Guide : Mieux modéliser les données d'entreprise grâce à la gouvernance des données de référence

Lorsqu'un CDO atteint l'excellence en gouvernance des données de référence, il passe de quelqu'un qui passe son temps à réparer de manière réactive les problèmes lorsque les données deviennent désordonnées ou cassent un système, à un facilitateur proactif et omniscient du business. Cette série explore pourquoi la gouvernance des données de référence est essentielle pour : la modélisation des données, la qualité des données, le contenu riche, les normes industrielles et l'enrichissement des données.

Introduction

Sans un modèle de données solide en place, votre organisation pourrait se retrouver dans toutes sortes de situations délicates.

Cela pourrait entraîner des problèmes allant des clients qui ne reçoivent pas leurs commandes parce que vous avez la mauvaise adresse au manque de garde-fous pour se conformer aux réglementations comme le RGPD et le HIPAA : clients et régulateurs mécontents ne font pas bons ménage avec le business.

Nous avons donc écrit ce guide pour vous aider à définir ce qu'est votre modèle de données, vous aider à décider s'il est temps de changer — et surtout, vous montrer pourquoi votre modèle de données doit être construit sur une base solide de gouvernance des données de référence.

Continuez à lire pour découvrir comment vous pouvez passer de gardien à guide en améliorant votre modèle de données avec la gouvernance des données de référence.

"Back to basics": qu'est-ce qu'un modèle de données ?

Tout d'abord, qu'est-ce qu'un modèle de données ? 

En termes simples, un modèle de données est comme un plan ou une carte qui aide à organiser et à structurer les informations. Il définit la manière dont les données sont stockées, validées, organisées et accessibles au sein d'une base de données ou d'un système. Considérez-le comme un plan qui décrit les différents types de données, leurs relations les unes avec les autres et les règles régissant leur manipulation. Cela permet de garantir que les données sont cohérentes, précises et efficaces.

Les trois éléments clés sont :

• Attributs : Bouts d'information individuels sur une pièce, un produit, un client, un fournisseur, etc.
• Entités : Un ensemble d'attributs qui se réunissent pour décrire cette pièce, ce produit, ce client ou ce fournisseur
• Relations : Comment les attributs ou entités individuels doivent interagir et se comporter autour d'autres attributs ou entités dans vos systèmes.
  
  

Évaluer vos options  

Vous pourriez vous retrouver avec des millions de ces attributs, entités et relations, c'est pourquoi vous devez les classer correctement. Cela vous aide à regrouper vos pièces, produits, clients et fournisseurs dans une hiérarchie afin que vous puissiez trouver plus facilement les informations dans les grandes organisations

Définir votre modèle de données est le début d'une gouvernance solide. Prenez, par exemple, les formulaires que les employés doivent remplir. Saisir des informations incorrectes dans un formulaire pourrait perturber les processus dans un autre système — c'est pourquoi vous limiteriez ce qu'ils peuvent entrer dans chaque champ, tout en établissant quels champs sont obligatoires.

Lorsque vous avez un modèle de données en place, vous pouvez définir des politiques et des règles pour collecter des données afin qu'elles s'adaptent et se conforment à ce modèle.

Établir le bon modèle de données impacte la gouvernance future, ce qui à son tour impacte les opérations et les rapports commerciaux.

Tout est connecté.

Il est temps de changer de modèle de données ?  

Toutes les grandes entreprises ont déjà un modèle de données. Mais il peut être affecté par tout ce qui arrive à votre entreprise et/ou à l'environnement dans lequel elle opère. Cela signifie que vous pourriez avoir besoin d'apporter des changements, de standardiser ces modèles ou de cartographier leurs relations.

Cela pourrait être des questions sociales. Par exemple, si vous avez besoin de données pour soutenir des pratiques de travail éthiques. Cela pourrait être aussi de nouvelles réglementations industrielles comme la santé et la sécurité ou encore l'ESG. Des situations économiques et politiques limitent aussi la manière et les endroits où vous êtes autorisé à commercer.

Voici quelques-uns des scénarios les plus courants où vous devrez revoir ou adapter votre modèle de données :

Mise en œuvre d'une nouvelle application ou solution 

Si, par exemple, vous adoptez une nouvelle plateforme de données — comme Salesforce — elle est fournie avec un modèle de données préconfiguré. Vous devrez reconfigurer cela pour qu'il fonctionne avec votre modèle de données actuel.  

Tous les nouveaux attributs, types d'entités ou structures de relations doivent être intégrés dans le modèle de données universel pour accueillir toutes les nouvelles activités commerciales associées au nouveau système.

Et vous devez également considérer le niveau de gouvernance des données intégré dans le nouveau système. Vous pourriez avoir un modèle fantastique, mais si vous permettez aux gens de taper ce qu'ils veulent dans le système, vous tomberez rapidement dans le chaos, perturbant les systèmes et processus commerciaux existants.

