SlideShare une entreprise Scribd logo
1  sur  22
Télécharger pour lire hors ligne
Informatica Day 2011
MDM et BI : practices similaires,
complémentaires ou différentes ?
6 Octobre 2011
Antoine CHAUVET
MDM Practice Manager
antoine.chauvet@businessdecision.com
Gad BENCHIMOL
Directeur EPM / BI
gad.benchimol@businessdecision.com
Agenda
2
Présentation de Business & Decision
MDM & BI, positionnement ?
3 cas concrets où les synergies s’expriment
Projets MDM – Quel rôle pour les acteurs de la BI ?
Les apports du MDM à la BI
Agenda
3
Présentation de Business & Decision
MDM & BI, positionnement ?
3 cas concrets où les synergies s’expriment
Projets MDM – Quel rôle pour les acteurs de la BI ?
Les apports du MDM à la BI
Business & Decision aujourd’hui
4
 Business Intelligence (BI)
 Master Data Management (MDM)
 Gestion de la Relation Client (CRM)
 E-business (Web)
 Management Consulting
 Modèle d’experts
 Double compétence :
métier et technologie.
 Modèle de Delivery adaptable
Accompagnement de bout en bout :
 Conseil
 Intégration de systèmes
 Conduite du changement
 Maintenance
 Hébergement
Agenda
5
Présentation de Business & Decision
MDM & BI, positionnement ?
3 cas concrets où les synergies s’expriment
Projets MDM – Quel rôle pour les acteurs de la BI ?
Les apports du MDM à la BI
Soyons pratiques …
6
Id Client Produit Point de vente Date Montant
92584789 Jeanne ROBERT TXF98 Nanterre 05/11/2011 429 €
92585432 Jeanne GRANIER TXF98-TT La Défense 06/11/2011 419 €
….
06/11/201105/11/2011
De la transaction aux dimensions
7
Id Client Produit Point de vente Date Montant
92584789 125124 66581 454562 06/11/2011 429 €
92584790 651233 21877 632297 07/11/2011 419 €
….
Id Client Nom client
125124 Jeanne ROBERT
651233 Jeanne GRANIER
…
Id Produit Libellé Produit
66581 TXF98
21877 TXF98-TT
…
Id PdV Libellé PdV
454562 Nanterre
632297 La Défense
…
Les données Référentielles Vs Transactionelles
8
Ventes
Clients
Fourni
sseurs
Temps
Produi
ts
Géo
Quelles sont les particularités des
données référentielles :
 Leur cycle de vie est plus lent
 Elles pré-existent à la transaction
 Elles ont un nombre moins élevé
d’occurrences et sont organisées selon :
 1 niveau  nomenclature
 N niveaux  hiérarchie
 Les processus transactionnels ne les
impactent pas
 Elles ne sont pas propres à un métier mais
largement partagées
 … Elles sont souvent mal gérées dans
les entreprises …
Les Master Datas ont un impact direct ou indirect sur tous les processus
et usages du SI, elles contextualisent les indicateurs BI pour leur donner
du sens
Les données de référence pour la BI
La BI ne s’intérresse pas particulièrement aux attributs des master
data, mais prioritairement aux liens, aux rattachement hierarchiques à
des fins d’analyse.
Agenda
10
Présentation de Business & Decision
MDM & BI, positionnement ?
3 cas concrets où les synergies s’expriment
Projets MDM – Quel rôle pour les acteurs de la BI ?
Les apports du MDM à la BI
Les apports du MDM à la BI
11
• Notion de dimensions conformes : Définition de
dimensions, d’attributs et de hiérarchies communes
au travers des magasins de données pour les
analyses cross domaines
• Une approche de modélisation mature
Disposer de référentiels
transverses aux projets
BI : un pré requis à la BI
d’entreprise
• Une barrière sérieuse au succès de la BI…
• …qui ne peut être franchie qu’en organisant les
contributions des « lines of business », au travers
d’une approche de gouvernance de données
Qualité de données : un
enjeu critique qui
concerne autant les
directions fonctionnelles
que l’IT
• Un référentiel de données, s’il définit comme un
service autonome indépendamment des usages,
donne plus de sens et de valeur à n’importe quelle
données : transactionnelle/décisionnelle, données
structurées / non structurées
Une valeur ajoutée
qui ne se limite pas au
seul périmètre
traditionnel de la BI
Les enjeux BI liés à la mise en œuvre d’un MDM :
l’exemple de la direction financière
Obtenir de la transversalité malgré
l’existence de silos et garantir une
vue locale (autonomie d’action) et
globale (contrôle)
BesoinsChallenges métiers
 Cohérence cross systèmes, BU
 Consolidations métiers et
analytiques optimisées
 Réduction des délais de clôture
Anticiper les Fusions / Acquisitions ,
changements d’organisation et
mesurer leurs impacts
Accroitre l’agilité
Ajuster la stratégie en fonction des
résultats
Garantir la conformité réglementaire
 Rapidité de rationalisation
financière
 Analyse à périmètre courant et
constant
 Alignement des systèmes BI avec le
Business
 Modèle référentiel souple
 Propagation automatisée dans le SI
 Historisation des versions de
données
 Traçabilité des actions
 Certifications des résultats
12
Agenda
13
Présentation de Business & Decision
MDM & BI, positionnement ?
3 cas concrets où les synergies s’expriment
Projets MDM – Quel rôle pour les acteurs de la BI ?
