Objectifs pédagogiques / Compétences visées
- Présenter la philosophie des référentiels de données 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.
Niveau requis
Avoir des connaissances générales en architecture SI.
Public concerné
Architectes SI, chefs de projets, Data Stewards et/ou Data Governors.
Programme
Introduction
- Présentation du cours
- Concepts et glossaire des données de référence
- Rappel sur l'architecture des référentiels SI
Les données de référence
- Définition des données de référence (Master Data)
- Types et nature des données de référence
- Les principaux référentiels du SI
- Architecture applicative d'un référentiel
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
Les données ambiguës
- L'importance de connaître les données ambiguës
- Les risques de l'engagement "Business"
- Les "Business Cases" faibles
- Excès d'ambitions
- L'ignorance de la qualité des données
- MDM n'est pas une cible mais un process
Architecture et technologie
- Architectures MDM
- 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
La gouvernance des données
- Rôle de la gouvernance
- 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
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
- Les technologies utilisées dans la qualité des données
- La perception des éditeurs dans la qualité des données
Modalités d’évaluation des acquis
- En cours de formation, par des études de cas ou des travaux pratiques
- Et, en fin de formation, par un questionnaire d'auto-évaluation ou une certification (M2i ou éditeur)