Qu'est-ce que le data management unifié ?

Le data management unifié (Unified Data Management, UDM) est un processus par lequel une série de sources de données disparates sont consolidées pour créer une source unique de données, stockées dans un entrepôt de données. Cette stratégie de data management intègre des personnes, des processus et des technologies pour traiter à la fois le modèle de data silo qui a évolué au fil du temps, et les énormes quantités d'informations traitées par les organisations, ce qui entraîne une fatigue des données.

Historiquement, les organisations ont développé leurs systèmes logiciels de manière ad hoc, en installant une série de programmes différents, en utilisant les techniques de data management, et en évoluant au fur et à mesure de leur expansion. La structure qui en résulte est disparate, avec des outils et des données en double qui servent une fonction identique. Les données sont cloisonnées, désintégrées entre les équipes et les secteurs, avec peu ou pas de possibilités de partage. Il en résulte un accès limité aux données en cas de besoin, une perte de visibilité et d'analyse des tendances, et une augmentation des coûts.

Dans ces circonstances fragmentées et problématiques, le data management unifié crée un cadre permettant de consolider les informations provenant d'une série de sources. Pour ce faire, elle identifie les facteurs d'intégration dans ces sources de données, puis les stocke dans un référentiel de données commun dans un entrepôt de données. Cela permet ensuite de lancer la data integration dans l'ensemble du système en un cadre unique qui prend en charge l'optimisation complète des données.

Le data management unifié fournit également un espace commun pour le nettoyage, l'analyse et la transformation des données. Ces opérations sont effectuées de manière universelle sur toutes les données de l'entrepôt afin de définir des normes et des règles commerciales. Le processus de nettoyage est essentiel pour assurer la cohérence dans tous les domaines de l'entreprise, ce qui permet d'améliorer la conformité des données et d'obtenir de meilleures informations sur l'entreprise.

Le système de data management unifié a été comparé à un cœur : les données proviennent de diverses sources et sont centralisées. Dans le centre de données, elles sont oxygénées et le dioxyde de carbone indésirable et les déchets, c'est-à-dire les défauts, les incohérences et les mauvaises données, sont éliminés. Les données sont ensuite acheminées vers les endroits où elles sont nécessaires, à savoir les services qui les utilisent.

Comment cela se présente-t-il dans une entreprise ?

Le data management unifié n'est pas un outil logiciel à taille unique qu'une entreprise peut utiliser tel quel. Une plateforme se compose de plusieurs outils de diverses disciplines de data management, notamment business intelligence, data integration, data quality, data governance, et master data management. Pour que le data management unifié soit un succès, il doit tisser toutes ces fonctions ensemble dans une interface simple qui permet l'administration et le développement. Les serveurs doivent être interopérables et tous les outils ont besoin des mêmes artefacts de développement tels que les modèles de données, les métadonnées et les données maîtres.

La vente au détail de vêtements en ligne est un exemple de data management unifié. Un magasin de commerce électronique a mis en place un data management unifié pour combiner tous les aspects des informations relatives aux clients et au marketing. Cela signifie que toutes les informations relatives aux clients sont centralisées en un seul point :

• Le parcours du client sur le site Web, à l'aide de l'analyse du site Web
• Informations sur les campagnes de publicité et de marketing
• Informations sur les ventes
• Informations sur les clients

En utilisant l'ensemble de ces connaissances, l'entreprise a découvert une série d'informations clés qui permettent de prendre des décisions commerciales. Le consommateur consulte souvent le site Web sur son téléphone le matin, peut-être pendant son trajet quotidien. Puis, une fois arrivé au travail, il se connecte à son ordinateur de bureau et effectue l'achat.

La relation entre les produits a été mappée pour permettre un meilleur marketing. Si une cliente achète un haut flottant et transparent, elle voudra probablement acheter un t-shirt ou une camisole simple et ajustée en dessous. En reliant les deux articles de manière à ce que l'un devienne visible lorsque l'autre est acheté, les ventes augmentent.