Les apports du MDM à la BI
Le cas :
Le problème, quelle pertinence dans les résultats si :
1.Jeanne ROBERT s’est mariée à Hervé GRANIER et a changé de nom en
Jeanne GRANIER ?
2.Le point de vente de La Défense est rattaché à la direction
départementale 75 depuis le 06/11/2011 ?
3.Les téléviseurs TXF98 et TXF98-TT correspondent au même modèle issu
de deux fournisseurs différents ?
14
06/11/201105/11/2011
Quelques résultats
analytiques :
CA moyen par client : 424 €
 CA du premier PdV : 429 €
CA moyen sur le segment téléviseur : 424 €
 CA consolidé de la DD 92 : 848 €
Cas 1 - Amélioration de la qualité des reporting BI
Modèle de données intègre
Références croisées
Lineage
Gestion de versions
Intégration avec l’existant
Gestion
BI1
Gestion
DWH
Data Steward
BI2
 Le processus d’évolution est simplifié
et industrialisé
 Le délai de prise en compte des
changement est réduit
 Les dimensions sont conformes et les
transactions en cohérence avec ces
dernières
 La qualité des reporting est accrue
 Les indicateurs et TdB issus de
différents systèmes BI peuvent être
comparés
 Les résultats sont auditables
Fonctionnalités MDM clés
MDM
Cas 1 - Amélioration de la qualité des reporting BI
Le cas :
Le problème :
Les « vues » magasins et Web ne sont pas consolidées
Le rapprochement par foyer n’est pas assuré
Les données utilisées pour calculer la segmentation client et pour réaliser le
ciblage sont partielles
16
Constats fréquents
Le SI du canal web n’a pas
connaissance de l’achat réalisé en
magasin et réciproquement
Le marketing ne fait pas le lien entre
Jeanne GRANIER et son mari Hervé
pour affiner sa relation client
12/11/201105/11/2011 07/11/2011
Cas 2 - Collaboration MDM / BI pour la pertinence des
campagnes marketing
MDM
DWH Web
DWH Magasins
Marketing
Marketing /
Qualité fichier
Modèle de données intègre
Fusion / Dédoublonnage
Priorisation des sources / Trust
Recyclage des rejets
Pilotage de la qualité fichier
Fonctionnalités MDM clés
BI MKTG
Cas 2 - Collaboration MDM / BI pour la pertinence des
campagnes marketing
 La solution MDM consolide les deux
canaux (aspects qualitatif et
quantitatif)
 Les métiers ont la main pour arbitrer
les fusions, gérer les conflits & rejets
 Le datamart marketing calcule les
scores et les fournit au MDM pour la
classification / segmentation clients
 Le ciblage est réalisé sur des
données fiables multi-canal
 Les données d’adressage (email,
téléphone) & les opt-ins sont fiabilisés
 Le nombre de « bounces » est réduit,
les préférences clients sont
respectées
Le cas :
Le problème :
Difficulté à « simuler » de nouvelles répartitions des territoires
Les informations agrégées (budget, forecast) et de détail (employé,
territoire, primes individuelles) pas toujours réconciliables
Difficulté à justifier de l’équité de la ventilation
18
Les constats
La répartition des territoires prends
du temps
Les objectifs ne sont pas alignés
avec le budget
Les discussions sont interminables
pour affiner les objectifs ou
retoucher les territoires affectés
Cas 3 – Optimisation de la répartition des territoires
commerciaux
 Les données de référence sur les
employés, les territoires, les comptes
sont gérées en central dans le MDM
 Les résultats de l’exercice N sont en
ligne avec les données de référence
 Le recalcul sur une version antérieure
du référentiel est possible afin de
garantir la traçabilité
 La simulation sur une version
postérieure du référentiel est possible
 La justification du bien fondé de la
nouvelle répartition en lien avec les
simulation et le budget est possible
ou simplifiée
MDM
BI
Modèle de données intègre
Workflow collaboratif d’administration
Gestion des droits & accès
Gestion des hierarchies
Date d’effet des liens père / fils
Fonctionnalités MDM clés
Cas 3 – Optimisation de la répartition des territoires
commerciaux
Agenda
20
Présentation de Business & Decision
MDM & BI, positionnement ?
3 cas concrets où les synergies s’expriment
Projets MDM – Quels rôles pour les acteurs de la BI ?
Les apports du MDM à la BI
Projet MDM – Quels rôles pour les acteurs de la BI ?
• Une approche industrielle et systématique
• Une approche plus collaborative, impliquant à la fois les
« métiers » et l’IT
Apporter une meilleure
réponse à un point
sensible des projets BI :
la qualité des données
• Une discipline qui devient un pilier du SI de l’entreprise,
et non plus une de ses extensions
• La capacité de traiter les problèmes en amont, donc
plus efficacement
Valoriser un savoir faire
précieux pour
l’entreprise au-delà de la
BI
• BI agile : permettre à certaines populations d’utilisateurs
de construire leurs propres environnements de données
en mode prototype
• Donner du sens aux données non structurées en les
croisant avec les données de référentiel.
Explorer de nouveaux
horizons en termes de
découverte de données
Questions / Réponses
22

