Qu'est-ce que la gestion des données de référence ? Comment elle désencombre les données

Les données sont un avantage concurrentiel – mais seulement lorsque vous pouvez y accéder.

Imaginez que votre entreprise génère des données sur les produits, les clients et les fournisseurs chaque jour. Lorsque ces données sont incomplètes, inexactes ou incohérentes, vous avez des silos de données compartimentés et vous ne pouvez pas prendre de décisions basées sur les données. Ne pas transformer les données en décisions signifie que votre relation avec l'avantage concurrentiel et la croissance s'estompera.

Les données maîtres proviennent d'entreprises modernes qui génèrent des flux de données constants pour des entités commerciales telles que les employés, les clients, les produits et les centres de coûts. Ces flux de données incluent souvent des informations commerciales cruciales pour une compréhension contextuelle des opérations transactionnelles et analytiques. Malheureusement, vous ne pouvez pas exploiter ces données pour une prise de décision factuelle lorsqu'elles sont dispersées dans des feuilles de calcul, des supports physiques et des applications.

Alors, comment gérez-vous les données maîtres pour un avantage concurrentiel ? Entrez dans le logiciel de gestion des données maîtres (MDM).

La MDM est à la fois une discipline et une infrastructure. Elle utilise des modèles de gouvernance des données pour créer une vue de confiance des données en tant que discipline. En tant qu'infrastructure, la MDM se concentre sur l'automatisation de la manière dont les organisations partagent, gouvernent et gèrent les données critiques à travers les lignes d'affaires. L'objectif final est de soutenir les décisions commerciales avec une source de données autoritaire.

Gestion des données maîtres vs. gestion des métadonnées vs. gestion des informations produits

La gestion des données maîtres est une discipline activée par la technologie. Elle réunit les équipes commerciales et informatiques (IT) pour assurer l'uniformité, l'exactitude et la cohérence des données critiques. L'objectif de la gestion des données maîtres est de créer des actifs de données maîtres précis pour les entités de base, y compris les fournisseurs, les clients, les prospects et les hiérarchies.

La gestion des métadonnées (référence structurée pour les attributs de données) se réfère aux processus, systèmes et règles qui gèrent les métadonnées pour améliorer l'accessibilité de l'information. La gestion des métadonnées joue un rôle vital dans l'augmentation de la facilité de découverte des données, la réduction des coûts de gestion des données et la facilitation d'une intégration plus rapide des données.

La gestion des informations produits (PIM) est une solution dirigée par les affaires. Elle se réfère au processus de collecte, de gestion et d'enrichissement des informations produits. Le PIM est généralement un sous-ensemble de la MDM et crée un SSOT pour les informations produits. Les marketeurs, les gestionnaires de commerce électronique et les équipes de gouvernance des données utilisent fréquemment le PIM.

Importance de la gestion des données maîtres

De multiples systèmes d'information créent différentes vues de données. L'absence d'un format standard à travers les systèmes empêche les employés opérationnels, les cadres d'entreprise et les analystes de données d'avoir une vue fiable des données. La MDM aborde de multiples défis d'inexactitude des données en créant une source de données unifiée de confiance.

Les systèmes MDM permettent également aux organisations de résoudre des problèmes tels que :

• La réplication des données
• Les entrées de données en double
• L'utilisation de noms différents
• Les données non mises à jour à travers les systèmes
• Les données distribuées à travers plusieurs systèmes
• Les expériences client disjointes en raison de données segmentées
• Les erreurs de saisie manuelle des données, y compris les champs de données incomplets, les entrées mal saisies et les caractères transposés

Cadre de gestion des données maîtres

Un cadre de gestion des données maîtres est au cœur d'une stratégie efficace de gestion des données maîtres. Ce cadre décrit les disciplines et les valeurs qui guident la gestion des données maîtres. Ces disciplines assurent l'exactitude et la cohérence des données maîtres partagées. Les éléments d'un cadre MDM sont les suivants.

