Stibo Systems - The Master Data Management Company

← Dos

MDM multidomaine ou MDM à domaines multiples ?

Master Data Management Blog by Stibo Systems logo
| 8 minutes de lecture
août 26 2021

Les solutions de Master Data Management « multidomaine » (MDM) ne sont pas toutes identiques. Voici leurs différences et pourquoi vous devez les connaître.

En sélectionnant des solutions de Master Data Management et de gouvernance des données, l'un des nombreux aspects que vous êtes susceptible d'évaluer sera la prise en charge du MDM « multidomaine ». Il est presque certain que votre premier réflexe sera de choisir une solution qui « peut tout faire ». Souvent, ce choix se fera alors que votre cas d'usage actuel ne couvre qu’un seul domaine de données, par exemple les données sur les clients ou sur les produits. Afin d'utiliser plus efficacement les ressources disponibles, une solution unique, capable d'évoluer, serait bien sûr préférable.

Le MDM multidomaine n'est pas identique au MDM à domaines multiples.

Les termes multidomaine et domaines multiples sont souvent utilisés de manière interchangeable. Or ils présentent des différences de taille ! Toutes les solutions « MDM multidomaine » ne sont pas identiques. Il existe une très nette différence entre une solution qui gère plusieurs domaines et une solution qui est multidomaine. Comprendre cette différence pourrait améliorer de façon radicale votre analyse de rentabilité et vos résultats en matière de MDM.

Pour l’expliquer, nous allons revenir sur certains concepts et définitions de base.

MDM multidomaine ou MDM à domaines multiples

Tout d'abord, qu'entendons-nous par « domaine de données de référence » ?

Un domaine correspond généralement au type de données de référence sur lequel nous nous concentrons. N'oubliez pas que les données de référence sont la plupart du temps des informations métier critiques et peu volatiles. Les domaines de données courants concernent les clients, les fournisseurs, les produits, les actifs et les localisations.

La maîtrise du domaine des données client exige la mise en place de moyens uniques permettant d’identifier les clients d’après leur nom, leur adresse, leur identifiant et d’autres attributs distinctifs. Le MDM y parvient en assurant la transparence de ces données, ainsi que leur qualité, leur uniformité, leur cohérence, etc., afin qu'elles puissent être partagées et utilisées de manière fiable dans toute l'entreprise.

Certaines solutions MDM se concentrent davantage sur la maîtrise d'un seul domaine de données, par exemple les clients ou les produits. Ceci parce que les cas d'usage pour la gestion de certains types de domaines peuvent être très spécifiques.

Par exemple, il est peu probable que l'utilisation du machine learning pour identifier des produits sous forme d’images soit couramment employée pour identifier des clients. D'autre part, les données client proviennent généralement de multiples systèmes externes et sont enrichies par des systèmes externes. Elles suivent en outre davantage une mise en œuvre de style consolidation ou registre. Ces caractéristiques peuvent amener à gérer différemment le domaine des données client.

En revanche, les données sur les produits ont tendance à suivre une méthode de création, d'enrichissement et de syndication plus « linéaire », à source unique. Elles se prêtent donc à un style de mise en œuvre plus centralisé et à une approche basée sur des workflows.

Pour gérer ces différents cas d'usage et lorsque le but est de pouvoir faire évoluer la solution MDM, il est important d’envisager le choix entre une solution MDM multidomaine et une solution à domaines multiples.

Le MDM multidomaine et le MDM à domaines multiples diffèrent à bien des égards

MDM à domaines multiples
MDM multidomaine
Peut nécessiter des « modules » ou des « outils » supplémentaires pour prendre en charge d'autres domaines de données.
Fonction de gouvernance de données intégrée et native qui s'applique à tous les domaines et à leurs points d'intersection lorsque ces domaines sont reliés.
Peut manquer de la capacité à gérer à la fois le choix du domaine et le style de mise en œuvre.
Capable de mêler les styles de mise en œuvre et les cas d'usage (MDM multivecteur) pour différents domaines.
Peut nécessiter une configuration ou un codage importants pour rendre possible la gestion de domaines multiples.
Approche de modélisation et de gouvernance des données basée sur la configuration.

