Aperçu rapide
Le concept de « gouvernance des données » a vu le jour au début des années 2000, à l'époque de la bulle Internet. Au départ, ce concept était essentiellement réservé aux équipes informatiques et consistait principalement à classer et à répertorier divers éléments de données afin de rationaliser les processus, de gérer la provenance des données et de garantir leur pertinence.
Au cours des deux dernières années, cependant, deux évolutions majeures dans les domaines technologique et commercial ont conduit à l'émergence de la « gouvernance des données de référence » (Master Data Governance) en tant que concept clé qui, tout en poursuivant plus ou moins le même objectif, a vu son champ d'application s'élargir considérablement. Les deux changements principaux étaient les suivants :
Les entreprises ont rapidement adopté des systèmes ERP et se sont mises à s'appuyer sur de vastes bases de données qui recueillaient des informations clés et guidaient les décisions commerciales tant au niveau micro qu'au niveau macro. Par exemple, la plupart des décisions commerciales prises aujourd'hui en matière d'achats, de recrutement, d'intégration des fournisseurs et de relations avec ces derniers s'appuient sur des analyses et des données issues des systèmes ERP.
En 1900, très peu de professionnels auraient pu imaginer qu’une seule entité serait chargée d’une production à une telle échelle. Aujourd’hui, il est extrêmement courant que les entreprises exploitent plusieurs sites de production à grande échelle, chargés de fabriquer des milliards de produits finis ou de mener à bien des projets dont la valeur dépasse largement les milliards de dollars. En résumé, la consolidation des activités commerciales et l’ampleur croissante des opérations n’ont pratiquement laissé d’autre choix aux entreprises que de prendre des décisions fondées sur les données, en s’appuyant sur des solutions logicielles et des systèmes ERP pour faciliter leurs opérations.
Gouvernance des données de référence (notions de base)
En raison des erreurs humaines inévitables, ce recours aux systèmes ERP, aux données de l'entreprise et à la technologie peut s'avérer être une arme à double tranchant pour les entreprises.
Au fil du temps, de mauvaises pratiques en matière de saisie, de mise à jour et de suppression des données peuvent entraîner l'accumulation de données « indésirables » dans l'ERP, ce qui peut paralyser les processus métier et entraîner des arrêts de production, des coûts de stockage élevés, une détérioration des relations avec les fournisseurs et une absence totale de visibilité sur le comportement des clients.
Cette tendance a mis en évidence la nécessité d'un système de « gouvernance des données de référence », qui constitue un élément essentiel de la gestion des données de référence et sans doute le principal levier dont disposent les entreprises pour garantir l'exactitude, la fiabilité et l'actualité de leurs systèmes de données de référence.
Une fiche de données de référence est un ensemble centralisé et faisant autorité d'informations concernant une entité clé au sein d'une organisation, telle qu'un client, un produit, un fournisseur ou un salarié.
Elles sont utilisées dans divers systèmes et processus afin de garantir la cohérence et la précision. Les données de référence comprennent généralement des informations essentielles telles que les noms, les adresses, les identifiants et d'autres attributs clés qui restent relativement stables dans le temps et sont partagées au sein de l'organisation.
La gouvernance des données de référence (MDG) agit comme une couche de contrôle structurée sur les données de référence de l'entreprise, garantissant l'intégrité, la normalisation et la conformité des données dans différents domaines tels que les articles, les clients, les fournisseurs et les finances.
Ce système garantit que la création, la mise à jour et la désactivation des données de référence s'effectuent de manière contrôlée et vérifiable, ce qui permet de limiter les risques liés à des données incohérentes ou inexactes.
Modèles spécifiques à un domaine
MDG s'appuie sur des modèles de données spécifiques à chaque domaine qui définissent :
Champs obligatoires et facultatifs
Relations hiérarchiques
Dépendances entre champs et listes de valeurs autorisées
Ces modèles assurent la validation au niveau des champs et garantissent la cohérence entre les différents systèmes.
