L'excellence des données de base

L'importance de la gestion des données de référence a évolué, notamment au regard des exigences de la numérisation croissante, explique Andreas Stock de zetVisions au début de l'entretien E-3. "Pour aller à l'essentiel : MDM est devenu encore plus important. Depuis que les données ont été collectées, stockées et traitées pour la première fois, la qualité des données est un problème récurrent dans le monde de l'entreprise. Le sujet n'est donc pas nouveau. Ce qui est nouveau ces dernières années, c'est que les données sont de plus en plus au centre des préoccupations des entreprises, compte tenu des exigences de la transformation numérique."

Selon le rapport de recherche de DataIQ, un tiers des entreprises interrogées indiquent que la qualité des données est fondamentale pour la réussite de leur transformation numérique, et 54 % la considèrent comme l'un des éléments clés. Alors que 87 % des entreprises comprennent que la qualité des données est une composante fondamentale ou importante pour le succès de leur transformation numérique, 68 % sont en même temps tout à fait d'accord ou d'accord avec l'affirmation selon laquelle la mauvaise qualité des données a un impact négatif sur la transformation numérique.

"À l'ère du numérique, où les données sont de plus en plus considérées comme un facteur de production, la pression pour conserver durablement des données de qualité augmente", souligne Andreas Stock. Parmi les défis croissants en matière de qualité des données, il ne faut retenir qu'une seule séquence pour développer le "sens de l'urgence" nécessaire, explique le responsable de zetVisions : "Dans les environnements pilotés par les données, des données erronées conduisent à des informations erronées et donc à de mauvaises décisions."

En outre, selon le bureau d'études de marché BARC, il existe des aspects qui obligent l'organisation à veiller à la fiabilité des données. Il s'agit notamment de la nécessité de réagir de manière flexible aux exigences dynamiques et changeantes du marché par le biais de transactions.

Une gestion efficace des données de base peut être un facteur décisif pour minimiser les coûts d'intégration. En outre, de plus en plus d'analyses interdépartementales de jeux de données intégrés sont requises. Andreas Stock ajoute : ".Les entreprises axées sur les données, en particulier, sont tributaires de données de base dont la qualité est assurée, afin de pouvoir optimiser les processus commerciaux et développer de nouveaux services et produits - axés sur les données."

Jan Richter de KPMG estime que les plus grands défis pour une MDM réussie sont d'ordre organisationnel au niveau des structures de l'entreprise. "Les changements organisationnels sont difficiles et les collaborateurs n'aiment pas se séparer des routines - qu'ils affectionnent - même si elles sont inefficaces.Richter considère la construction technique des entreprises comme un deuxième défi : ""Plus l'organisation est grande, plus le nombre de systèmes et de flux de données est élevé."

Troisièmement, il fait référence aux processus de gestion d'entreprise : "Si le buy-in organisationnel et la volonté de changement technique sont là, les processus peuvent être adaptés pour refléter la nouvelle réalité. Je considère que ce défi se situe en aval et est indépendant des deux autres, et qu'il n'est pas évalué au même niveau. La raison en est que l'expérience montre que l'on se met rapidement d'accord sur des questions d'ordre supérieur, telles que l'importance stratégique et l'utilisation des données de base. Une approche systématique permet souvent de définir rapidement un objectif qualitatif."

Des processus de gestion standard éprouvés ainsi que des rôles et des profils standard aident à mettre en place une organisation MDE pérenne avec des structures de gouvernance efficaces. "Le défi réside essentiellement dans le projet de conversion", souligne Jan Richter. "Il faut d'abord comprendre dans une mesure suffisante qui est impliqué dans les processus MDM, quelles sont les exigences spécifiques de chaque secteur d'activité et à quel endroit il y a des écarts par rapport à la norme définie jusqu'à présent - et pourquoi. Bien entendu, accompagner la transformation au niveau du groupe plutôt qu'au niveau du secteur d'activité constitue un autre défi. En effet, c'est souvent dans le détail qu'il faut comprendre l'impact de la transformation du MDM du jour au lendemain et prévoir comment les utilisateurs vont réagir si, par exemple, un champ particulier ne peut plus être utilisé de manière traditionnelle."

En clair, cela signifie, selon Richter, directeur de KPMG : "Où certaines informations seront-elles stockées à l'avenir, quel sera l'impact de ce changement sur les systèmes et processus en amont et en aval ? Une MDM réussie implique donc toujours une formation approfondie de tous les collaborateurs concernés.

Le fait est que Master Data Excel-lence va bien au-delà de la gestion des structures de données au sein d'un système ERP, comme l'a montré la dernière étude de la VDMA (Industrieverband Deutscher Maschinen- und Anlagenbau e. V.) : la numérisation des processus et l'utilisation ciblée des systèmes d'application d'entreprise représentent une mesure centrale pour optimiser les mesures commerciales et garantir une plus grande fidélisation de la clientèle.