Contenu connexe

Tendances

Pilotage de gestion, data et machine learning by Mindoo Management
Pilotage de gestion, data et machine learning by Mindoo ManagementPilotage de gestion, data et machine learning by Mindoo Management
Pilotage de gestion, data et machine learning by Mindoo ManagementCyril Lagrange
 
[French] Transformez vos données produits et clients en chiffre d’affaires
[French] Transformez vos données produits et clients en chiffre d’affaires[French] Transformez vos données produits et clients en chiffre d’affaires
[French] Transformez vos données produits et clients en chiffre d’affairesJean-Michel Franco
 
[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...
[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...
[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...Jean-Michel Franco
 
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Gestion des données clients et leur exploitation, un enjeu dans la transforma...Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Gestion des données clients et leur exploitation, un enjeu dans la transforma...Pitney Bowes
 
Le client au cœur de vos transformations : analyse sur la mutation des proces...
Le client au cœur de vos transformations : analyse sur la mutation des proces...Le client au cœur de vos transformations : analyse sur la mutation des proces...
Le client au cœur de vos transformations : analyse sur la mutation des proces...Canon Business FR
 
IBM Cognos Collaboration
IBM Cognos CollaborationIBM Cognos Collaboration
IBM Cognos CollaborationVincent Perrin
 