Exemple : Dans le domaine « Fiche article », des zones telles que Type de matériau et Unité de mesure de base sont validées afin d'empêcher que des données erronées ne soient transmises aux systèmes ERP en aval.
Contrôle de la qualité des données
MDG met en œuvre des contrôles techniques dans plusieurs domaines clés :
Exhaustivité : Les champs obligatoires doivent être renseignés avant validation.
Cohérence : Les valeurs des champs sont identiques d'un système à l'autre.
Précision : Les valeurs correspondent aux sources de référence vérifiées ou aux règles métier.
Flux de travail et validations basées sur des règles
Il met en œuvre des workflows structurés intégrés à des moteurs de règles (par exemple, BRF+) afin de contrôler les validations, d'appliquer les règles de validation et d'acheminer les demandes de modification en fonction du domaine, du type de données ou de la hiérarchie métier.
Cela garantit que les données de référence respectent les règles de gouvernance avant d'être transmises aux systèmes transactionnels ou analytiques.
Prévention des doublons
La gouvernance des données de référence utilise des mécanismes de détection des doublons, notamment la correspondance approximative et la comparaison des champs clés. Les enregistrements dépassant les seuils de similitude prédéfinis sont signalés pour être examinés par le responsable, ce qui permet d'éviter les données de référence redondantes ou contradictoires.
Intégration de systèmes
MDG fait office de référence en matière de progiciels de gestion intégrée (ERP), de gestion de la relation client (CRM), de gestion de la chaîne logistique (SCM) et de systèmes de veille stratégique (BI) grâce à :
API synchrones / Services OData pour la propagation en temps réel
IDocs asynchrones / files d'attente d'événements pour la réplication en masse
Recherche fédérée et rapprochement dans les modèles de coexistence ou d'enregistrement
Cela garantit la cohérence et la haute qualité des données de référence à l'échelle de l'entreprise, ce qui permet de réduire les risques opérationnels et d'améliorer la prise de décision.
Chacune de ces disciplines nécessite une approche dynamique en matière de gouvernance des données. De plus, les entreprises prennent de plus en plus conscience que ces systèmes de gouvernance exigent un certain niveau de flexibilité en fonction du secteur d'activité, de la localisation, des produits, des services et des types de fournisseurs ; or, les systèmes existants actuellement sur le marché ne permettent tout simplement pas de répondre à ces exigences variées.
Stratégies et tactiques pour la gouvernance des données de référence
Il convient de noter que les pratiques de gouvernance ne se limitent pas simplement à un « outil », un « logiciel » ou un « recueil de règles » : il s'agit d'une compréhension, au niveau organisationnel, des processus métier, qui nécessite l'adhésion des équipes informatiques, des achats, de la réussite client et de la maintenance.
Les logiciels et les technologies ne sont que le reflet de processus et de flux mûrement réfléchis, gérés par le personnel adéquat afin d'optimiser les résultats de l'entreprise. Voici quelques-unes des stratégies qui peuvent être mises à profit.
Validation des données
Validation Joue un rôle essentiel pour garantir que les données de référence sont exactes, cohérentes et conformes aux règles métier. Le processus de validation vérifie l'intégrité des données de référence lors de leur création, de leur modification et de leur validation, empêchant ainsi l'introduction d'erreurs ou d'incohérences dans le système.
1. Définition des règles et de la logique
Règles de validation : Il s'agit de règles métier ou de logiques prédéfinies qui déterminent ce qui constitue des données de référence valides. Par exemple, une règle peut exiger qu'un identifiant client soit unique, qu'un code postal corresponde au bon pays ou qu'une catégorie de produit fasse partie d'un ensemble défini de valeurs valides.
Règles personnalisées : Les organisations peuvent définir des règles de validation personnalisées à l'aide d'outils tels que le Cadre de règles métier (BRF+), pour répondre à leurs besoins spécifiques et à leurs exigences en matière de données.