Le MDM multidomaine assure une gouvernance unifiée de tous les domaines.

Les solutions MDM à domaines multiples utilisent généralement une fonction de gouvernance spécifique pour chaque domaine géré. Par contre, une véritable solution multidomaine fournit une fonction de gouvernance identique et uniforme pour tous les domaines de données. Une solution multidomaine permet la gouvernance des relations entre les domaines et entre les données contextuelles.

blog_zone-multidomain-mdm
Les noms peuvent être similaires, mais seules les véritables solutions MDM multidomaine partagent une
approche de gouvernance unifiée pour tous les domaines en utilisant une technologie commune.


Il est important de comprendre la différence.

Certains cas d'usage nécessitent la gouvernance simultanée de plusieurs domaines et de leurs relations, c'est-à-dire une gouvernance multidomaine.

Le MDM multidomaine permet d'établir des relations entre des données provenant de différents domaines. Il assure la gouvernance de l’ensemble de ces relations. Des règles de gouvernance sont écrites pour les données dans le contexte de ces relations étendues.

Lorsque cette fonction est prise en compte dans le processus d'évaluation, elle permet de mesurer la valeur de la solution, même si cette fonction de gouvernance n’intervient pas dès la première phase de la mise en œuvre.

blog_governance policy-1
Contrairement aux solutions à domaines multiples, le MDM multidomaine permet d'appliquer une
politique de gouvernance aux relations existant entre les différents domaines de données.


Par exemple, pour la définition de ce qui constitue un ménage, la gouvernance doit se faire collectivement sur les données de partie (une partie étant une personne ou une entreprise) et sur les données de localisation.

Dans l'exemple de la gestion des actifs de sécurité, pour la définition des caractéristiques d'un point de sécurité, la gouvernance doit se faire collectivement. Elle doit prendre en compte les équipements (extincteurs, équipements de protection), le personnel qualifié pouvant intervenir, les dispositifs préventifs (capteurs IoT, caméras) et les lieux où se trouvent ces éléments.

Dans les services financiers, une vision unifiée du client sur l’ensemble des divisions métier exige une compréhension des différentes relations contractuelles pouvant survenir lorsque les clients interagissent avec différents produits et services. Dans un tel cas, le MDM multidomaine aide à gérer les différences possibles dans les enregistrements des données de référence. S’il existe deux relations contractuelles différentes pour un même produit, il est possible, par exemple, d'avoir deux adresses légales différentes pour une même partie.

Dès le départ, réfléchissez à votre décision

Peut-être pensez-vous ne pas pouvoir vous concentrer sur plus d'un projet de gouvernance de domaine à la fois. Vous devriez malgré tout garder en tête l’approche multidomaine. Elle peut vous offrir un excellent moyen d’obtenir davantage de valeur de votre projet MDM initial. En utilisant une mise en œuvre de style registre ou consolidation avec votre domaine d'intérêt initial, vous pourrez en retirer davantage de valeur en ajoutant des domaines de données complémentaires. Même si ces données complémentaires ne sont pas de la plus haute qualité, elles peuvent être utilisées pour améliorer le support du data stewardship.

La capacité à prendre en charge simultanément différents styles de mise en œuvre et cas d'usage est souvent appelée « solution MDM multivecteur ». Cette approche mérite d'être envisagée si vous disposez d'une grande quantité de données de faible qualité. C’est assez souvent le cas par exemple pour les données sur les prospects. Par conséquent, à moins que vous n'utilisiez un seul domaine très ciblé, il est judicieux d’envisager la façon dont votre objectif de gouvernance de données pourrait évoluer pour prendre en charge des domaines supplémentaires et leurs relations.

Pourquoi vous devriez envisager le MDM multidomaine, même pour la mise en œuvre d’un seul domaine.