Une analyse approfondie des données réelles des campagnes de marketing peut mettre au jour des données intéressantes et inattendues. Des campagnes Google Adwords que l'on pensait efficaces, comparées à d'autres campagnes issues des réseaux sociaux, ont révélé que les stratégies précédemment écartées donnaient en fait de meilleurs résultats, dollar pour dollar.

Une fois le parcours d'un client suivi, l'entreprise peut lui envoyer des campagnes marketing individualisées et hautement ciblées. Ces messages peuvent être diffusés par courrier électronique, sur les réseaux sociaux ou par téléphone, en fonction des préférences de l'utilisateur.

Un système unifié de gestion des données permet aux entreprises de réaliser des gains considérables, d'augmenter leurs chiffres d'affaires et leurs parts de marché, ainsi que des objectifs traditionnels tels que la réduction des erreurs de données et le gain de temps en rendant les données accessibles.

La 5G et le data management unifié

Les réseaux mobiles et l'Internet des objets (IoT) se sont combinés pour créer un mastodonte industriel. Alors que la 5G est déployée dans le monde entier, le volume de données des utilisateurs est complètement écrasant. Dans n'importe quelle maison standard, il y a des ordinateurs portables, des téléphones mobiles, des montres de fitness, des imprimantes, des téléviseurs, des voitures et même le réfrigérateur, tous transmettant et recevant des données. Toutes ces données doivent être accessibles et gérées de manière à ce que le réseau en bénéficie.

La gestion et le stockage des données sont devenus des questions essentielles pour les fournisseurs de services, et les systèmes holistiques de data management unifié aident à gérer les objectifs en la matière. L'utilisation du cloud, la centralisation des données utilisateur et la séparation des données et des fonctions ont aidé les fournisseurs de réseaux à gérer l'ingérable. Le data management unifié a notamment permis de réduire la complexité du réseau et d'améliorer la cohérence des données. Alors que le monde passe de la 4G à la 5G, le besoin du data management unifié a augmenté.

Pourquoi une entreprise a-t-elle besoin du data management unifié

Si l'on peut penser qu'il s'agit d'un exercice de technologie (et les exigences technologiques sont bien présentes), il s'agit en fait de stratégie et de bonne gestion d'entreprise. L'objectif ultime du data management unifié est de pouvoir prendre des décisions commerciales fondées sur les données, éclairées et objectives. Il s'agit de l'excellence opérationnelle, en veillant à ce que la gouvernance, la conformité, l'intégration et la transformation de l'entreprise se fassent de manière cohérente et pour le plus grand bénéfice de l'organisation et du personnel. Il s'agit de business intelligence : où en est l'entreprise à l'heure actuelle, et comment l'améliorer ?

Il y a un équilibre à atteindre entre deux objectifs distincts. Avoir d'excellentes pratiques de data management et les aligner sur les objectifs de l'entreprise.

Accès aux données dans le data management unifié

Toute partie prenante interne ou externe doit pouvoir accéder aux informations dont elle a besoin. Les données doivent être pertinentes, faciles à localiser et précises. Cela signifie qu'un système de data management unifié fournit à tous les utilisateurs les données dont ils ont besoin pour commander un produit, savoir s'il est en stock, facturer un client, évaluer une réclamation ou effectuer un million d'autres tâches. Les data silos sont ainsi relégués au passé, car tous les secteurs de l'entreprise sont interconnectés.

Précision de l'analyse dans le data management unifié

Il est inutile d'effectuer des analyses ou des prédictions si les données sont erronées ou incomplètes. Cela se traduit par des informations erronées, une perte de temps pour les data scientists et les utilisateurs finaux des rapports, et représente un risque énorme pour l'entreprise. Le data management unifié permet d'obtenir des informations en temps réel, de créer de nouvelles opportunités et de prendre des décisions parfaitement optimisées.

Les composants d'un data management unifié efficace

Pour réussir un data management unifié, il ne suffit pas d'avoir les bons éléments techniques et de stocker toutes les données de manière accessible. Il doit satisfaire deux éléments.