Gouvernance

La gouvernance des données maîtres implique la création de règles, leur exécution et la résolution des violations de ces règles. Le but de la gouvernance des données maîtres est de définir un ensemble d'attributs de base pour définir les données maîtres et maintenir la cohérence des données. Les équipes transversales utilisent les règles de gouvernance pour spécifier les processus opérationnels tout au long du cycle de vie des données, de la création des données maîtres à leur élimination.

Supposons que votre organisation achète des matériaux auprès de fournisseurs, fabrique des produits et les vend à des clients. Toute divergence dans vos données maîtres aura un effet d'entraînement sur de nombreux domaines d'activité. Des données inexactes peuvent avoir un impact sur les processus de commande à encaissement ou de comptabilisation à rapport dans de tels cas. C'est pourquoi permettre la gouvernance des données est essentiel pour l'efficacité des processus et l'exactitude des données.

Il n'existe pas de cadre unique car chaque organisation a des besoins de gouvernance des données différents. Cependant, ajouter ces éléments critiques assure un parcours de gouvernance des données plus fluide : transparence, propriété des données, gestion du changement, conformité, maintenance, autorité, auditabilité, responsabilité, standardisation, gestion des données et éducation.

• Politiques : Se réfèrent aux réglementations internes et externes pour gérer les données. Ces politiques couvrent généralement les aspects de gouvernance des données tels que la gestion des risques, la gestion de la qualité, la rétention, la suppression, la confidentialité et la protection des données.
  
  Par exemple, une politique peut séparer les tâches liées au téléchargement et à l'approbation des données clients.
• Règles : Définissent comment exécuter les politiques de gouvernance des données. La réalisation d'une politique peut nécessiter de suivre un ou plusieurs mandats.
  
  Par exemple, une politique de données clients peut exiger de suivre plusieurs règles :
  
  
  • Obtenir le consentement du client
  • Créer une entrée de données client
  • Approuver les données clients
  • Obtenir le consentement marketing pour utiliser les données pour l'automatisation marketing
• Catalogue : Cela implique la découverte et la documentation des domaines de données maîtres à travers les applications, les entrepôts de données et les lacs de données. Le catalogage est crucial pour vérifier et assurer l'exactitude et la cohérence des données maîtres à travers les sources.
  
  Par exemple, un catalogue de données maîtres clients est crucial pour obtenir des insights, trouver des domaines d'amélioration et simplifier la conformité.
• Cartographie des processus : Montre comment les données circulent entre différentes sources. La cartographie des processus vous aide à comprendre comment les données sont utilisées, la nécessité d'intégrer des règles et l'exposition aux risques de conformité.
• Personnes : Identifiez les individus impliqués dans les activités MDM à travers l'organisation. Les personnes critiques pour le succès de la MDM incluent :
   
  • Experts en la matière : Définissent les normes de données maîtres, les niveaux et les types de seuils de qualité
  • Gestionnaires de données : Empêchent les problèmes de qualité des données d'affecter les domaines de données maîtres
  • Équipe IT : Gère l'architecture de la base de données, les processus commerciaux et les applications
  • Équipe juridique et de sécurité : Assure la confidentialité des données et leur protection
• Flux de travail : Permet et encourage les personnes clés à collaborer. Les flux de travail de gouvernance des données maîtres incluent généralement des étapes pour les demandes de création de données, l'acheminement des demandes vers les gestionnaires de données, l'approbation, l'activation en direct et la distribution.
• Métriques : Créez des lignes directrices pour mesurer et gérer les données maîtres. Les exemples courants incluent l'exactitude des données maîtres, les enregistrements en double et les attributs de données personnelles chiffrés. Ces métriques aident les entreprises à gérer les données techniques, à atténuer les risques et à améliorer la performance commerciale.