Migration vers une nouvelle plateforme

Parfois, vous devrez déplacer vos données d'une plateforme à une autre — comme lorsque l'ancienne plateforme devient obsolète. SAP ECC est un bon exemple ici, car il est remplacé par SAP S/4HANA.

Ces situations offrent l'opportunité parfaite de revoir votre modèle de données actuel pour voir s'il répond toujours à vos besoins. Est-il trop rigide ? Les relations entre les tables sont-elles trop complexes ? Votre entreprise doit-elle utiliser des solutions de contournement pour transformer les données et les faire circuler correctement dans l'organisation ?

Chaque ERP a un modèle de données intégré différent, ce qui peut gêner le traitement direct (STP). Et sans la capacité de réconcilier plusieurs modèles de données, la migration peut être coûteuse et complexe, avec une forte dépendance aux implémenteurs externes.

Fusionner ou acquérir  

Lorsque deux entreprises fusionnent, vous avez deux modèles de données concurrents. Mais malheureusement, il ne suffit pas de les mettre dans un combat à mort pour voir lequel l'emporte.

Le Chief Data Officer et son équipe devront consolider les attributs, les entités et les relations, et reclassifier les données en une seule hiérarchie. Ensuite, vous pouvez adapter les règles, politiques et processus pour créer une seule organisation du point de vue des données. Sans modèle de données universel, il est difficile pour le reste de l'entreprise d'atteindre un modèle opérationnel universel.

Apprendre des malheurs des autres

Il incombe au CDO de surveiller les événements se déroulant à l'extérieur de l'organisation — car lorsque les choses tournent mal dans d'autres organisations, vous avez l'opportunité d'en tirer des leçons et d'appliquer des mesures correctives avant qu'elles ne se produisent dans votre propre entreprise.  

Cela pourrait aller des amendes pour des données incorrectes sur les calories ou la durabilité, à une faille de sécurité exploitant un accès aux données mal défini dans un modèle de données.

Trois raisons pour lesquelles une mauvaise gouvernance des données est mauvaise pour les affaires

Comme nous l'avons dit dans notre introduction, en matière de gouvernance des données et de qualité des données, tout est connecté. 

Sur cette base, nous avons une théorie chez Stibo Systems :

Exemple 1 : Produits

Les données produit contiennent toutes sortes d'informations importantes, des dimensions et des images aux spécifications et options de tarification.

Tout doit être présent, correct et distribué à tous les acteurs qui dépendent d'avoir des informations correctes et à jour — comme toute personne impliquée dans la vente des produits.

Quel est le pire qui pourrait arriver ?

Lorsque les bonnes personnes n'ont pas accès aux bonnes informations sur les produits, il existe toutes sortes de façons dont vous vous retrouverez avec des clients mécontents et des gestionnaires de catégories mécontents.

Voyez simplement ce qui se passe lorsqu'un produit est incorrectement soldé et promu en ligne sans images et avec de mauvaises spécifications. Vous vous retrouverez avec des chiffres de vente inférieurs aux prévisions en raison de taux de conversion faibles, avec moins de profit que vous ne devriez avoir par vente, tandis que plus de clients retournent des articles parce qu'ils n'obtenaient pas le produit exact qu'ils attendaient.

Exemple 2 : Logistique

La logistique est un autre domaine qui nécessite des informations précises dans une variété de domaines.

Tout d'abord, il y a tout ce qui concerne directement un article : la hauteur, la longueur, la profondeur, le poids. Ensuite, il y a l'endroit où vous amenez l'article (l'adresse) et comment vous vous y rendez (le chauffeur-livreur a-t-il reçu un itinéraire approprié et efficace ?).

Quel est le pire qui pourrait arriver ? 

Avoir le mauvais poids et la mauvaise taille des articles signifie que vous aurez des camions mal chargés. Peu importe que les mauvaises adresses signifient que le client ou le magasin ne recevra jamais leurs articles !

Et, pour couronner le tout, le camion n'a plus de toit, car l'itinéraire a conduit le chauffeur-livreur, sous un pont qui était trop bas.

Vous aurez des chauffeurs mécontents, des clients mécontents, des ventes réduites et des étagères vides.

Exemple 3 : Clients

Les entreprises conservent beaucoup de données sur leurs clients — mais s'agit-il d'informations correctes et disponibles pour les bonnes personnes ? Si les employés peuvent saisir de nombreuses réponses libres dans les champs, tout peut finir par s'embrouiller. Facile à faire lorsque vous essayez de passer autant d'appels par jour mais ne trouvez pas les bons champs pour certaines informations.

Quel est le pire qui pourrait arriver ?

Vous aurez inévitablement des détails personnels incorrects, dupliqués, des adresses et des données sur les ménages.