Coordination de divers data management

Il faut trouver un équilibre entre l'interopérabilité des serveurs et le développement des données au sein des équipes. Le data management unifié permet de partager et d'unifier l'infrastructure technique en utilisant des composants pertinents de l'architecture des données. Cette démarche devrait aboutir à une pratique holistique, collaborative et unifiée. Ce n'est qu'alors que les données pourront être exploitées à l'échelle de l'entreprise.

Soutien des objectifs stratégiques de l'entreprise

Cet aspect comprend deux facettes : l'équipe de direction doit comprendre clairement quels sont les objectifs de l'entreprise, puis ces objectifs doivent être traduits en exigences de données. Il doit y avoir un alignement entre la direction et la technologie. Si la direction a besoin de données dans un certain délai, ou pour respecter certaines étapes, cela doit être clarifié et communiqué.

Le data management unifié sous un autre nom

Le data management unifié n'est pas un terme très courant, mais ses principes sont pratiqués par beaucoup. La plupart des entreprises mettent déjà en œuvre des pratiques et des stratégies de data management unifié, mais l'appellent souvent autrement. De nombreuses entreprises n'ont pas de nom pour leur discipline de data management, mais lorsqu'on les interroge sur leurs stratégies, les processus et les résultats s'alignent sur le data management unifié.

EIM et EDM

Enterprise Information Management (EIM) et Enterprise Data Management (EDM) sont deux termes couramment utilisés alors que Data Management Unifié serait plus approprié. Souvent, ces termes sont liés à des fournisseurs de logiciels commerciaux qui en font la promotion à tort. Ces termes ont également un champ d'application plus étroit et tournent autour des pratiques de data management, d'intégration et d'extraction des données, et non autour de l'ensemble global et des avantages pour l'entreprise.

Master Data Management

La Master Data Management (MDM) consiste en une collaboration entre l'entreprise et les technologies de l'information pour s'assurer que les données maîtres sont exactes et cohérentes et qu'il existe une responsabilité à leur égard au sein de l'organisation. Bien qu'elle présente des similitudes avec le data management unifié, elle est moins axée sur le lien avec les objectifs et les idéaux de l'entreprise et davantage sur les stratégies et les programmes visant à accroître l'exactitude des données dans l'ensemble de l'entreprise.

Gouvernance des données et des informations

La gouvernance des données et des informations ne concerne pas les systèmes techniques utilisés pour gérer les logiciels, mais l'éthique, les normes et les règles qui entourent les données. La gouvernance s'intéresse davantage à la définition de l'utilisation, à l'accès à l'information, à la sécurité, au cycle de vie de l'information et à la catégorisation. Elle joue un rôle plus théorique dans la planification et aide à prendre des décisions sur la façon dont les données sont gérées, mais elle n'est pas en elle-même un système de gestion.

Avantages du data management unifié

Éviter la surcharge d'informations

Les données sont partout. Les volumes de données créées et consommées par les entreprises sont considérables, qu'il s'agisse des réseaux sociaux, des critiques, des vidéos et des sources d'information externes, ou encore des informations internes sur les achats et de la collecte de données sur les clients. Il n'est pas rare que les entreprises traitent des téraoctets de données chaque jour, et cela peut être complètement écrasant pour les personnes et les systèmes.

Le data management unifié vise à minimiser le volume. Les données sont reçues, traitées, stockées au bon endroit, et à un seul endroit. Cela rend l'ensemble du processus moins écrasant et la gestion des données un objectif beaucoup plus réalisable.

Aperçu de l'activité et analyse des tendances

L'un des principaux objectifs du data management unifié est de fournir des informations commerciales et une analyse précise des tendances. Le data management unifié transforme les données, les nettoie et crée un ensemble de données utilisables pour l'analyse. Il organise également les données dans un endroit et sous une forme accessibles, ce qui les rend beaucoup plus utilisables. Cela conduit à une innovation agile basée sur des données et des informations commerciales qui n'auraient pas été possibles autrement.