Mesure

La mesure des données maîtres implique la définition de métriques et d'indicateurs clés de performance (KPI) pour mesurer la qualité des données et les objectifs d'amélioration continue. Ces métriques et KPI sont essentiels pour assurer la satisfaction des clients et réduire les coûts d'exploitation.

Les exemples courants de KPI sont :

• Taux d'erreur des enregistrements de données
• Temps de cycle
• Pourcentage de données en double
• Volume total des configurations de compte
• Dépense totale de MDM
• Nombre d'employés MDM pour mille enregistrements de données

Personnes

Les personnes sont au cœur de toute transformation massive. Avoir les bonnes personnes facilite la mise en œuvre et le soutien de l'initiative MDM.

Voici une liste des personnes clés qui assurent le succès du projet MDM :

• Champion exécutif : Parraine l'initiative et y est totalement engagé
• Parties prenantes : Représentent différentes unités commerciales
• Équipe de gouvernance des données : A des rôles et des tâches clairement définis
• Consultants MDM : Aident l'équipe à élaborer des stratégies, à mettre en œuvre et à gérer les changements

Processus

Les processus agissent comme des lignes directrices pour la gestion des données maîtres et aident les équipes à se concentrer sur les domaines d'amélioration. Les stratégies clés qui rendent un projet MDM réussi sont :

• Consolidation des données se réfère au processus d'acquisition de données à partir de plusieurs sources, y compris les systèmes de planification des ressources d'entreprise (ERP), de gestion du cycle de vie des produits (PLM) et de gestion de la relation client (CRM).
  
  La consolidation des données est essentielle pour centraliser les données maîtres. La migration des données dépend généralement de différentes techniques, telles que le protocole d'accès aux objets simples (SOAP), le transfert d'état représentatif (REST), le service de messagerie Java (JMS), le réseau de synchronisation des données globales (GDSN) et l'importation manuelle. Les données sont validées, normalisées et classifiées pendant le processus d'extraction, transformation et chargement (ETL).
• Fédération et amélioration des données est un processus logiciel qui collecte des données à partir de plusieurs sources à travers les fonctions commerciales et crée une vue unique des données maîtres. La fonction d'amélioration utilise des données de référence pour vérifier la validité des données collectées et créer une entité complète. Ce processus entier peut nécessiter des flux de travail de collaboration inter-départementale, selon la source d'information.
  
  Supposons que les données maîtres contiennent des enregistrements de produits créés par plusieurs équipes. Il doit y avoir un modèle de gouvernance approprié ou un flux de travail d'approbation pour assurer une amélioration correcte des données dans un tel scénario.
• Propagation des données se réfère à la distribution des données maîtres consolidées et améliorées parmi les systèmes qui pourraient en avoir besoin. Cette distribution assure que chaque système commercial dispose des mêmes informations exactes.

Technologie

Utiliser la bonne technologie est essentiel pour un lien efficace des enregistrements, la création de modèles de données et la synchronisation de la vue des données maîtres. Certains composants technologiques clés essentiels au succès de la MDM sont :

• Hub MDM : Aggrège les données du système source, les stocke dans une base de données et synchronise ces données avec différents systèmes transactionnels.

• Outil d'intégration des données : Synchronise les données dans le hub MDM et à travers le paysage système
• Outil de qualité des données : Valide et maintient l'exactitude des données. Un outil de qualité des données efficace vous aide à trouver et à combattre les mauvaises données.

Capacités des logiciels de gestion des données maîtres

La MDM aide les entreprises à prendre de meilleures décisions avec des données intègres, précises et visibles. Les capacités de base d'une solution MDM qui permettent la meilleure prise de décision possible sont :

Profilage des données

Le profilage des données se réfère à l'analyse des sources de données pour découvrir les problèmes de qualité des données et les risques. Le processus de profilage des données implique six activités qui traitent de :