Si vous envoyez des documents marketing, vous pourriez finir par poster trois prospectus à trois personnes qui vivent toutes à la même adresse (c'est si vous les envoyez même à la bonne adresse).

Vous pourriez leur envoyer une offre d'assurance auto pour un véhicule qu'ils ont vendu il y a six ans — ou pire encore, une offre d'assurance vie à quelqu'un qui est déjà décédé.

Et dans un scénario plus extrême (et potentiellement dangereux), un prestataire de soins de santé pourrait finir par prescrire le mauvais médicament ou réserver les gens pour les mauvaises opérations.

>> Voyez comment vous conformer aux normes industrielles avec cette liste de contrôle pratique.<<

Pourquoi une bonne gouvernance des données est bénéfique pour les affaires

Plus de noyade dans les "data lakes"

Les entreprises sans modèle de données universel luttent constamment pour déplacer les données entre leurs systèmes.

Beaucoup finissent par jeter toutes leurs données dans un data lake central pour les transformer, trier et analyser — mais comment savoir si les données que vous utilisez dans votre data lake sont correctes ?

Avec une gestion des données de référence en place, vous pouvez contrôler, organiser et structurer les données à leur source. Vous saurez alors que tout dans le data lake est prêt à l'emploi.

Connaître la qualité technique de vos données par rapport à la qualité commerciale de vos données

Lors de l'évaluation de la qualité des données, il est important d'utiliser des outils de profilage des données pour examiner attentivement le contenu réel de vos données — il ne suffit pas de supposer que vos données sont correctes simplement parce qu'elles sont conformes au modèle de données.

Ce n'est pas parce qu'une information est techniquement correcte qu'elle est utile à l'entreprise.

Voici un exemple pour vous :

« Wile » suit évidemment les règles de ce que pourrait être un vrai prénom. Il est composé de lettres, et aucun chiffre, point d'interrogation ou point d'exclamation ne s'y est glissé.

En suivant ces règles, « Coyote » pourrait également être techniquement un nom de famille. Donc, pas de problème ici — à part le fait que votre système n'a pas détecté que ce n'est évidemment pas une vraie personne. En supposant que vous ne faites pas réellement des affaires avec l'ennemi juré de Road Runner.

Mais il y a un autre problème potentiel. Et si, par exemple, vos marketeurs essaient de vendre vos services à d'autres entreprises ? Vous pourriez avoir de gros ennuis si l'adresse e-mail que vous avez dans votre système est « Wile.Coyote@gmail.com » au lieu de « Wile.Coyote@acmeinc.com ».

Des règles de qualité des données commerciales appropriées rejetteraient l'e-mail personnel pour s'assurer que vous ne violez pas les lois sur la confidentialité des données.

Réussir avec la gouvernance des données de référence

Nous vous avons donc montré quelques exemples de ce qui pourrait mal tourner avec une mauvaise gouvernance des données, et quelques aspects positifs — ce qui ira bien avec une gouvernance des données solide

Et si vous n'êtes toujours pas convaincu, voici d'autres avantages :

Peut-être plus important encore, une gouvernance solide des données de référence rend l'équipe de données très heureuse. Avec une bonne gouvernance permettant un modèle de données solide, ils passeront moins de temps à remodeler, reformater et corriger les problèmes de données pour rendre les données utilisables.

Ainsi, en guidant votre organisation vers un modèle de données unifié et solide, vous êtes la lumière directrice qui utilise les données pour orienter l'entreprise vers une croissance plus rapide et une rentabilité accrue.

Comment y parvenir : établir une gouvernance des données solide

La gouvernance des données est indispensable à la réussite des initiatives de modélisation des données et au maintien d'une haute qualité des données techniques et commerciales dans votre modèle de données.  

Sans cela, vous n'obtiendrez pas les informations nécessaires pour prendre des décisions commerciales éclairées, ce qui signifie que vous perdrez la valeur stratégique de vos actifs de données.

Avec un modèle de gouvernance des données solide en place, vous établirez une base solide de définitions standardisées, tout en définissant les attentes en matière de gestion de la qualité des données. Cela contribue grandement à garantir une bonne posture de sécurité tout en favorisant la responsabilité qui améliore la précision et la fiabilité des données elles-mêmes.

Avant de commencer : conseils pratiques pour votre projet de gestion des données de référence

Selon Gartner, 75 % des projets de MDM ne répondent pas aux attentes des entreprises. Pourquoi ? Parce que les organisations passent souvent directement à la mise en œuvre de la technologie, sans d'abord considérer l'importance des personnes et des processus. 

Voici donc quelques-unes des choses que vous devez faire avant d'introduire la technologie :

Définir les politiques et les processus  

Une bonne gestion des données repose sur de bonnes politiques et processus pour se conformer à votre modèle de données. Ensuite, une fois que tout est planifié, la technologie peut les appliquer.

