A l'issue de cette formation, vous serez capable de :

• Présenter les données de référence et la méthode à adopter pour mieux appréhender un projet de mise en place d'un MDM (Master Data Management)
• Identifier les enjeux de la donnée de référence
• Démontrer l'impact du Big Data sur la donnée de référence.

Jour 1

Introduction

• Les différents types de données dans une entreprise
• Nouveaux défis autour de la Data, avènement du Big Data et de l'IA
• L'importance stratégique des données de référence pour l'entreprise
• Apport d'une solution MDM pour gérer sainement les données de référence
• Concepts et glossaire des données de référence

Les données de référence

• Définition des données de référence (Master Data)
• Types et nature des données de référence
• Savoir identifier les données de référence
• Architecture applicative d'un MDM

La qualité des données

• La qualité des données et le MDM
• Les dimensions de la qualité des données
• L'utilité de la qualité des données
• Règles métier et MDM
• Les technologies utilisées dans la qualité des données
• La perception des éditeurs dans la qualité des données

Master Data Management (MDM)

• Définition du MDM
• Qu'est-ce que le MDM ?
• Les sources de MDM
• Les conséquences d'un MDM faible
• Pourquoi le MDM est-il difficile ?
• Les différents types de MDM
• Aperçu du marché des solutions de MDM

Exemples de travaux pratiques (à titre indicatif)

• Etudes de cas réels sur les avantages et challenges de la mise en oeuvre de la MDM
• Réalisation d'une analyse SWOT, état des lieux, rédaction d'une politique gouvernance des données
• Identification et analyse des parties prenantes et identification des exigences du projet de MDM
• Grandes étapes de la planification d'un projet de MDM

Jour 2

Architecture et technologie

• Architectures MDM
• Articulation entre MDM et ERP, CRM et Data Warehouse
• Vue simpliste du scope MDM
• MDM dans les entreprises multinationales
• Les styles de MDM
• Opérationnel vs analyse MDM
• Chevauchement de styles
• Le taux de succès
• La question de fédération
• La fédération en pratique
• Nouvelles tendances dans les solutions de MDM

La gouvernance des données et MDM

• Rôle de la gouvernance dans un projet de MDM
• Aspects de la gouvernance de données
• Cycle de vie de la donnée
• Niveau d'intérêt dans la gouvernance de données
• Organisation de la gouvernance de données
• Zones de mise en valeur
• Le coût de la faible qualité des données
• Data gouvernance (comité et staff)
• Les 5 niveaux de maturité
• Les principaux drivers pour la gouvernance de données dans un MDM

Conduire un projet de MDM de bout en bout

• Identification du besoin
• Etat des lieux
• Recueil des exigences des parties intéressées
• Esquisses de solutions architecturales et applicatives
• Conduite du changement
• Constitution de la lead team
• Planification et phasage, établissement des KPI
• Réalisation d'un PoC et d'un MVP, retour d'expérience
• Développement progressif de la solution à l'échelle, basculement des applicatifs vers le MDM
• Tests de validation
• Recette
• Amélioration continue

Exemples de travaux pratiques (à titre indicatif)

• Mise en oeuvre avec des formulaires types de qualité, architecture et gouvernance des données :
• Dimension / règles métier
• Evaluation des données
• Catalogue des données
• Monitoring des données
• Réconciliation des données