Cette gestion est assurée soit :
- Par des applications spécifiques, qui ont « embarqué » la fonction dans un domaine fonctionnel
- Par des ERP, qui fournissent aussi cette gestion dans leur périmètre
- Par des progiciels de MDM, mono ou multi-domaines
- Ces offres tendant à être disponibles dans le Cloud
Les données de référence sont, de façon générale, les données qui ont vocation à être partagées à différents niveaux de l’organisation, et entre applications ou composants
Ces données de référence peuvent être distinguées en deux catégories :
- Les données statiques (identification de personnes, d’entités, de produits, …, tables et nomenclatures), aussi appelées « référentiels »
- Les données dynamiques (trace des opérations réalisées par les SI, les processus, …)
Le MDM s’applique typiquement à la gestion des données statiques. Pour la gestion des données dynamiques, on peut envisager une autre « figure de style » : le modèle du « puits », s’appliquant depuis le niveau conceptuel, jusqu’aux plateformes techniques
Quels sont les différences, les intérêts d’un tel distinguo, et quelles synergies entre le modèle MDM, et celui du puits ?
En première analyse, il y a une forte similitude entre MDM et puits, modèles qui adressent tout 2 la gestion de données de référence.
Cependant, en analysant plus en détail, apparaissent des différences fondamentales :
- Le MDM, bien qu’il intervienne dans les cycles productifs, n’y est pas intimement lié, alors qu’un puits, traçant les données opérationnelles, est au centre des transformations réalisées.
- De ce fait, l’insertion d’un puits dans le patrimoine SI existant est quasi impossible de façon « intrusive » : elle aurait des implications, non seulement au niveau des applications, ou des composants, mais jusqu’aux processus eux-mêmes, voire, dans un cadre plus large, des relations entre partenaires de l’écosystème. Un puits doit donc obéir aux principes de Janus.
- L’insertion « par défaut » des composants MDM est par contre plutôt intrusive, telle que préconisée par les éditeurs et grands cabinets.
- En particulier, il est préférable d’extraire les processus de mise à jour, hors des silos applicatifs, et des domaines métier qui auraient une vision parcellaire de ces données transverses, pour éviter les doublons et mettre les référentiels sous contrôle (data steward)
Ces différences se déclinent aussi :
- En terme de gouvernance, la gestion centralisée, partagée, ou collaborative impliquée par le MDM suit un schéma de gouvernance qui doit être acté, et explicité de façon transverse au sein de l’organisation, voire d’un écosystème. A contrario, un puits peut apparaître comme un simple choix d’architecture, bien qu’il relève cependant de décisions structurantes pour la cible du SI.
- Si une gouvernance est mise en place, son périmètre d’action est différent : pour un MDM il est centré sur les métiers d’usage du référentiel (global, financier, RH, commercial, …), alors que pour un puits, il est lié au cycle objectif que le puits trace (parcours client, cycle de fabrication, de logistique, …). Le périmètre des puits peut aussi être à « géométrie variable » pour autoriser les reconfigurations.
En ce qui concerne les données elles-mêmes :
- L’objectif d’un MDM est d’aboutir à une maîtrise des données de référence, quel que soit le choix d’architecture (centralisée, répartie, synchronisée), constituant, pour chaque donnée, un « point de vérité » unique, s’imposant à l’ensemble du SI.
- A contrario, un puits se contente de les tracer, synchroniser sur les dates et changement d’état, sans procéder à des corrections, même s’il vise aussi à rapprocher des données dynamiques véhiculées par les silos : Il informe les « sources » des données sur les divergences apparues, à charge pour elles de procéder aux corrections. Le puits, traçant tous les changements d’états, peut au choix restituer les données mises en qualité, ou les données « brutes » et « fraiches » disponibles. Le dépôt dans le puits se fait ainsi au plus tôt.
La représentation des données par un modèle, est fortement différente entre les 2 cas :
- Pour un MDM, on recherche à disposer d’une grande flexibilité de modélisation, basée sur des meta-données, afin de pouvoir représenter un modèle conceptuel complexe, et être en mesure de le faire évoluer. Ce modèle doit pouvoir se décliner en plusieurs sous-modèles, permettant de détaillant telle ou telle composante du référentiel. Cette décomposition traduit par le partage de responsabilités sur les données, voire sur les modèles eux-mêmes.
- Pour un puits, le « grain » élémentaire est de structure simple. On veillera surtout à le repérer correctement (identification de l’objet, de l’événement, du cycle de l’information, des 3 dates, …) en utilisant la généricité introduite par le « typage » (par exemple, dans un puits des affectations de personne à des activités de l’entreprise, on suivra aussi les congés, maladies, absences, … par un type d’activité particulier).
- Dédoublonnage, vérification d’adresses, analyses statistiques pour suspecter les erreurs, … avec un fort effet de levier sur le patrimoine SI, et au-delà le fonctionnement et l’image de l’Entreprise pour le MDM
- Mise en séquence des événements, synchronisation, détection des incohérences pour un puits
- Dans le cas MDM, certains sous-ensemble du modèle pourront être considérés comme subsidiaires, et leurs données gérées en tant que tel, par exemple au sein d’une entreprise, d’un groupe, voire d’un écosystème.
- Dans le cas du puits, une différenciation sera faite selon les événements, et selon les niveaux de granularité. Ceci configure les abonnements au puits (en alimentation comme en consommation).
Blog génial et bien écrit pour le comprendre. Continuez à partager vos idées informatives.
RépondreSupprimercontrole qualité produit