Impliquer les bonnes parties prenantes

Le sponsorship du comité exécutif est essentiel pour maintenir une responsabilité élevée et aligner l'importance du projet sur son impact sur les résultats commerciaux. Il est également vital que le CDO crée une culture des données pour transformer les attitudes envers votre modèle de données.

Des experts en la matière de différents domaines d'activité (produits, logistique, etc.) et un analyste commercial doivent être inclus et consultés, pour déterminer quels points de données impactent quelles parties du processus commercial.

Ensuite, vous demandez aux techniciens de transformer ces exigences en un modèle de données techniques, car ils auront le bon contexte pour comprendre la différence entre la qualité des données techniques et commerciales.

Accepter que la modélisation des données est un continuum

Les systèmes existants et actuels et leurs exigences devront s'adapter pour inclure les applications futures et toutes les exigences commerciales qui les accompagnent — ce qui signifie qu'ils ont la flexibilité de soutenir la vision de l'entreprise, et non seulement ses opérations actuelles.

Si vous êtes en pleine frénésie de fusions et acquisitions, par exemple, votre modèle de données devra se développer et s'adapter pour intégrer les données des autres entreprises.

Commençons : une feuille de route pour un modèle de données plus solide

1. Commencez par une révision du modèle de données : 
   • Examinez la gouvernance placée sur les attributs, les entités et les relations au sein de votre modèle de données.
2. Demandez-vous: 
   • Où est-ce que ça ne fonctionne pas ?
   • Où y a-t-il de l'inefficacité ?
   • Où y a-t-il du gaspillage ou une mauvaise expérience client ?
   • En d'autres termes, quels sont les problèmes qui se manifestent de manière récurrente dans l'entreprise ?
3. Comprenez la lignée des données dans les processus peu performants :
   • D'où viennent les données ?
   • Par quels systèmes les données sont-elles passées avant que vous n'ayez le problème ?
   • Quels humains ont eu la capacité de manipuler les données, et dans quel système ?
   • Dans quel système les données commencent-elles à sembler différentes ?
   • Où les données se déplacent-elles une fois que le problème apparaît ?
4. Ensuite, revenez en arrière, examinez le flux de données de la source à la destination finale, et déterminez comment résoudre le problème avec une meilleure gouvernance des données.
5. Vous avez du mal à trouver une solution ?
   
   • Regardez comment les individus dans l'entreprise résolvent ce problème actuellement.
   • Ensuite, écrivez la version codée de cette solution pour implémenter une correction automatisée.
   • Cela pourrait être un algorithme ou une règle pour transformer les données. Cela pourrait inclure des choses comme une vérification de la validité des données, un calcul de deux champs pour obtenir un résultat utile que l'entreprise peut utiliser dans ses opérations, ou une règle de nettoyage programmée pour maintenir les données utilisables.
6. Implémentez le garde-fou que vous avez conçu dans le modèle de données pour toutes les autres zones où une erreur similaire pourrait se produire.
7. Répétez le cheminement pour vos autres problèmes de données afin de rendre votre modèle de données plus robuste.

Nous aimons penser à ce processus comme « déplacer le pare-feu des données plus en amont ». L'objectif est de minimiser les opportunités de défaillance en assurant une meilleure gouvernance des données tout au long du parcours des données dans l'organisation.

Ce qu'il faut rechercher dans une plateforme de Master Data Management

Lorsque vous disposez de la bonne plateforme de gestion des données de référence (Master Data Management), qui soutient une bonne gouvernance du modèle de données, voici quelques-unes des choses que vous pourrez accomplir :

• Vous donner la possibilité d'appliquer une large gamme de règles et politiques de gouvernance, garantissant que les modèles de données soutiennent pleinement les règles et normes de conformité technique et commerciale — c'est crucial pour garantir que les données de référence critiques sont collectées, stockées, gérées et accessibles de manière robuste.
• Capturer automatiquement la lignée des données pour l'analyse, afin que vous puissiez voir où les données ont pu mal tourner.
• Appliquer des corrections de modèle de données, vous permettant de créer une politique pour résoudre les problèmes avec le modèle de données que vous avez trouvés lors de votre révision.
• Utiliser des blocs de modèle de données préconfigurés pour vous donner une valeur rapide. La plateforme STEP MDM, par exemple, dispose de plus de 200 attributs préconfigurés dans un modèle de données pour les clients de détail, basé sur ce qui est connu pour être le plus pratique pour eux, ainsi que toutes les règles nécessaires pour gouverner correctement ces attributs au sein des entités, à travers les relations, dans des hiérarchies et classifications appropriées.

Prenez une longueur d'avance avec votre modèle de données en téléchargeant notre handy checklist ici.