MDM à domaines multiples
MDM multidomaine
Il peut être nécessaire d'apporter des modifications plus importantes aux règles de gouvernance des données et de data stewardship à mesure que davantage de données sont intégrées.
Permet d'améliorer les performances du data stewardship, en réduisant le nombre de modifications de la politique de données. Les data stewards peuvent exploiter les informations fournies par un domaine de données complémentaire.
À mesure que de nouvelles sources de données sont intégrées, il peut être nécessaire de reconsidérer les règles de qualité des données associées au premier domaine.
Augmente la qualité des données pour le domaine principal lorsque les data stewards ont accès à un domaine secondaire dans une mise en œuvre de style consolidation.
Manque souvent des capacités de gouvernance nécessaires pour produire des ensembles de données fiables aux points d'intersection entre les domaines de données. Ce manque peut avoir un impact sur l'analyse lorsque les données elles-mêmes ne sont pas suffisantes pour prendre une décision en toute confiance.
Crée des zones d'informations fiables et exploitables à l'intersection des domaines de données grâce aux capacités de gouvernance aux points d'intersection. Cette approche peut apporter une grande valeur à votre projet - par exemple une petite initiative en matière de données - même si ce projet concerne un seul domaine.

Le MDM multidomaine révèle davantage d'informations exploitables

Le MDM multidomaine est un outil important pour l'analyse et les décisions data-driven. C'est pourquoi, le plus souvent, il apparaît dans des projets de big data, d'IA et de machine learning pour lesquels la déduction de modèles et de relations est une capacité fondamentale.

Une solution MDM multidomaine crée et gère des « zones de visibilité » à l'intersection de plusieurs domaines de données pour permettre des prises de décision data-driven. Par exemple, tous les clients ne seront pas éligibles pour tous les produits. Certains produits peuvent être personnalisés pour un client particulier et être ainsi rendus quasi-uniques. De même, l'utilisation d'un certain produit à un certain endroit peut avoir un impact contractuel.

blog_zone of insight
Créez des zones de visibilité uniques à l'intersection des domaines de données avec le MDM multidomaine

 

Le MDM multidomaine en action

Donc, quels sont les cas d'usage du MDM multidomaine ? En voici quelques exemples :

  • Small data – L'ajout d’ensembles de small data contextuellement significatifs à des informations de domaines interconnectés peut faciliter la prise de décision. Par exemple, un client, en un lieu donné, dont le vol est sur le point d’être annulé, pourrait être redirigé automatiquement vers une autre option.
  • Analyse – La création de zones de visibilité entre des domaines interconnectés peut donner aux responsables une plus grande confiance dans leurs prises de décision et favoriser la transparence de l’activité.
  • Vue à 360° – La construction d'une vue unifiée du client peut nécessiter l'agrégation de différents éléments de données de référence et de leurs attributs respectifs à partir de plusieurs sources. Dans un tel cas, la gouvernance inter-domaines fournie par une solution multidomaine est d'une grande utilité. Elle permet « d’ajuster » les données source pour créer la vue souhaitée en fonction de l'objectif recherché pour la vue unifiée. Par exemple, selon le produit (domaine des données produit) qu'un client (domaine des parties) utilise, son adresse peut être différente. Des styles de mise en œuvre consolidés sont fréquemment utilisés pour créer cette vue, mais dans certains cas, un ou plusieurs domaines peuvent être centralisés. Dans la vue à 360° d'un actif, les données relatives à l’emplacement qui lui est attribué peuvent croiser les données de partie qui décrivent l'organisation gérant cet actif.
  • Big Data – Le MDM multidomaine est utile pour accroître la qualité et la cohérence d'un référentiel de big data. Il peut constituer une source de données de référence gouvernée, adjacente au référentiel, et qui peut ensuite y être intégrée. Il peut ainsi servir de « boussole » pour faciliter la navigation dans les données.
  • IoT – Les informations hautement contextuelles ou sensibles au facteur temps qui proviennent de nombreux types de sources IoT peuvent être combinées avec les données de référence. Elles fournissent ainsi des informations judicieuses facilitant les prises de décision sensibles au facteur temps.
  • Génération de données synthétiques – Le MDM multidomaine peut aider à gouverner les ensembles de données pour en assurer une représentation plus fiable et plus complète lorsqu'ils sont générés sous forme d'ensembles de données synthétiques. De bons ensembles de données synthétiques améliorent la capacité des projets de science des données à produire de meilleurs résultats pour les prévisions et le machine learning. Le MDM multidomaine permet d’augmenter le nombre, le type et la richesse des ensembles de données et des cas d'usage.
  • Gestion des données applicatives – L’ADM (Application Data Management) est le « MDM » pour des applications ou des processus métier spécifiques. Une approche multidomaine de l'ADM combine et unifie les éléments clés des données de référence afin d’assurer la gouvernance au niveau des applications.
  • MDM contextuel – La capacité à produire les bonnes données de référence dans un contexte spécifique est une capacité importante du MDM multidomaine. Voici des exemples de cas d'usage du MDM contextuel. Savoir quelles pièces sont nécessaires pour réparer la voiture d'un client avant qu'il n'arrive. Personnaliser les produits et les services en fonction de préférences individuelles. Gérer les différences entre les informations de référence contractuelles enregistrées (noms, adresses, coordonnées, etc.) pour différentes divisions métier.
  • Mauvaise qualité des données (domaine unique) – L'intégration de données de référence dans le domaine de données principal peut permettre aux data stewards de résoudre les divergences présentes dans ce domaine, même si les données secondaires sont de qualité douteuse.