Réduction des coûts

Le data management unifié permet de réduire les frais généraux des entreprises de diverses manières :

• Pas de double emploi des données ou de data silo ; réduction des erreurs et des informations manquantes
• Le data management unifié étant largement basé dans le cloud, il n'est pas nécessaire d'investir dans du matériel et des serveurs coûteux
• De meilleures analyses métier et prévisions permettent de prendre des décisions en connaissance de cause, plus susceptibles d'entraîner une croissance
• Comme les données sont automatiquement nettoyées, il y a moins de perte de temps pour les spécialistes des données et d'autres ressources précieuses.

Contrôle de conformité

Les données sont un secteur important, sans doute le plus important actuellement. Toute une série de lois, de législations et de règles commerciales ont été créées pour tenter de les gérer. Les entreprises doivent non seulement gérer les données elles-mêmes, mais aussi les gérer de manière à ce qu'elles soient sûres et conformes à toutes les réglementations. Le data management unifié applique automatiquement des règles aux données, de sorte qu'il n'y a aucun risque de non-conformité. La réduction du risque d'amendes et de non-conformité est essentielle aux meilleures pratiques commerciales et pour rester une marque de confiance auprès des clients et des fournisseurs.

Les défis du data management unifié

Un champ d'application trop large

Les entreprises qui tentent d'unifier toutes leurs données en un seul processus sont vouées à l'échec. Ce processus n'est pas conçu pour être une solution miracle, avec un seul outil qui unifie tout.

Solution : il est peu probable qu'une entreprise veuille coordonner 100 % de ses données, ce qui pourrait être un objectif impossible à atteindre. Au lieu d'essayer de tout faire en même temps, abordez le problème par étapes logiques. Attachez quelques parties du système à la fois et travaillez progressivement, en construisant le système jusqu'à ce qu'il soit unifié à un niveau qui répond aux objectifs de la direction. Ne choisissez que les éléments à unifier dont la collaboration et la coordination créent des avantages.

Manque de flexibilité

L'un des plus gros problèmes de toute architecture de données est le manque de flexibilité. Si une entreprise est un prestataire médical, son infrastructure doit être capable de faire face à des millions de flux de données de surveillance en direct, doit pouvoir ajouter facilement des produits et gérer les données correctement. Les logiciels, les sources de données et les types de données changent constamment pour toutes les organisations, et tout système de data management doit être incroyablement agile afin de rester pertinent.

Solution : le fait de garder les données dans le nuage, d'utiliser les applications à bon escient et de ne pas imposer une structure rigide au système contribue largement à la fluidité des résultats. Ce sont les données et les besoins de l'entreprise qui doivent dicter l'architecture, et non l'infrastructure elle-même. En utilisant une technologie autonome, vérifiez et maintenez l'intégrité et les performances du système et optimisez-le si nécessaire.

Ambiguïté des normes de données et de la gouvernance

Il existe des lois, des normes et des directives concernant presque tous les aspects de la collecte, du stockage et de la distribution des données. La définition des normes pour l'entreprise pourrait être l'un des aspects les plus difficiles de la création d'un système de data management unifié. La mise en œuvre de la législation peut être coûteuse et lourde, en particulier dans les organisations complexes. Les lois de conformité évoluent constamment pour répondre aux besoins croissants d'un monde de plus en plus connecté.

Solutions : le système doit être conçu et développé avec la participation d'experts en gouvernance, de data scientists, de professionnels des technologies de l'information et de propriétaires d'entreprises. Il n'y a pas de méthode simple pour y parvenir, si ce n'est d'établir une bonne gestion des données dès le départ et de ne pas prendre de raccourcis. Les informations personnellement identifiables doivent faire l'objet d'une attention particulière, d'un suivi et d'un contrôle de conformité aux règles de confidentialité. Les outils qui permettent de suivre et d'examiner les données tout en identifiant les chaînes de connexion et en contrôlant la conformité sont essentiels.

Manque de compréhension des données

Il est fréquent qu'une organisation comprenne mal ses données, ce qui devient coûteux lorsque les informations sont stockées, mais jamais utilisées. Ensuite, les entreprises ne savent pas comment ces données peuvent être utilisées ou réaffectées, ce qui fait du traitement des données un gaspillage de ressources.

Solutions : la création d'une couche de découverte permet d'identifier les données existantes et de les rendre accessibles et utilisables.