Un projet de Master Data Management (MDM) qu’est ce que c’est ?
C’est un projet transverse à l’organisation qui vise à centraliser, nettoyer et harmoniser les données de référence d’une entreprise pour garantir une vision unique et fiable. Il permet d’améliorer la qualité des données, d’optimiser les processus métier et de faciliter la prise de décision.
Dans les faits, cela se traduit par des chantiers autours des axes suivants:
- Harmonisation et gouvernance : standardisation des données et mise en place de règles de gestion.
- Intégration et interopérabilité : connexion avec les systèmes existants (ERP, CRM, etc.).
- Sécurité et conformité : protection des données et respect des réglementations (RGPD, HIPAA …).
Derrière la mise en place d’un MDM se cache généralement plusieurs objectifs stratégiques qui impliquent une conduite du changement et une vision transversale au niveau de l’organisation. Ainsi, on ne mène pas un projet de MDM comme on piloterait un projet de GED (Gestion Electronique de Documents), de PIM (Product Information Management) ou de DAM (Digital Asset Management).
Réussir, ou à minima ne pas rater son projet MDM est donc primordial pour l’organisation.
TOP 10 des « bonnes idées » pour rater son projet MDM !
01. Vouloir tout construire et brancher d’un coup
Le pire ennemi d’un projet MDM (Master Data Management) consiste à vouloir tout construire et tout brancher d’un seul coup : la fameuse approche Big Bang. Cette approche entraîne des effets dévastateurs par un effet tunnel évident et par l’absence d’un rodage des processus de gouvernance.
Il faut au contraire encourager une approche par étape et logiquement commencer par le domaine qui présente le meilleur ratio complexité / valeur stratégique.
02. Appréhender le projet MDM comme un sujet uniquement technique
Un projet MDM est un projet d’entreprise. Il ne peut se limiter à une centralisation technique de données, il doit permettre l’obtention et la maintenance d’un point de vérité unique.
Pour cela, les acteurs métiers doivent être totalement impliqués dans le programme dès son initialisation pour garantir la valorisation du capital data.
Idéalement, le projet MDM doit être sponsorisé par la Direction Générale et porté par les différentes directions métiers et IT.
03. Planifier le sujet de la qualité des données pour « plus tard »
Comme évoqué précédemment, une approche par étape est recommandée.; il est préférable de progresser périmètre par périmètre, mais en s’imposant la construction d’un socle fiable étape après étape.
L’acceptation d’un tel programme se trouve dans l’amélioration et la confiance de la qualité des données fournies et non à la vitesse de construction d’une base de données.
Privilégier la rapidité à qualité c’est le naufrage assuré !
04. Oublier de distribuer les données dans le reste du SI
Un programme de gestion des données de références a du sens si et seulement si il est exploité. Il est donc crucial de ne pas oublier la notion de branchement au reste du Système d’Information, et plus globalement à tout son écosystème de données (clients, fournisseurs…).
L’usage d’un bus d’entreprise (ESB) ou d’un portail d’API (API Management) est indispensable pour valider le Retour sur Investissement (ROI) d’une telle initiative..
05. Mettre de côté les enjeux réglementaires
Dissocier le cadre réglementaire de la gestion des données pouvait être une tentation pour aller vite.
Aujourd’hui, les organisations disposent généralement d’un DPO (Délégué à la protection des données) qui donnera rapidement les contraintes réglementaires à prendre en compte. Le référentiel de données maîtres simplifie grandement la mise en place et le respect d’un grand nombre de réglementation.
On peut par exemple identifier l’importance des axes de ventilations dans un contexte bancaire (Bale) ou assurance (Solvency), et bien sûr la maîtrise des données sensibles avec la GDPR.
06. Imposer le changement plutôt que de l’accompagner
Un projet MDM ne s’impose pas, il se construit collectivement. A l’instar de la mise en place de tout processus, les collaborateurs doivent comprendre le sens et l’intérêt commun de l’organisation. L’accompagnement au changement est une composante essentielle de projet MDM réussi.
Chacun doit être accompagné dans sa compréhension du « comment le MDM va m’aider au quotidien »
07. Penser que les données de références sont figées
Les données d’une organisation disposent d’un cycle de vie qu’il ne faut pas oublier, ce cycle est souvent révélateur de problèmes de qualité, de dysfonctionnements dans les processus ou tout simplement d’évolution de l’organisation. La définition d’une gouvernance adaptée doit répondre à une transition maîtrisée et juste.
La vie des données de référence est aussi longue que celle de la société, l’outil de MDM, en plus de la gouvernance, doit permettre de faire vivre la donnée.
08. Mélanger les genres c’est bien !
Oui, mais pas dans notre cas ! PIM/ERP/CRM/BAM/MDM ne servent pas les mêmes objectifs.