Et maintenant, commençons !

À titre de conclusion, voici quelques points à prendre en compte si vous réfléchissez au type de solution MDM qui pourrait vous convenir.

  1. Placez-le dans l'appel d'offres. Même si votre cas d’usage concerne un seul domaine de données, il est préférable de demander la capacité multidomaine dans votre appel d'offres pour voir comment les différents fournisseurs vont y répondre. Examinez comment ils démontrent leur capacité multidomaine et comment ils interprètent son avantage pour votre cas d’usage. La combinaison de capacités MDM multidomaine et multivecteur au sein d'une même solution peut vous offrir une plus grande souplesse de mise en œuvre et, surtout, vous permettre de changer plus tard de style de mise en œuvre.
  2. Intégrez-le à votre analyse de rentabilité : Envisagez d'explorer les avantages potentiels liés à l'intégration de certains aspects de base du multidomaine dans le cadre de votre premier projet. En particulier, recherchez les avantages obtenus pour la gouvernance des small data dans les zones de visibilité qui décrivent les relations inter-domaines de vos données.
  3. Commencez votre parcours multidomaine avec un objectif applicatif : Une approche spécifique aux applications (ADM), ou aux processus, est parfois plus facile à mettre en place qu'une initiative couvrant toute l'entreprise. Dans ce cas, une solution MDM multidomaine et multivecteur peut vous amener à destination plus rapidement et plus efficacement.

La prise en compte de ces éléments dans le processus de sélection d'une solution MDM peut sembler ajouter de la complexité (surtout si votre objectif initial concerne un seul domaine). Elle peut cependant vous apporter des avantages significatifs par la suite. Être préparé à ce qui pourrait venir ensuite n’est jamais une mauvaise chose.

Pour plus d'informations sur l'approche de Stibo Systems en matière de MDM multidomaine, visitez stibosystems.com/fr.

New call-to-action


Master Data Management Blog by Stibo Systems logo

Au cours des 20 dernières années, Darren a conseillé les entreprises sur la sélection et la mise en œuvre d'outils logiciels supportant leur stratégie de gouvernance de données. En tant que directeur de la stratégie sectorielle, Darren aide les responsables d'entreprise à comprendre et à quantifier l'impact positif d'une bonne gouvernance de données et, en particulier, du Master Data Management, sur leur organisation.

Articles de blog par thématique

  • Gouvernance des données
  • Retail et distribution
  • Stratégie MDM
  • Voir plus
  • Fabrication
  • Données produit et PIM
  • Durabilité
  • CPG
  • Données client et partie
  • Données fournisseur
  • IA et machine learning
  • Qualité des données
  • Données de localisation
  • Services financiers

Retour sur la NRF 2024 : à l'ère de l'IA, de meilleures données peuvent faire toute la différence

3/17/24

Assurer la résilience de la chaîne d'approvisionnement : Stratégies et exemples

3/11/24

Responsabilité climatique et traçabilité dans le retail

3/4/24

Le Master Data Management peut améliorer votre solution ERP

2/27/24

Tendances 2024 de la Data Gouvernance

2/27/24

Pérennisez votre activité retail avec le Commerce modulaire

2/20/24

Les 3 avantages du commerce headless associé à une solution PIM

2/13/24

Qu'est-ce que le Smart Manufacturing et pourquoi est-ce important ?