2. Validation lors de la saisie des données
Lorsque les utilisateurs créent ou modifient des fiches de données de base (par exemple, des données relatives aux clients, aux articles ou aux fournisseurs), le système vérifie la conformité de ces données par rapport aux règles de validation prédéfinies.
Validation en temps réel : Au fur et à mesure de la saisie des données, les logiciels effectuent des validations en temps réel afin de détecter des problèmes tels que des champs obligatoires non renseignés, des formats de données incorrects ou des incohérences (par exemple, des codes pays erronés ou des numéros de téléphone non valides).
Messages d'erreur : En cas de non-respect d'une règle de validation, le système génère un message d'erreur ou d'avertissement pour en informer l'utilisateur. L'utilisateur DOIT corriger les données avant de poursuivre.
Processus de validation
La quasi-totalité des plateformes et solutions de gestion des données de référence intègrent une « matrice d'approbation » offrant divers degrés de flexibilité. Cela permet de garantir qu'aucun collaborateur ne puisse, à lui seul, prendre la décision de « modifier » ou de « créer » un enregistrement de données de référence, ce qui réduit ainsi les erreurs au minimum et assure que les parties prenantes concernées aient accès aux informations relatives au processus métier approprié.
Par exemple, Supposons qu'une organisation exige que fiche fournisseur être vérifiées par rapport à une base de données de conformité afin de s'assurer que le fournisseur ne figure pas sur une liste noire ou ne fait pas l'objet de sanctions judiciaires.
Lorsqu'une nouvelle fiche fournisseur est créée ou qu'une fiche existante est modifiée, le workflow d'approbation achemine automatiquement la fiche vers le responsable de la conformité pour validation. Le responsable vérifie que le fournisseur satisfait à tous les contrôles de conformité avant que la fiche ne soit enregistrée dans le système.
En raison de la complexité inhérente aux organisations actuelles, la plupart des processus de validation impliquent plusieurs décideurs disposant de niveaux d'accès différents, ce qui devrait pouvoir être facilement configuré dans les systèmes de gouvernance des données
Gestion du cycle de vie des données
Gestion du cycle de vie des données (DLM) dans Gouvernance des données de référence désigne les processus et les politiques qui régissent la cycle de vie complet des données de référence issues de son création et utilisation à son archivage ou suppression. Le DLM garantit l'exactitude, la sécurité et la conformité réglementaire des données tout au long de leur cycle de vie, tout en minimisant les risques de dégradation, de redondance ou d'utilisation abusive des données.
Étapes clés du DLM :
Création: Les données sont saisies dans le système après avoir fait l'objet d'une validation et d'une validation en bonne et due forme.
Utilisation: Les données sont activement utilisées par divers services ou applications, ce qui garantit la cohérence et l'intégration entre les systèmes.
Maintenance: Des mises à jour et des corrections régulières sont apportées aux données afin de garantir leur exactitude et de les adapter aux besoins de l'entreprise.
Archivage: Les données qui ne sont plus utilisées activement mais qui doivent être conservées à des fins de conformité ou d'historique sont stockées dans une archive.
Suppression: Les données sont supprimées du système dès qu'elles ne sont plus nécessaires ou à l'issue d'une période de conservation définie.
Exemple
Dans un Fiches fournisseurs processus :
Création: Un nouveau fournisseur est intégré, et ses données (par exemple, ses coordonnées, ses conditions de paiement) sont saisies dans le système, validées et approuvées par les services Achats et Finance.
Utilisation: Les données fournisseurs sont utilisées dans l'ensemble des systèmes pour les achats, la facturation et les paiements.
Maintenance: En cas de changement d'adresse du fournisseur, les données sont mises à jour à l'issue d'un processus de validation et d'approbation.
Archivage: Si la fiche fournisseur n'est plus utilisée activement mais doit être conservée pour des raisons historiques ou légales, elle est archivée.
Suppression: Lorsqu'un fournisseur reste inactif pendant une certaine période (par exemple, 7 ans), ses données sont supprimées du système, conformément aux politiques de conservation et de conformité.