Le marché de la gestion des données est riche, voir déconcertant dans certains cas. Pour garantir un choix juste, il convient de bien définir les objectifs de votre organisation et le cadre que vous souhaitez lui donner. L’identification de la solution idoine découlera naturellement de cette étape initiale et vous permettra de passer outre les « grandes tendances » du marché.
09. Oublier l’histoire des données
Les données d’une organisation ont une histoire qu’il faut intégrer durant la conception et la préparation des données pour l’initialisation du MDM. La mise en qualité des données repose donc sur un profilage des données, permettant d’adapter les traitements d’acquisition, de redressement et d’enrichissement des données. Il est nécessaire de prendre en compte cette histoire pour prendre des actions proactives de correction.
10. Tout miser sur l’Intelligence Artificielle (IA)
Avec les progrès récents de l’IA générative (GPT, Mistral ou Gemini) la tentation est grande de déléguer tout ou partie de son projet MDM à l’IA: identification des données, automatisation de la validation de qualité, définition des règles… Mais, une IA du marché a peu de chance de connaitre vos métiers et vos données aussi bien que vous !
L’IA doit rester un puissant assistant pour votre projet mais pas plus.
Interview : deux retours d’expérience sur l’accompagnement réussi de projets MDM
Initier la transformation et mettre en œuvre les projets de MDM soulève encore et toujours des questions de méthodes et requiert une maîtrise des bonnes pratiques. Dans cette interview, Isabelle François, nous partage ses retours d’expérience sur deux projets de mise en place d’une solution de data management.
Pourrais-tu nous partager les contextes des deux projets MDM que tu as accompagnés ?
Isabelle François : Le premier retour d’expérience s’est déroulé au sein d’un groupe industriel leader de l’emballage plastique alimentaire. Le contexte projet suit un schéma que l’on retrouve souvent : l’entreprise prévoyait de changer d’ERP d’ici un an et désirait anticiper ce projet majeur. Il souhaitait donc centraliser et mettre en qualité l’ensemble des données afin d’être prêt le jour de la bascule sur le nouvel ERP.
L’enjeu était aussi de nettoyer la donnée et de disposer d’une solution robuste, capable de diffuser l’information vers les applications sources. La priorité portait sur les objets articles et fournisseurs. En effet, la donnée était auparavant très peu centralisée, avec des requêtes techniques qui transitaient dans chaque application source. Impossible pour le siège de disposer d’une vision consolidée et agrégée des données ! On retrouvait des problématiques classiques comme la redondance d’information. Chaque application créait par exemple elle-même son fournisseur. On imagine bien les impacts que cela peut avoir au sein d’un grand groupe international…
Le deuxième projet a pris place dans un groupe international du secteur de la santé, avec des problématiques similaires. Les tiers pouvaient avoir plusieurs facettes : clients, fournisseurs… et le siège avait besoin d’avoir une vue d’ensemble des implications entre les tiers.
Les enjeux étaient stratégiques : faut-il mettre en place une centrale d’achat ? Comment disposer d’une vision globale et consolidée des flux entre toutes les entités ? Avec des applications cloisonnées qui ont chacune leur propre logique et sont concentrées sur leur périmètre métier, c’est extrêmement compliqué à harmoniser.
Isabelle François – Product Manager – Blueway Software
MDM : Comment améliorer la qualité et la traçabilité de vos données dans votre SI ?
La mise en place et l’organisation du projet de master data management a été similaire ?
I.C : Non ! Ce n’est pas parce que la cible est la même que la mise en place suit le même déroulé. Ces deux projets en sont un bon exemple. Il faut s’adapter à la maturité de l’entreprise et aux ressources internes.
Dans les deux cas, les projets MDM ont débuté par l’entité « fournisseur ». Il est souvent préférable de mettre en place les automatismes et les bonnes pratiques sur un objet plus simple, et ensuite d’ouvrir le périmètre à des entités plus complexes, comme le « produit » par exemple.
Au sein du groupe pharmaceutique, ce sont les équipes internes qui ont piloté la reprise de données au sein de notre logiciel MDM. Il y avait en parallèle un enjeu fort de mettre en place des processus pour la saisie des nouveaux fournisseurs ainsi que l’évolution et l’extension des fournisseurs existants. C’est nous qui avons pris la main sur cette dimension au travers de notre brique BPM (Business Process Management).
C’est au travers de cette brique BPM que s’est construit le « golden record » ou version de référence de la donnée. Ainsi, ces processus garantissent l’unicité de la donnée fournisseur en permettant aux intervenants de saisir les informations et de les enrichir au travers d’une suite d’interfaces. Chaque rôle va compléter et valider la donnée. Le BPM peut ensuite diffuser l’information vers les autres applications, SAP en particulier.