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?Zeenea
 
Présentation: Business Intelligence - Cas du Maroc
Présentation: Business Intelligence - Cas du MarocPrésentation: Business Intelligence - Cas du Maroc
Présentation: Business Intelligence - Cas du MarocLamia Ben
 
{French] 5 cas d'usages mdm produit
{French] 5 cas d'usages mdm produit{French] 5 cas d'usages mdm produit
{French] 5 cas d'usages mdm produitJean-Michel Franco
 
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...Jean-Michel Franco
 

Tendances (12)

Pilotage de gestion, data et machine learning by Mindoo Management
Pilotage de gestion, data et machine learning by Mindoo ManagementPilotage de gestion, data et machine learning by Mindoo Management
Pilotage de gestion, data et machine learning by Mindoo Management
 
[French] Transformez vos données produits et clients en chiffre d’affaires
[French] Transformez vos données produits et clients en chiffre d’affaires[French] Transformez vos données produits et clients en chiffre d’affaires
[French] Transformez vos données produits et clients en chiffre d’affaires
 
Matinales du MDM 2011
Matinales du MDM 2011Matinales du MDM 2011
Matinales du MDM 2011
 
[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...
[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...
[French] Une Vision à 360° de vos clients grâce au Master Data Management et ...
 
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Gestion des données clients et leur exploitation, un enjeu dans la transforma...Gestion des données clients et leur exploitation, un enjeu dans la transforma...
Gestion des données clients et leur exploitation, un enjeu dans la transforma...
 
Le client au cœur de vos transformations : analyse sur la mutation des proces...
Le client au cœur de vos transformations : analyse sur la mutation des proces...Le client au cœur de vos transformations : analyse sur la mutation des proces...
Le client au cœur de vos transformations : analyse sur la mutation des proces...
 
IBM Cognos Collaboration
IBM Cognos CollaborationIBM Cognos Collaboration
IBM Cognos Collaboration
 
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?
Gouvernance des données - Pourquoi démarrer une gouvernance des données agile ?
 
Présentation: Business Intelligence - Cas du Maroc
Présentation: Business Intelligence - Cas du MarocPrésentation: Business Intelligence - Cas du Maroc
Présentation: Business Intelligence - Cas du Maroc
 
Big Data Analytics
Big Data AnalyticsBig Data Analytics
Big Data Analytics
 
{French] 5 cas d'usages mdm produit
{French] 5 cas d'usages mdm produit{French] 5 cas d'usages mdm produit
{French] 5 cas d'usages mdm produit
 
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
Réussir le projet MDM depuis son business case jusqu'à son exploitation au q...
 

En vedette

Km622 g formation-ibm-infosphere-metadata-workbench-essentials-v9-1
Km622 g formation-ibm-infosphere-metadata-workbench-essentials-v9-1Km622 g formation-ibm-infosphere-metadata-workbench-essentials-v9-1
Km622 g formation-ibm-infosphere-metadata-workbench-essentials-v9-1CERTyou Formation
 
Informatica data quality[IDQ] 9
Informatica data quality[IDQ] 9Informatica data quality[IDQ] 9
Informatica data quality[IDQ] 9RISLGLOBAL
 
Informatica data quality online training
Informatica data quality online trainingInformatica data quality online training
Informatica data quality online trainingDivya Shree
 
Business intelligence-dans-la-banque-de-demain
Business intelligence-dans-la-banque-de-demainBusiness intelligence-dans-la-banque-de-demain
Business intelligence-dans-la-banque-de-demainSoft Computing
 
Data quality architecture
Data quality architectureData quality architecture
Data quality architectureanicewick
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleLilia Sfaxi
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesLilia Sfaxi
 

En vedette (10)

Km622 g formation-ibm-infosphere-metadata-workbench-essentials-v9-1
Km622 g formation-ibm-infosphere-metadata-workbench-essentials-v9-1Km622 g formation-ibm-infosphere-metadata-workbench-essentials-v9-1
Km622 g formation-ibm-infosphere-metadata-workbench-essentials-v9-1
 
