalités métier ne sont pas
les mêmes.
- le référentiel n’a eu longtemps
qu’une représentation statique.
La définition des données maîtres
est étroitement liée au cycle de vie
catégories de données. L’espace
d’accès s’élargit au fur et à mesure
que l’objet métier « s’officialise »
ou « prend forme ». Les modifications opérées sur les données
transverses doivent « virtuellement
» se propager
- à la confusion entre besoin et
solution
La confusion entre référentiel unique et base de données unique,
initialement induite par des limitations technologiques, a perduré
au-delà de ces limitations, induisant des rigidités et l’apparition de
référentiels annexes gérés localement et mal intégrés au reste des
référentiels (pas d’interfaces, ou
interfaces via des mises à jour
batch)
2 - Gouvernance non appropriée :
- manque de sponsor à un
niveau suffisamment élevé dans
l’entreprise
Il doit être capable de financer
l’ensemble du projet et d’impli-
quer des ressources métiers et de
la direction des systèmes d’information. Cela suppose qu’un dossier argumenté en termes stratégiques et financiers puisse lui être
présenté
- pas d’initiative coordonnée de
modélisation des données au
niveau de l’entreprise
Parfois par manque de sponsor
ou tout simplement absence de
vision globale, chaque îlot du SI
est le reflet de la vision partielle
du domaine ou de l’organisation
concerné, l’intégration inter îlot,
lorsqu’elle est envisagée, étant
reléguée à une problématique
purement technique d’interface
inter applicative
- les îlots ne sont pas seulement des
outils métiers mais sont devenus
les symboles de la maîtrise, pour
chaque métier, de son domaine
En d’autres termes maîtrise du
choix, indépendamment de l’impact sur l’entreprise au niveau
global, maîtrise de son contenu et
de son évolution. La mainmise au
niveau global d’une partie des données est vécue comme une perte
de ces prérogatives, voire une perte
de « visibilité » du domaine dans
l’entreprise et une perte d’efficacité. D’autre part, les besoins en
Découplage et abstraction
Septembre 2009 - Livre Blanc © Solucom 15•
Livre Blanc MDM
termes de données sont-ils les
mêmes dans toute l’entreprise,
quel que soit le niveau de transversalité ?
- Les tâches de re-saisies d’informations deviennent au fil du temps
partie intégrante du métier des utilisateurs si bien qu’il leur est difficile de distinguer ce qui relève
de contraintes informatiques de ce
qui présente une réelle création de
valeur. Ce type de projet doit donc
s’accompagner d’une politique
communication et de conduite du
changement.
- Manque de coopération entre
MOE et MOA, ou manque d’organisation MOE/MOA se situant à un
niveau suffisamment transverse.
Or ce sujet est un sujet d’abord
éminemment métier : au niveau
sémantique tout d’abord, toutes
les entités organisationnelles d’une
entreprise ont-elles la même définition des objets et structures de
données qu’elles manipulent ?
Ou derrière un même terme ne
se cachent-ils pas plusieurs
concepts ?
16• Livre Blanc © Solucom - Septembre 2009
- Difficulté à intégrer dans le SI les
changements dus à des modifications business :
Les fusions ou acquisitions se multiplient d’où des systèmes de codification et modélisation multiples.
Les changements fréquents d’offre,
de clients (parfois ils se globalisent
ou se délocalisent), de partenaires,
de canaux de vente (explosion du
e-commerce sur Internet), d’activités, entraînent des changements
dans les modèles et dans la propagation des données. Les évolutions
de normes et standards d’échange
impactent également les modèles
de données, de même la nécessité
ou non de conserver les clients
(nécessité légale ou induite par des
outils d’aide à la décision).
3 - Manque de maturité
technologique
Les « solutions » informatiques ont
longtemps été pensées comme des
blocs monolithiques, avant que,
pour des raisons de rationalisation
des coûts, de mutualisation de
l’organisation DSI et d’évolution
exponentielle des performances
(augmentation des performances
réseau/processeurs), elles soient
progressivement construites à
partir de composants choisis pour
l’ensemble de l’entreprise.
Cette logique de découplage permet, au delà de l’objectif de baisse
des coûts, de rendre plus indépendants les services statiques et dynamiques associés aux données du
reste des composants du SI (notamment les services directement
associés aux processus métier).
Il faut cependant toujours composer avec un historique qui n’est
pas partout conforme à cette logique, loin s’en faut ! Mais il permet
aujourd’hui de composer avec une
grande distribution des îlots du
système d’information et d’en maîtriser les flux d’échanges (même
lorsqu’ils sont importants).
Trois axes pour réussir
Les leçons tirées du passé ont
permis de dégager trois axes de
définition des concepts régissant
une approche MDM : une démarche méthodologique, une réponse
technologique, une structuration
organisationnelle.