1. Collecte des caractéristiques des ensembles de données : Implique la collecte de statistiques descriptives telles que la moyenne, le minimum, le maximum, le percentile et la fréquence
2. Collecte des types de données : Implique la collecte de la longueur des données et des modèles récurrents
3. Étiquetage des données : Se réfère à l'organisation des données avec des mots-clés ou termes non hiérarchiques
4. Évaluation de la qualité des données : Mesure les caractéristiques des données par rapport aux normes définies
5. Collecte des métadonnées : La collecte et l'évaluation de l'exactitude des métadonnées
6. Identification de la distribution : Identifie les candidats clés, les dépendances de valeur intégrées, les dépendances fonctionnelles et les candidats clés étrangers

Correspondance et liaison des données

La correspondance et la liaison des données sont cruciales pour identifier et résoudre les enregistrements de données en double et les variations en un enregistrement unique et précis. Avoir un enregistrement identique peut fausser les résultats analytiques, diminuant la chance d'obtenir des insights précis.

La correspondance et la liaison des données assurent la création de données uniques et correctes en :

• Éliminant les entrées de données en double
• Surveillant l'intégrité du système source
• Enrichissant les enregistrements de données avec des données tierces
• Automatisant les tâches de création et de vérification des données intensives en ressources 

Règles commerciales des données

Les règles commerciales des données spécifient les actions et les contraintes à suivre lors de la création, de la mise à jour, de la suppression ou de la distribution des données. Ces règles sont généralement centralisées, ce qui signifie que chaque système reflétera une fois les changements appliqués. Les règles commerciales des données aident les organisations à minimiser les risques et à introduire des stratégies de gouvernance en :

• Définissant le cycle de vie des données pour les types d'objets pertinents
• Décrivant les flux de travail de décision et d'approbation
• Spécifiant les lois qui appliquent et assurent l'intégrité des données

Gestion de la localisation des données

Les pays avec des lois strictes sur la localisation des données exigent que les organisations stockent les données des clients localement. Le Règlement général sur la protection des données (RGPD) assure le transfert de données en dehors de l'UE uniquement lorsqu'il y a une protection adéquate. La capacité de gestion de la localisation des données des solutions MDM est cruciale pour la standardisation de l'emplacement des données, l'intégration et la connexion centralisée des données avec d'autres domaines.

Confidentialité et sécurité des données

Les organisations avec une quantité croissante de données doivent établir des politiques efficaces pour protéger la confidentialité des données. Les solutions MDM sont dotées de politiques de sécurité basées sur les rôles qui définissent les droits d'accès aux données sensibles et restreignent certaines actions. Les organisations peuvent également protéger leurs données contre l'accès de tiers grâce à la capacité des systèmes MDM à chiffrer les attributs de données avec des clés cryptographiques.

Enrichissement des données

L'enrichissement des données implique l'amélioration de la qualité des données avec différents outils et processus. Les outils MDM nettoient et rationalisent les données incorrectes ou incomplètes et collaborent avec des sources de données externes pour obtenir des insights sur les données. Ces données enrichies sont essentielles pour identifier les tendances, comprendre les modèles émergents et réduire les risques.

Gestion du consentement

La législation sur la protection des données a rendu crucial pour les organisations d'avoir un cadre clair pour stocker et gérer les informations personnelles. Vous devez avoir une preuve de consentement pour obtenir et conserver les données.

Les solutions MDM vous aident à appliquer de telles règles de gouvernance et à adhérer au droit des consommateurs d'accéder et de s'opposer. Un référentiel de données centralisé vous permet de gérer le consentement, d'avoir une vue unique des données et de réduire les risques d'exposition des données personnelles.

Moteurs de la gestion des données maîtres

Les organisations avec plusieurs copies de données d'entités commerciales souffrent d'inefficacité des données opérationnelles, de problèmes de qualité des données, de données incohérentes et de problèmes de classification des données. Le logiciel MDM extrait les données de sources disparates et les charge dans le hub de données maîtres centralisé pour assurer une vue unique des données à travers l'organisation. 