Dans le projet au sein du groupe industriel, nous avons coaché l’équipe du client et nous les avons guidés tout au long du projet. La première étape que nous avons pilotée, a été la reprise de données avec une trentaine de sources différentes ! Il y avait dans ce projet MDM un vrai enjeu d’industrialiser la reprise de donnée et de développer un service central pour la mettre en forme et l’intégrer dans le MDM.
Pour industrialiser la reprise de donnée, il fallait à tout prix éviter de multiplier les services selon les applications sources. Cela aurait été un vrai risque pour la mise en qualité et l’unicité de la donnée.
Isabelle François – Product Manager – Blueway Software
Les données étaient ainsi récupérées automatiquement dans Data Governance, le Master Data Management de Blueway, en provenance de sources très variées et avec des formats hétérogènes, puis analysées et renvoyées aux sources une fois mises en qualité. En l’espace de trois mois, nous avons réussi à intégrer toutes les datas fournisseurs en provenant de plus de 30 sources, un vrai challenge ! Le premier mois, nous avons rapidement identifié les erreurs de formats, de saisie, de doublon… au sein des applications sources. Les équipes métiers du client avaient parfaitement compris les enjeux du MDM et ont été très réactives pour effectuer les corrections.
Avec ce processus industriel, les sources pouvaient continuer d’alimenter le MDM automatiquement, en attendant l’intégration du nouvel ERP.
MDM versus PIM : frères ennemis ou dream team ?
Y a-t-il eu des contraintes spécifiques pour déployer ces solutions de data management ?
I.C : Au sein du groupe pharmaceutique, les contraintes portaient avant tout sur les règles fonctionnelles très pointues à mettre en place au sein du logiciel BPM (Business Process Management). Par exemple, les règles de saisie variaient selon les types de fournisseurs, la gestion de droits imposait un routage très fin des tâches et des données selon la société et l’utilisateur…
L’objectif était de contrôler toute création ou modification de fournisseur, quelle que soit la société du groupe. Il s’agissait d’arrêter de créer des fournisseurs dans chaque application et tout centraliser au sein du BPM de notre Plateforme de données Phoenix pour ensuite redistribuer l’information vers les applications sources.
La dimension internationale des deux projets a aussi impliqué d’avoir des applications entièrement multilingues. Ce sont des enjeux courants, mais qui revêtent des impacts particuliers dans le cas de solutions de data management.
Comme toujours, le cadrage des règles en amont, en évitant les modifications en cours de projet, est un vrai facilitateur pour éviter des impacts sur le planning. Changer les règles du jeu en cours de route implique de relancer des batteries de tests !
Isabelle François – Product Manager – Blueway Software
Avec l’arrivée du marketing dans le projet sur la partie catalogue, une fois l’entité fournisseurs traitée, on s’est aussi rendu compte de l’importance d’adapter la démarche selon les utilisateurs. Le marketing portait par exemple beaucoup plus d’importance à l’ergonomie des écrans que les utilisateurs de l’ERP. Nous avons ainsi fait évoluer l’interface pour répondre à leurs besoins et faciliter l’adoption de la solution.
Y a-t-il des points que tu souhaiterais mettre en lumière sur ces projets de data management ?
I.C : Avoir des équipes côté client disponibles, investies et avec des rôles bien définis est un vrai gage de succès. Par exemple, dans l’un des projets, l’équipe client était constituée du sponsor du projet pour valider les grandes orientations, d’un interlocuteur technique et d’une personne externe qui travaillait sur la modélisation de la donnée. Un bon trio !
L’industrialisation de la reprise de la donnée était une démarche très intéressante et qui a vraiment accéléré et fiabilisé le déroulement du projet. C’était aussi l’occasion de confirmer que Phoenix était adapté pour de la récupération massive de données.
Ces projets ont aussi permis d’avancer sur le produit. Être à l’écoute du client pour répondre précisément à son besoin et intégrer les bonnes idées dans les prochaines versions de nos solutions fait partie de notre ADN. Nous sommes une PME, nous savons être agiles !
Isabelle François – Product Manager – Blueway Software
Pour conclure, ces deux projets sont des bons exemples des atouts de Blueway. Notre client industriel nous avait sélectionné pour notre capacité à industrialiser la reprise de donnée, sans développement lourd, et servir de solution robuste en attendant la mise en place de l’ERP. Pour notre client pharmaceutique, c’est le lien entre BPM et MDM qui a fait la différence.
Dans ces deux cas, des enjeux qui peuvent paraître distincts : MDM, BPM, ESB, APIM, Data Catalog… sont en fait très complémentaires pour réussir les projets autour de la donnée. C’est cette conviction qui est à l’origine de notre plateforme de données Phoenix !
Echangez sur vos problématiques de qualité de données avec un expert Blueway !