DLM garantit une gestion efficace et cohérente des données, dans le respect des exigences légales et réglementaires, tout au long de leur cycle de vie.
Cas d'utilisation concrets des systèmes de gouvernance des données
Matériaux et pièces de rechange MRO
Exemple : amélioration de la disponibilité des pièces de rechange et réduction des temps d'arrêt dans le secteur manufacturier
Problème en l'absence d'OMD: Une entreprise industrielle s'appuie sur un important stock de matériaux et de pièces de rechange pour l'entretien de ses machines. Cependant, en l'absence d'une gestion adéquate des données de référence des articles, l'entreprise est confrontée à des doublons dans ses enregistrements, à des références de pièces incohérentes et à des descriptions incomplètes, ce qui entraîne des retards dans la localisation et la commande de pièces essentielles. En conséquence, les machines peuvent rester à l'arrêt pendant des périodes plus longues, ce qui entraîne des perturbations opérationnelles et une perte de temps de production.
Avantage OMD: Grâce aux règles de gouvernance des données de référence mises en place pour les articles et les pièces de rechange MRO, l'entreprise peut s'assurer que chaque pièce dispose d'une fiche unique et normalisée, contenant des descriptions précises, des références et des informations sur les fournisseurs. Les règles de qualité des données garantissent la cohérence entre tous les systèmes, ce qui facilite le suivi des stocks, l'automatisation des réapprovisionnements et évite l'achat de pièces en double.
Avantage pratique: L'entreprise est en mesure d'identifier et de se procurer rapidement les pièces adéquates, ce qui permet de réduire au minimum les temps d'arrêt et d'optimiser la disponibilité des machines. Cela améliore également la gestion des stocks en réduisant les excédents, ce qui se traduit par des économies et une plus grande efficacité opérationnelle.
Fiche client
Exemple : expérience client personnalisée et conformité dans le secteur de la grande distribution
Problème en l'absence d'OMD: Une grande chaîne de distribution est confrontée à des fiches clients en double ou obsolètes. Les clients modifient fréquemment leurs coordonnées, ou plusieurs comptes sont créés pour une même personne (par exemple, en raison de variantes de nom ou de fautes de frappe). Cela nuit à l'expérience client, car les commerciaux ne peuvent pas accéder à un historique complet ou précis des clients. De plus, les équipes juridiques et marketing ne peuvent pas garantir le respect des lois sur la protection des données telles que le RGPD, car les données sont incohérentes.
Avantage OMD: En mettant en œuvre une gouvernance des données de référence pour les données clients, le détaillant peut appliquer des règles de validation des données (par exemple, s'assurer qu'il n'existe qu'un seul compte client par personne), utiliser des formats standardisés pour les coordonnées (par exemple, numéros de téléphone, adresses) et mettre en place des processus de gestion des données afin de nettoyer périodiquement les enregistrements obsolètes.
Avantage pratique: L'enseigne améliore la personnalisation de l'expérience client, car les équipes commerciales disposent désormais d'une vue unique et unifiée de l'historique d'achat, des préférences et des interactions de chaque client. Cela leur permet de proposer des recommandations et des promotions davantage adaptées. De plus, l'enseigne garantit le respect de la réglementation en matière de protection des données en tenant à jour des dossiers clients précis et actualisés, ce qui réduit les risques juridiques et évite les amendes liées à un manquement à la réglementation.
Fiches fournisseurs
Exemple : rationalisation de l'intégration des fournisseurs et de la gestion des risques dans le domaine des achats
Problème en l'absence d'OMD: Une entreprise pharmaceutique internationale gère des milliers de fournisseurs répartis dans différentes régions. Cependant, en l'absence d'un processus adéquat de gouvernance des données de référence relatives aux fournisseurs, les fiches fournisseurs sont dispersées dans plusieurs systèmes, ce qui complique le suivi des performances des fournisseurs, de leurs certifications et de leur conformité réglementaire. Cela entraîne des retards dans l'intégration des fournisseurs et augmente les risques liés à la collaboration avec des fournisseurs non conformes ou peu performants.