Voici deux scénarios qui laissent les organisations avec des problèmes de données maîtres :

1. Segmentation des unités commerciales et des lignes de produits : Les organisations qui divisent les produits et les opérations en différents segments créent souvent des données redondantes. Le cycle de vie du front-to-back-office aggrave encore la redondance des données. La MDM vous aide à créer une source autoritaire de données de compte et de produit dans de telles circonstances.
2. Fusions et acquisitions (M&A) : Les organisations traversant des fusions ou acquisitions rencontrent souvent des problèmes de données maîtres en double. La déduplication des données est une solution standard dans de tels cas. Le défi commence lorsque le nombre de bases de données maîtres augmente, entraînant des processus de réconciliation des données complexes. La MDM facilite l'intégration des données à partir de plusieurs sources et assure l'efficacité post-M&A.

Avantages de la gestion des données maîtres

Adopter un processus de gestion des données maîtres est crucial pour les organisations axées sur les données. Des données connectées et précises les aident à assurer l'agilité des processus commerciaux et à rester compétitives.

Voici les principaux avantages des plateformes MDM :

• Élimination de la redondance : Les équipes collectent et maintiennent généralement des données lors de leur interaction avec différentes entités commerciales. En conséquence, il y a répétition des données et même des données non utilisées. Les outils MDM avec des capacités d'élimination de la redondance des données (DRE) identifient et éliminent les éléments de données intra-objet et inter-objet en double.
• Mises à jour faciles des données : Les mises à jour des données se produisant isolément causent des divergences de données car les données modifiées ne se reflètent pas partout. Ces mises à jour affectent la prise de décision commerciale et peuvent même entraîner de graves conséquences. Avec la MDM, vous pouvez modifier les données maîtres et vous assurer que les données mises à jour se reflètent à travers les unités commerciales.
• Source de données autoritaire (ADS) : Établir une ADS est essentiel pour l'efficacité opérationnelle. Les systèmes MDM coordonnent avec différentes sources de données, vérifient leurs origines et les fusionnent en un nœud clé (un nœud avec une clé unique). L'ADS soutient les processus commerciaux en créant des actifs de données cohérents qui éliminent les problèmes de données mal assorties.
• Intégrité des données : Les organisations utilisent les données pour analyser les tendances du marché, optimiser la performance de la chaîne d'approvisionnement et améliorer le mix de produits en utilisant des plateformes analytiques. Accomplir ces applications d'intelligence d'affaires est difficile lorsque les données provenant de différentes fonctions commerciales sont inexactes ou erronées. Le logiciel MDM assure l'intégrité des données en maintenant la cohérence et l'exactitude des données tout au long du cycle de vie.
• Disponibilité des données : L'adoption rapide du numérique a permis aux organisations d'étendre leurs activités à l'étranger. En conséquence, les interactions commerciales se font virtuellement sans que les gens se rencontrent en personne. La MDM multi-domaines assure des opérations commerciales fluides en rendant les données disponibles à travers le cloud, l'espace physique et le cyberespace.
• Sauvegarde facile : Les référentiels de données organisationnelles deviennent souvent sujets à des menaces externes et des pannes de système. De tels incidents peuvent entraîner la corruption ou la perte de données vitales. Les outils MDM vous permettent de répondre à ces vulnérabilités avec une sauvegarde centralisée des ressources.
• Conformité réglementaire améliorée : Les organisations collectent aujourd'hui de grands volumes de données sur leurs clients, partenaires et produits. Toutes ces données doivent être conformes aux réglementations spécifiques à l'entreprise ou géographiques. La MDM facilite la conformité réglementaire en gérant les niveaux de conformité et les normes réglementaires dans un pool de données centralisé.