L'étude actuelle montre que le plus grand défi pour les entreprises dans ce contexte est de loin la gestion des données afin de garantir une qualité élevée des données : 84% des participants à l'enquête estiment que la charge de travail qui y est liée - pour la saisie, la recherche et la gestion des données - est élevée.

Cet aspect est particulièrement pertinent, car la gestion des données a un effet direct sur la qualité des données et l'utilisabilité des solutions informatiques. "Ici
Les entreprises devraient s'y atteler, car seule une qualité élevée des données garantit une utilisation efficace des systèmes.Le professeur Claus Oetter, directeur de l'association VDMA Software und Digitalisierung, a déclaré : "Nous avons besoin d'un système de gestion de la qualité et d'un système de contrôle de la qualité.

La solution au problème s'appelle Master Data Excellence. Jan Richter : "Master Data Excellence décrit une approche holistique éprouvée et se compose des cinq dimensions suivantes : premièrement, la vision, la stratégie et les mesures, deuxièmement, la gouvernance des données, troisièmement, le modèle de données, quatrièmement, les processus et enfin, cinquièmement, l'infrastructure technologique.."

Et dans l'entretien E-3, Andreas Stock ajoute : ".La différence peut-être décisive est que l'offre commune de KPMG et zetVisions en matière de Master Data Excellence n'est pas seulement une solution logicielle, mais aussi une offre de services élargie autour de la gestion des données de référence. De l'analyse, de la définition et de l'implémentation des processus à la mise en place de l'outil logiciel, en passant par la gestion du changement qui s'ensuit et les directives pour la planification, le contrôle et la mise à disposition des données - la gouvernance des données - les partenaires fournissent un service complet de bout en bout pour la gestion des données de référence."

Les offres MDM semblent se multiplier à l'infini, comme du sable sur la mer. Existe-t-il des classifications et des spécialisations dans ce domaine ? "Les offres MDM peuvent être différenciées selon qu'il s'agit de solutions monodomaines ou multidomaines."répond Andreas Stock. Selon l'Aberdeen Group, la caractéristique la plus marquante des entreprises leaders en matière de MDM est leur capacité à gérer simultanément plusieurs domaines de données.

La MDM multidomaine améliore l'efficacité des données à plusieurs égards : d'une part, la précision des données est améliorée de 8,7 % et l'exhaustivité de 11,9 % par rapport à la MDM non multidomaine ; d'autre part, la qualité des données est meilleure que celle de la MDM multidomaine. "Les avantages du MDM multidomaine sont encore plus évidents en ce qui concerne les critères "Time to Information" et "Accuracy of Decisions", qui sont importants pour une BI efficace."explique Stock, directeur de zetVisions. En cas d'utilisation d'un MDM multidomaine, 64 pour cent constatent une amélioration du temps de réponse, contre seulement 35 pour cent pour un MDM non multidomaine.

Les entreprises qui n'ont qu'une seule version de la "vérité" et un dossier maître pour chaque domaine clé passent moins de temps à rechercher des informations ou à confirmer la fiabilité des données existantes, et plus de temps à effectuer des analyses pertinentes. "Multidomain-MDM centralise l'ensemble de la gestion des données de base. Toutes les données importantes, de l'achat à la vente, sont rassemblées dans un système central. Il est ainsi possible de créer un Golden Record pour les clients, les produits et les fournisseurs, par exemple, et d'identifier les liens et les corrélations entre ces domaines."Andreas Stock décrit les défis.

Le Master Data Management est une discipline à part entière et un Golden Record est l'objectif du MDM. "Il s'agit d'avoir un seul point de vérité"Andreas Stock explique qu'il ne s'agit pas de données de base dispersées dans divers silos à travers l'organisation, avec parfois plus, parfois moins d'écarts.

"Il s'agit souvent de petites choses qui créent de la confusion, nécessitent des travaux supplémentaires, ralentissent les processus - et génèrent des coûts", Andreas Stock le sait grâce à de nombreux projets clients réussis. La question de savoir si une cliente s'appelle "Bianca Peterhans" ou "Bianca Hanspeter" n'est pas sans importance, tout comme le fait que l'adresse soit "Osterbekstr. 90" ou "90c". De tels exemples peuvent être cités sans problème et en très grand nombre pour toutes les catégories de données de base. "Les coûts d'une mauvaise qualité des données sont significatifs", prévient le responsable de zetVisions.

Grâce à l'excellence des données de référence, les relations et les interactions à l'échelle de l'entreprise deviennent visibles et il en résulte souvent un potentiel d'économie considérable en termes de temps et de coûts. D'autre part, il en résulte des informations critiques pour les décisions de l'entreprise. L'efficacité décisionnelle est un avantage important de l'approche multidomaine mentionnée dans la gestion des données de base. Elle devient ainsi une garantie de succès essentielle lorsqu'il s'agit de fonder des décisions sur des faits et de prendre de meilleures décisions grâce à la BI.