11/30/23

Transformation digitale : 5 raisons d’échec courantes dans le secteur manufacturier

11/30/23

5 défis majeurs dans le secteur manufacturier

11/30/23

Tendances et perspectives de l’industrie manufacturière — 2023-2025

11/30/23

Global Summit 2023 du CGF : Assurer une croissance durable grâce à la collaboration et à l'innovation

7/27/23

Relever les défis des chaînes d'approvisionnement avec le MDM

7/11/23

Utiliser l'IA générative exige des données gouvernées

6/6/23

Comment exploiter l'IoT avec le Master Data Management

5/31/23

La gouvernance des données, une approche essentielle pour la gestion des actifs

3/30/23

4 méthodes pour réduire les retours du e-commerce

3/28/23

Passeports numériques des produits

3/16/23

4 styles courants de mise en œuvre du Master Data Management

3/14/23

Dans le retail, la durabilité exige des données « gouvernées »

2/22/23

Qu’est-ce que la gestion augmentée des données ?

2/16/23

NRF 2023 : Le retail s’oriente vers l'IA et l'automatisation pour une plus grande efficacité

2/13/23

CPG et FMCG, quelle différence ?

2/3/23

Comment réduire les obstacles à l'innovation grâce à une meilleure gestion des données

1/11/23

Comment calculer l’Eco-Score des produits alimentaires

1/4/23

Le Retail du Futur

12/21/22

Le MDM de Stibo Systems introduit de nouveaux standards d’échange industriels

12/15/22

Stratégies omnicanales pour le retail

12/14/22

Qu'est-ce que la distribution omnicanale et quel est le rôle de la gestion des données ?

11/8/22

La transformation digitale dans le secteur des CPG

7/25/22

Créez une culture de transparence des données

7/18/22

La gestion des données produit lors des fusions et des acquisitions

6/7/22

Qu’est-ce que le Data as a Service (DaaS) ?

5/24/22

Défis de la chaîne d'approvisionnement dans l'industrie CPG

5/18/22

Migration des données vers SAP S/4HANA - Une approche rapide et sûre avec le MDM

5/3/22

Qu’est-ce qu'une donnée synthétique ? Et pourquoi ont-elles besoin du MDM ?

4/22/22

Gouvernance des données : les cinq écueils à éviter

3/9/22

Gagner dans le retail en libérant toute la puissance des données

3/3/22

Silos de données. Comment les transformer en zones de visibilité ?

2/23/22

Stratégie de monétisation des données de référence, quel ROI ?

2/15/22

La transparence des données pour un retail durable

2/10/22

Quatre tendances dans l'industrie automobile

11/11/21

Quels obstacles entravent la reprise du retail mondial ?

11/4/21

Cinq étapes pour une feuille de route MDM stratégique

10/28/21

Nettoyage des données : priorité des PGC

10/21/21

Besoin de Big Data ? Pensez d'abord Small Data

10/14/21

Prenez-vous des décisions à partir d’informations HCO/HCP erronées ?

10/7/21

Comment améliorer votre gestion de données

9/23/21

Retail : Neuf façons dont le MDM améliore l'expérience client

9/16/21

Produits alimentaires : vers la transformation digitale avec le MDM

9/9/21

Tendances et opportunités du secteur des CPG en 2023

9/2/21

Pourquoi les données revendeurs sont importantes pour les fabricants

8/31/21

MDM multidomaine ou MDM à domaines multiples ?

8/26/21

Comment mettre en place une source unique de vérité avec le MDM

8/12/21

Qu'est-ce que le Master Data Management ? Pourquoi en a-t-on besoin ?

8/5/21

Comment obtenir davantage de valeur de vos données

7/29/21

Le MDM multidomaine pour des expériences client hyper-personnalisées

7/7/21
Vous avez aimé cet article ?

Inscrivez-vous pour recevoir les prochains articles par e-mail