Défis de la gestion des données maîtres

Malgré ses capacités avancées, la MDM n'est pas exempte de défis. Voici quelques-uns des défis courants auxquels les organisations sont confrontées lors de la mise en œuvre de la MDM :

• Normes de données : Établir des normes de données appropriées est crucial pour accueillir différents types de données au sein de votre organisation. C'est pourquoi vous devriez définir des normes de données capables de gérer les types de données et les exigences inter-départementales.
• Gouvernance des données : La mise en œuvre réussie de la MDM nécessite plus que de trouver un modèle de données approprié ou de définir des normes de données. Envisagez d'avoir un cadre de gouvernance des données bien défini pour aborder efficacement la complexité des données maîtres. Ce cadre est crucial pour avoir une vue d'ensemble claire des opérations de données et identifier les problèmes de qualité des données.
• Outils de gestion des données maîtres : Il est nécessaire d'avoir le bon ensemble d'outils pour gérer les exigences de gestion des données maîtres. Envisagez d'analyser les besoins commerciaux et de comprendre les objectifs commerciaux pour identifier les outils les mieux adaptés à votre organisation.
• Transfert de données : Les outils MDM facilitent l'intégration des données à partir de différents logiciels d'entreprise et canaux commerciaux. Mais le processus de transfert de données est très sujet aux erreurs et prend du temps. C'est pourquoi il est crucial de définir des politiques pour gérer l'intégration des données avec des applications internes, externes et cloud.
• Gestion des données : La collecte de données inexactes empêche la consolidation des données maîtres et crée des problèmes de gestion. Vous pouvez éviter ces problèmes en définissant la gestion des données pour gérer les tâches et l'autorisation des données maîtres.

Modèles d'architecture MDM

Trouver un modèle de mise en œuvre approprié est essentiel pour améliorer la qualité des données maîtres et la cohérence des données. Le modèle de mise en œuvre détermine également votre capacité à construire une architecture orientée services (SOA), à soutenir l'environnement opérationnel et à pousser des données propres dans les systèmes existants.

Les quatre modèles de mise en œuvre MDM standard sont :

1. Style de registre

La mise en œuvre MDM de style registre repose sur des algorithmes de nettoyage et de correspondance pour identifier les données en double à travers les sources. Elle convient aux organisations avec plusieurs sources de données et des besoins d'intégration rapide des données.

Ce modèle MDM assure un enregistrement doré fiable en attribuant des identifiants uniques globalement (GUID) aux enregistrements correspondants et en créant une vue à 360 degrés en temps réel de chaque système de référence.

Étant donné que le style de registre n'envoie pas de données aux systèmes sources, il stocke les liens d'enregistrement correspondants pour la correspondance des données. Ce style de mise en œuvre modifie les données sur les systèmes sources existants, correspond aux informations croisées et suppose que les systèmes sources peuvent gérer leur qualité de données.

2. Style de consolidation

Le style de consolidation MDM crée un SSOT en consolidant les données de plusieurs sources. Un hub MDM géré de manière centralisée stocke l'enregistrement doré et applique les mises à jour aux sources. Ce modèle convient aux organisations avec des besoins de reporting et d'analyse de données à l'échelle de l'entreprise.

Après avoir extrait les données des systèmes existants, ce modèle de mise en œuvre nettoie, correspond et intègre un enregistrement unique pour un ou plusieurs domaines de données. Il est également peu coûteux et rapide à mettre en place.

3. Style de coexistence

La mise en œuvre MDM de style coexistence fonctionne de manière similaire aux modèles de consolidation, mais stocke les données dans un système MDM central. Elle est idéale pour les organisations cherchant à mettre à niveau les MDM de style consolidation traditionnels.

Ce modèle offre une version unique de la vérité en synchronisant les données maîtres à travers les systèmes sources et le hub. Il assure une meilleure qualité des données maîtres et un accès plus rapide aux données, mais peut être coûteux à déployer.

4. Style centralisé

La mise en œuvre MDM de style centralisé ou transactionnel repose sur des algorithmes de nettoyage, de liaison, de correspondance et d'enrichissement pour stocker, maintenir et publier les attributs des données maîtres vers les systèmes sources respectifs. Elle convient aux organisations avec des MDM de style consolidation ou coexistence existants.