• La démarche méthodologique
doit se baser sur quelques principes, facteurs clé de succès :
- Définition d’une vision et mise
en œuvre progressive tirée par une
priorisation argumentée des besoins
(création de valeur pour l’entreprise,
Retour sur Investissement et Coût
Total de Possession optimisés)
- Distinction entre besoins locaux
et besoins globaux en privilégiant
les besoins globaux créateurs de
valeur et les besoins locaux déterminants pour la mise en cohérence
de l’ensemble.
- Séparation (tant que possible) des
données et des processus : la description des processus sera réduite
à l’identification des événements
déclenchant les échanges inter
domaines, et les séquences d’activités de transformation et propagation des informations (incluant
les principes et normes en matière
d’échanges pour répondre à un
besoin d’ouverture vers des partenaires externes (entreprise étendue) ou de synergie entre diverses
branches.
métier), d’ajouter une couche d’architecture peu intrusive renforçant
la cohérence globale, et de consolider progressivement les données
par projet.
- Définition des principes et standards au niveau global sans préjuger d’un choix technologique : en
particulier identification des macrocomposants communs (fondamentaux de gestion supportés par des
composants SI mutualisables),
favorisant la cohérence globale et
les économies d’échelle.
• La structuration organisationnelle
• La réponse technologique,
conciliant les aspects statiques et
dynamiques.
Celle-ci est focalisée non sur une
solution mais sur une architecture
orchestrée : la maîtrise des données maîtres transverses implique
la définition d’un niveau d’abstraction entre la réalité physique du
SI et la réalité opérationnelle de
l’entreprise. Il s’agit de le réaliser
en mettant en oeuvre une couche
d’orchestration des données maîtres transverses.
En d’autres termes, cela signifie
d’intégrer tant que possible le
SI existant (non remise en cause
systématique des applications
Elle doit s’inscrire dans la durée,
avec la préoccupation de pérenniser l’approche MDM par la mise en
place d’une véritable gouvernance
des données maîtres transverses au
niveau de l’entreprise impliquant
des représentants métier et IT.
Sa mission doit être de fournir les
modèles, composants et règles de
gestion et d’accès aux informations
répondant :
- aux exigences stratégiques d’amélioration de qualité et d’accès aux
données, en cohérence avec les
besoins émis par les directions
métier
- au besoin de mise en cohérence
du SI, lors de tout nouveau projet
- aux différents besoins d’intégration, de reporting ou de consolidationtion des besoins business
initiés par les processus.
Septembre 2009 - Livre Blanc © Solucom 17•
En conclusion
Dès l’instant où l’on traite d’un
sujet transverse du système d’information, il est nécessaire de l’adresser globalement pour en garantir le
succès sur la durée.
C’est donc sans surprise que ce livre
blanc du MDM met l’accent sur
l’importance de la gouvernance.
L’objet d’une démarche MDM, la
donnée, concerne de nombreux
acteurs dans l’entreprise, y compris des acteurs métiers, répartis dans différentes structures
organisationnelles.
Les germes de cette gouvernance
doivent donc être plantés dès le
début du déploiement de la démarche MDM afin de pouvoir fournir un
cadre pérenne à chaque nouvelle
étape de mise en œuvre.
18• Livre Blanc © Solucom - Septembre 2009
Ainsi un programme MDM doit
débuter par des projets s’appliquant dans un premier temps à
un périmètre réduit, donc maitrisable, afin d’obtenir des victoires
rapides, valorisables et permettant
d’obtenir des retours d’expériences
qui permettront d’affiner, d’améliorer par itération le dispositif de
gouvernance.
Enfin, un tel programme nécessite de s’appuyer sur une triple
expertise couvrant les domaines
suivants :
• La gouvernance du SI, pour la
maitrise opérationnelle du déroulement du programme et l’alignement sur la stratégie métier ;
• La transformation du SI pour réaliser l’urbanisation de la donnée,
définir la cible pour le SI relativement à cette urbanisation de la
donnée et le plan d’évolution pour
atteindre cette cible ;
• L’architecture du SI, pour la mise
en œuvre du plan de transformation du SI et la réalisation des projets implémentant la démarche
MDM ;
C’est à ce prix que le système d’information de l’entreprise pourra
répondre aux challenges métiers
et technologiques de demain.
À propos de Solucom
Solucom est un cabinet indépendant
de conseil en management et SI.
Ses clients sont dans le top 200
des grandes entreprises et
administrations. Pour eux, le cabinet
sait mobiliser les compétences de
près de 1000 collaborateurs.
Pour en savoir plus, www.solucom.fr
Septembre 2009 - Livre Blanc © Solucom 19•
Tour Franklin, 100-101 Terrasse Boieldieu, La Défense 8
92042 Paris La Défense Cedex
Tél. : 01 49 03 25 00 Fax. : 01 49 03 25 01
www.solucom.fr
© Copyright Solucom - Tous droits réservés ISBN 2-9525584-9-3- EAN 9782952558495 - Responsable de la publication : Patrick Hirigoyen - Crédit photo : Xavier Renaud - Istockphoto - Création :