Avantage OMD: Grâce à la mise en place d'une gouvernance des données de référence fournisseurs, l'entreprise peut créer un référentiel centralisé où les fiches fournisseurs sont gérées de manière cohérente. Les règles de gouvernance imposent des contrôles de validation sur les informations clés, telles que les numéros d'identification fiscale, les certifications et les conditions contractuelles. L'automatisation des workflows garantit que les nouveaux fournisseurs suivent un processus d'intégration standardisé et conforme avant d'être ajoutés à la liste des fournisseurs agréés.
Avantage pratique: En s'appuyant sur des données fournisseurs précises et validées, l'entreprise peut accélérer considérablement le processus d'intégration des fournisseurs, tout en s'assurant que seuls les fournisseurs conformes et de haute qualité sont approuvés. Cela permet de réduire les risques liés aux achats, d'améliorer les relations avec les fournisseurs et de garantir le respect des réglementations sectorielles (par exemple, les certifications FDA ou ISO). De plus, l'entreprise peut suivre les indicateurs de performance des fournisseurs au fil du temps, ce qui lui permet de prendre de meilleures décisions stratégiques en matière d'approvisionnement et de réaliser des économies.
Qui peut bénéficier des solutions MDG ?
Le leader incontesté dans le domaine de la gouvernance des données de référence est, et de loin, SAP OMD. Afin de permettre aux entreprises de mieux gérer leurs données ERP, SAP a lancé SAP MDG vers les années 2000 pour mettre en place un cadre de gouvernance.
Depuis lors, plusieurs éditeurs de logiciels de gouvernance des données de référence ont fait leur entrée sur ce marché avec des solutions alternatives performantes. Oracle, Microsoft, IBM et Stibo Systems ont chacun lancé des suites complètes de gouvernance des données, offrant un large éventail de fonctionnalités telles que l'automatisation des flux de travail, les contrôles de qualité des données, l'accès basé sur les rôles et des capacités d'intégration visant à rationaliser et à faire évoluer la mise en œuvre de la gouvernance.
Toutefois, comme nous l'avons déjà mentionné, les pratiques de gouvernance peuvent varier en fonction des secteurs d'activité, des types de données de référence, des politiques internes, des hiérarchies organisationnelles, etc.
D'après notre expérience à ce jour en tant que spécialiste des solutions de gestion des données de référence, nous avons constaté que la plupart de ces logiciels ne sont pas spécialement conçus à cet effet, qu'ils peuvent s'avérer coûteux et nécessiter d'importantes ressources pour leur mise en œuvre, et que leur exécution prend généralement beaucoup de temps.
Conscients de cette lacune, chez Verdantis, nous avons développé notre propre solution de pointe dédiée à la gouvernance des données de référence (Integrity©) qui tient compte des cas d'utilisation propres au secteur, et qui est facile à s'intègre à la plupart des progiciels de gestion intégrée (y compris SAP MDG) et s'appuie sur des modèles d'apprentissage automatique spécialement formés pour faciliter le respect de la gouvernance des données.
Conclusion
La gouvernance des données de référence n'est plus une simple fonction administrative : elle constitue désormais un levier essentiel pour assurer la résilience opérationnelle, la conformité réglementaire et la transformation numérique. À mesure que les organisations s'orientent de plus en plus vers une prise de décision fondée sur les données, la capacité à maintenir des données de référence propres, cohérentes et bien gérées devient un facteur de différenciation stratégique.
Ce dont nous avons besoin aujourd'hui, ce sont des solutions de gouvernance qui vont au-delà des cadres statiques : des outils adaptatifs, intelligents et adaptés aux besoins spécifiques des entreprises modernes.
Les entreprises qui investissent dès aujourd'hui dans une approche de gouvernance adaptée seront mieux à même, demain, de se développer, de s'adapter aux évolutions du marché et d'assurer une efficacité durable dans toutes leurs fonctions.