Le hub de style transactionnel soutient les politiques de sécurité et de visibilité au niveau des attributs de données. En plus de fusionner les enregistrements maîtres, ce système permet aux systèmes sources de s'abonner aux mises à jour.

La MDM aide les entreprises à accélérer la croissance en éliminant la prise de décision sous-optimale et l'alignement des données. Choisir un modèle de mise en œuvre approprié et adopter les meilleures pratiques sont tout aussi importants.

Logiciel de gestion des données maîtres

Trouver le bon logiciel MDM est crucial pour permettre un traitement fluide des données maîtres. Laissez le logiciel MDM faire le gros du travail si vous recherchez des fonctionnalités robustes qui rendent la consolidation, l'organisation, la déduplication et le stockage des données plus gérables.

Pour être inclus dans cette catégorie, le logiciel doit :

• Suivre les données de plusieurs sources liées à une organisation, en particulier les métriques de performance des départements
• Consolider, organiser et stocker les données maîtres, filtrer les informations en double, signaler les incohérences et présenter les résultats dans un format clair
• Fournir aux administrateurs des outils ou des initiatives liés aux données maîtres
  Exporter les données MDM si nécessaire vers d'autres outils logiciels

*Voici les cinq principales solutions logicielles de gestion des données maîtres du rapport Grid® de l'hiver 2022 de G2. Certains avis peuvent être édités pour plus de clarté.

1. SAP Master Data Governance (MDG)

L'application SAP Master Data Governance (MDG) fournit une vue centralisée des données à l'échelle de l'organisation. Elle facilite la création, la consolidation, la modification et la distribution des données maîtres à travers le paysage système.

Ce que les utilisateurs aiment :

« C'est une plateforme fortement recommandée si vous traitez des données maîtres liées aux matériaux, aux fournisseurs, aux clients et aux finances. Vous pouvez consolider une quantité massive de données dans une base de données et jouer avec les données pour répondre aux changements demandés par les utilisateurs. »

- Avis sur SAP Master Data Governance (MDG), Sahil M.

Ce que les utilisateurs n'aiment pas :

« Il devrait y avoir plus de flexibilité pour créer une application Fiori personnalisée, y compris le périmètre client. De plus, la documentation MDG n'est pas disponible en ligne. Un autre point est que la création et la maintenance de la hiérarchie ne sont pas disponibles sur MDG. »

- Avis sur SAP Master Data Governance (MDG), Pranab M.

2. Syndigo Content Experience Hub

Syndigo Content Experience Hub offre une solution de bout en bout pour créer, gérer, syndiquer, enrichir et optimiser les actifs numériques et les données produits. Il est connu pour permettre aux marques et aux fournisseurs d'offrir un contenu cohérent aux partenaires de commerce électronique et de magasin.

Ce que les utilisateurs aiment :

« Notre partenariat avec Syndigo nous a aidés à mieux servir les clients tout en grandissant en interne et en comprenant le commerce électronique à un niveau technique et tourné vers l'avenir. Syndigo a été avec nous à chaque étape, nous guidant et améliorant continuellement l'expérience utilisateur. »

- Avis sur Syndigo Content Experience Hub, Megan S.

Ce que les utilisateurs n'aiment pas :

« Ce serait très utile d'avoir une option de chat disponible pour obtenir de l'aide sur les problèmes que je pourrais rencontrer en travaillant sur mes pièces. »

- Avis sur Syndigo Content Experience Hub, Sarah B.

3. Azure Data Catalog

Azure data catalog offre une découverte d'actifs de données en libre-service avec un catalogue de métadonnées à l'échelle de l'entreprise. Il permet aux organisations d'enregistrer des actifs de données d'entreprise, de connecter des données à des outils et de rendre la découverte des sources de données transparente.

Ce que les utilisateurs aiment :

« Azure est un service cloud fantastique et entièrement géré pour bien maîtriser les sources de données. Il permet à quiconque de comprendre les données, quel que soit son rôle professionnel. »

- Avis sur Azure Data Catalog, Anubhab D.