Concernant le bon moment pour commencer la gestion des données de référence, Jan Richter de KPMG déclare : "Comme c'était déjà le cas à l'école, c'est à tout moment le bon moment pour faire ses devoirs. Dans la pratique, il est possible - comme à l'école - de profiter d'un momentum externe. Dans le contexte MDE, ce momentum est celui d'un projet de transformation, par exemple la transformation S/4, ou d'autres initiatives de numérisation liées aux données de base, comme les prévisions prédictives et la planification prédictive. Dans la pratique, nous voyons en particulier les trois déclencheurs suivants qui favorisent une initiative MDE : tout d'abord, la constatation que la qualité actuelle des données entraîne des coûts d'opportunité élevés, par exemple en raison d'opportunités commerciales manquées. Souvent, les processus de mise à jour des données sont tout simplement inefficaces et donc coûteux en termes de retouches et de nettoyage."

En principe, on peut résumer le moment opportun en disant que dès que le volume de données et le nombre de systèmes concernés atteignent une certaine masse, il n'est plus possible de capturer les effets simultanément.

La réponse de haut niveau est donc, selon Jan Richter : ".Dès que certaines données - par exemple le nom du produit, le numéro du client, l'adresse du fournisseur - sont utilisées dans plusieurs systèmes, mais ne sont pas saisies de manière centralisée, c'est-à-dire pas toujours par la même personne, et/ou que la saisie est effectuée dans différents systèmes, ce n'est plus qu'une question de temps avant qu'un grand chaos de données ne se produise."

"Le passage à S/4 Hana ne remplace pas un système de gestion des données de référence", Andreas Stock sait de par sa pratique professionnelle réussie. "La durabilité ne peut pas être atteinte uniquement par l'harmonisation et la consolidation des systèmes ERP. Surtout lorsque les données se trouvent dans un paysage de systèmes hétérogènes. Dans un environnement ERP unique, cela peut sembler plus simple au premier abord."Il y a quelques années, une étude d'Omikron Data Quality avait déjà démontré que la qualité des données dans les ERP était très éloignée de la situation réelle.

Selon cette étude, seul un tiers des plus de 200 utilisateurs ERP interrogés ont une qualité de données conforme aux exigences des applications de gestion d'entreprise. 29 % constatent certains écarts et 39 % des personnes interrogées font même état de divergences importantes.

"Dans ce contexte, les entreprises ont tendance à harmoniser et à consolider leurs systèmes afin de réduire la complexité, les sources d'erreur et les coûts et d'améliorer la qualité des données."souligne Andreas Stock lors d'un entretien. Un objectif que l'on pense pouvoir atteindre grâce aux projets One-ERP.

One-ERP désigne le projet de remplacer le paysage ERP hétérogène par un système ERP unique. Cela peut aussi aider à court terme, estime Andreas Stock : ".Dans tous les cas, pour la qualité des données, un système ERP est meilleur que de nombreux systèmes ERP, mais à moyen et long terme, il manque les processus de validation et les contrôles de qualité des données, c'est-à-dire précisément les aspects qui constituent une solution de gestion des données de base et qui sont nécessaires pour garantir durablement la qualité des données. Certains hésitent toutefois à investir dans une telle solution."

Dans le cadre de la gestion des données de référence, ce sont surtout les étapes d'optimisation des processus qui sont importantes, car une initiative en matière de données de référence implique automatiquement une évaluation et une adaptation des processus commerciaux, comme le souligne régulièrement Luka Mucic, directeur financier de SAP. L'analyse et le conseil en matière de processus nécessitent beaucoup de ressources, car ce n'est que lorsque les processus sont clairs et que tout le monde sait qui a la souveraineté sur les données, qui gère quelles données, quelles données se trouvent chez qui, que le logiciel MDM entre en ligne de compte.

"En fin de compte, elle ne fait que reproduire ce qui a été défini au préalable du côté des processus. Cela met en évidence une différence essentielle entre un projet ERP unique et une initiative relative aux données de base : la seconde analyse les processus existants, les adapte à l'état théorique requis et définit des procédures, des règles et des normes pour la gestion des données ; la première consolide certes plusieurs systèmes ERP en un seul, mais laisse généralement les processus en l'état et ne définit pas de gouvernance des données contraignante", explique Andreas Stock.

Le client SAP est invité à penser en termes d'algorithmes et de structures de données. Celui qui s'intéresse à la gestion des données de base se rend compte que One-ERP présente de nombreux avantages, mais qu'une qualité durable des données ne peut pas être obtenue par la seule harmonisation de divers systèmes ERP.

"Pour cela, il faut une solution MDM", souligne le manager de zetVisions Stock, "qui tient compte avant tout de l'aspect de la gouvernance des données. Si One-ERP n'est pas encore réalisé et qu'il existe toujours un paysage ERP hétérogène, la question se pose de savoir si une solution MDM ne doit pas être mise en place, car elle permet de piloter tous les systèmes ERP existants en ce qui concerne les données de base uniformes."