Il n’est plus question de manquer d’informations, mais plutôt d’informations de qualité. Le véritable défi est de savoir traiter la donnée, pour en assurer la cohérence et la fiabilité. Quelles sont aujourd’hui, les solutions proposées aux entreprises pour gérer leurs données ?

Le master data management ou MDM est la solution regroupant les outils opérationnels de gestion de la donnée. Ici, nous parlerons de tous types de données, données clients, produits, fournisseurs, comptables, etc. Les équipes métiers utilisent des outils opérationnels pour gérer leurs données, stocker les visuels produits, les données clients, ou encore les informations sur les collaborateurs. Dès que les entreprises grossissent et donc que la masse de données devient trop importante, il devient nécessaire de gérer les données à un niveau centralisé. La solution : le MDM.

Le MDM synchronise et raffine l’information pour créer de la plus-value, et permettre un gain de temps de traitement et de nettoyage de l’information par les équipes. Une solution MDM qui fonctionne assure une réduction du time to market et une optimisation de l’expérience client, en centralisant l’information et en la sécurisant. Il ne faut cependant pas oublier que la mise place en place d’un MDM est longue et que ses avantages se constatent sur le long terme. La phase de cadrage en amont est extrêmement importante.

Le cycle de vie d’une donnée

Dans une entreprise équipée d’un système de MDM, la donnée est en mouvement permanent. C’est son passage au cœur du MDM qui permet de l’envoyer nettoyée et raffinée aux outils qui l’exploitent.

Par exemple, lorsqu’une donnée comme l’adresse postale d’un client, est créée depuis un outil métier, l’information est instantanément transmise au MDM. Il vérifie si la donnée n’est pas un doublon d’une donnée déjà existante ou une mise à jour. Si c’est le cas, alors le MDM traite, nettoie et conserve une cohérence entre les informations des outils stockant les données. A chaque modification d’une donnée, le processus reprend et le MDM intervient, nettoie, supprime les doublons, uniformise l’information. Cela facilite aussi le partage des données, que les métiers savent fiables. Les flux de communication entre les outils sont donc continus. L’éditeur de logiciels Talend explique qu’une architecture de ce type, dite "transactionnelle", "réduit la latence en assurant une coordination directe entre la référence et la source".

Ainsi, les équipes métiers optimisent leur temps de travail au niveau de la recherche et du traitement de l’information. François-Xavier Nicolas est vice-président produits chez Semarchy, considéré comme l’un des leaders des solutions de MDM par le Magic Quadrant de Gatner en janvier 2021. Selon lui, les entreprises décident de mettre en place un MDM parce qu’elles "cherchent à réaliser des économies d’échelle, par exemple réduire le temps de mise sur le marché d’un produit" et à "améliorer leurs revenus par l’optimisation du parcours client". En effet, le raffinement de la donnée supprime le risque de retrouver, par exemple des différences d’informations entre une fiche produit sur le drive en ligne et sur le catalogue papier. Cela assure la cohérence des informations.

La cohérence : au cœur des gains du MDM

Cette cohérence est conséquence de la centralisation des données, apportée par le MDM. A l’heure où toutes les entreprises travaillent en multicanal sur l’ensemble de leurs produits, une source unique d’informations est précieuse. Quand la donnée circule, la culture de la communication d’information se diffuse aussi au sein des équipes. Le MDM participe à leur travail en commun et facilite leur collaboration puisqu’elles peuvent toutes travailler à partir de la même source de données. En amont de la mise en place, il est nécessaire de connaître la provenance de toutes les données générées. Le MDM ne peut centraliser la donnée que si toutes les connexions entre tous les applicatifs créateurs d’informations sont faites.

Non seulement, le MDM leur fournit une source unique d’information, mais aussi une information uniformisée. Il standardise la donnée, un processus nécessaire pour permettre la comparaison entre les outils, et il la fournit aux équipes avec un format commun à tous. Cela implique que lors de la phase de cadrage du programme MDM, les équipes doivent décider du format standard que devront prendre toutes les données qui transiteront par le MDM et des indicateurs de la réussite du traitement de la donnée. Le MDM place les données dans les mains de ceux qui les exploitent : les métiers. Il rend la donnée accessible et compréhensible aux équipes dont l’analyse de la data n’est pas la fonction. Il permet l’exploitation par tous, plus rapidement et mieux, ce qui a une influence positive sur la réduction du time-to-market.

Une récente étude(1) indique que "le coût de données de mauvaise qualité représente 15 à 25% du chiffre d’affaires annuel de la plupart des entreprises" qui font face à des doublons, des erreurs et des incohérences. Cette perte d’un quart des revenus s’explique par différents facteurs. Le manque de qualité des données entraîne une perte d’espace de stockage (doublons), la prise de décisions stratégiques est basée sur des informations contenant des erreurs, le temps de traitement de l’information est plus long par les équipes spécialisées qui doivent rectifier les incohérences.

Cependant, la cohérence permise par le MDM n’est possible que si la solution est correctement implémentée dans l’entreprise.

La mise en place du MDM : tout un programme

Le Master Data Management est la solution complète qui permet de gérer les données à l’échelle de toute l’entreprise. Le déploiement d’un MDM dans une entreprise doit toujours être accompagné d’une volonté de mettre en place une véritable gouvernance de la donnée. La phase de cadrage est essentielle et doit être minutieuse. D’un point de vue opérationnel, c’est un état des lieux exhaustif des données existantes qui permettra d’installer un MDM adapté à l’architecture SI de l’entreprise. Du point de vue humain, deux facteurs sont essentiels. Tout d’abord, impliquer les métiers dès le début du projet, puisque ce sont eux qui, in fine, exploitent la donnée ; ensuite, s’appuyer sur un sponsorship fort de la direction générale pour insuffler le changement. Le nouveau CDO, chief data officer et son équipe doivent être accompagnés dans la prise en charge de toute la data gouvernance.

(1) Business School MIT Sloan (Massachusetts Institute of Technology), Thomas C. Redman, 2017