Ce que les utilisateurs n'aiment pas :

« Comme pour toute plateforme cloud, il y a quelques limitations, mais Microsoft écoute les retours et les corrige. Le nouveau portail de prévisualisation est lent, mais il comble de nombreuses lacunes que Microsoft avait dans l'ancien portail.

Un autre facteur est le coût des services Azure par rapport à AWS. Cela pourrait être un obstacle pour certaines organisations, mais la valeur offerte par Azure est meilleure que celle d'AWS à long terme. »

- Avis sur Azure Data Catalog, Prab T.

4. Dell Boomi

Dell Boomi offre une plateforme intelligente et évolutive pour synchroniser et enrichir les données à travers l'entreprise. La fondation technologique agile derrière cette plateforme contribue à un flux rapide d'informations, d'innovations et d'interactions.

Ce que les utilisateurs aiment :

« J'aime que Dell Boomi permette aux gens de créer des solutions ETL pour le client avec peu ou pas de codage. Cet outil est très facile à apprendre. Sa courbe d'apprentissage est très faible, ce qui permet aux gens de le comprendre en peu de temps. La fonction simple de glisser-déposer de Dell Boomi aide les gens à créer des pipelines ETL avec succès, même s'ils n'ont pas d'expérience en codage. »

- Avis sur Dell Boomi, Ankur R.

Ce que les utilisateurs n'aiment pas :

« Certains des rapports de procédure nécessitent des modifications et des fonctionnalités améliorées pour collecter des données pour le dépannage. J'aimerais voir des échecs de navigateur mobile, des enregistrements et des tentatives de procédures cassées. Bien que Boomi vous aide à écrire un code personnalisé pour les types OOB, j'aimerais pouvoir mieux organiser le code et le conserver. Il peut être difficile de rendre compte des exécutions de processus, des retards, des états atomiques et plus encore. J'aimerais voir ces connaissances sur un tableau de bord. »

- Avis sur Dell Boomi, Garnette L.

5. Oracle Enterprise Data Management Cloud

Oracle Enterprise Data Management Cloud offre une plateforme unique pour connecter des applications d'entreprise disparates, gérer les changements de données maîtres et les distribuer aux applications en aval. Il offre également des fonctionnalités de collaboration en temps réel et de visualisation des données.

Ce que les utilisateurs aiment :

« J'aime utiliser ce système car il offre un accès rapide à des bases de données imprévisibles et une vue sélective des circonstances spécifiques et mondiales en concentrant toutes les informations. De plus, il me permet d'entrer et de rafraîchir les informations pour corriger les erreurs de système de base.

Il offre des informations provenant de nombreuses zones commerciales comme la chaîne d'approvisionnement, la finance et la logistique, en plus de résoudre des problèmes d'analyse complexes. Il est facile de combiner des ensembles de données, de découvrir des thèmes en cours et des problèmes d'intégrité des informations. »

- Avis sur Oracle Enterprise Data Management Cloud, Dharmesi K.

Ce que les utilisateurs n'aiment pas :

« Oracle Enterprise Data Management nécessite un traitement de l'information, ce qui signifie qu'il y a besoin d'une formation au traitement de l'information qui est assez exigeante. »

- Avis sur Oracle Enterprise Data Management Cloud, Jane N.

Prendre des décisions basées sur les données avec des données unifiées et fiables

Plus les données commerciales prolifèrent, plus les opportunités d'insights et d'optimisation émergent. Mais faire correspondre et réconcilier les différences de données est très sujet aux erreurs. C'est pourquoi les organisations utilisent de plus en plus les outils MDM pour collecter, consolider, gérer les données maîtres d'entreprise et avoir une vue de confiance à 360 degrés des entités commerciales.

En savoir plus sur l'exploitation des données clients pour une analyse plus approfondie et des insights améliorés.