Informatica 9 soa
Informatica 9 soaInformatica 9 soa
Informatica 9 soa
 
Informatica data quality[IDQ] 9
Informatica data quality[IDQ] 9Informatica data quality[IDQ] 9
Informatica data quality[IDQ] 9
 
Informatica 9 pervasive dq
Informatica 9 pervasive dqInformatica 9 pervasive dq
Informatica 9 pervasive dq
 
Informatica data quality online training
Informatica data quality online trainingInformatica data quality online training
Informatica data quality online training
 
Pilotage & Performance 2012
Pilotage & Performance 2012Pilotage & Performance 2012
Pilotage & Performance 2012
 
Business intelligence-dans-la-banque-de-demain
Business intelligence-dans-la-banque-de-demainBusiness intelligence-dans-la-banque-de-demain
Business intelligence-dans-la-banque-de-demain
 
Data quality architecture
Data quality architectureData quality architecture
Data quality architecture
 
Chp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique DécisionnelleChp1 - Introduction à l'Informatique Décisionnelle
Chp1 - Introduction à l'Informatique Décisionnelle
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
 

Similaire à Informatica Day 2011 - présentation sur le MDM

Décisionnel Agile : les conditions du succès
Décisionnel Agile : les conditions du succèsDécisionnel Agile : les conditions du succès
Décisionnel Agile : les conditions du succèsJean-Michel Franco
 
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013Yann SESE
 
BPM - Chapitre 1.1 - Introduction aux concepts du BPM.pdf
BPM - Chapitre 1.1 - Introduction aux concepts du BPM.pdfBPM - Chapitre 1.1 - Introduction aux concepts du BPM.pdf
BPM - Chapitre 1.1 - Introduction aux concepts du BPM.pdfDANEGHARIB
 
Master Data Management : quels outils ? quelles bonnes pratiques ?
Master Data Management : quels outils ? quelles bonnes pratiques ?Master Data Management : quels outils ? quelles bonnes pratiques ?
Master Data Management : quels outils ? quelles bonnes pratiques ?Jean-Michel Franco
 
Remettre les données au cœur de la réflexion (Data Centric) du pilotage de la...
Remettre les données au cœur de la réflexion (Data Centric) du pilotage de la...Remettre les données au cœur de la réflexion (Data Centric) du pilotage de la...
Remettre les données au cœur de la réflexion (Data Centric) du pilotage de la...Olivier Rihouet
 
Atelier comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
Atelier   comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...Atelier   comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
Atelier comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...polenumerique33
 
Conférence solutions bpms 2011 - Agilité du SI et agilité de l'entreprise 201...
Conférence solutions bpms 2011 - Agilité du SI et agilité de l'entreprise 201...Conférence solutions bpms 2011 - Agilité du SI et agilité de l'entreprise 201...
Conférence solutions bpms 2011 - Agilité du SI et agilité de l'entreprise 201...BPMSinfo
 
Search Based Application: Facilitez vous le MDM !
Search Based Application: Facilitez vous le MDM !Search Based Application: Facilitez vous le MDM !
Search Based Application: Facilitez vous le MDM !Jean-François Caenen
 
BI, Pilotage Stratégique et Intelligence Economique
BI, Pilotage Stratégique et Intelligence EconomiqueBI, Pilotage Stratégique et Intelligence Economique
BI, Pilotage Stratégique et Intelligence EconomiqueMichel Bruley
 
Aligner son organisation IT sur la création de valeurs pour le client
Aligner son organisation IT sur la création de valeurs pour le clientAligner son organisation IT sur la création de valeurs pour le client
Aligner son organisation IT sur la création de valeurs pour le clientMielabelo
 
Matinales Perf Paris 12 Finale
Matinales Perf Paris 12 FinaleMatinales Perf Paris 12 Finale
Matinales Perf Paris 12 FinaleJean-Michel Franco
 
DATA FORUM MICROPOLE - 2015
DATA FORUM MICROPOLE - 2015DATA FORUM MICROPOLE - 2015
DATA FORUM MICROPOLE - 2015Micropole Group
 
[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big DataYann Gourvennec
 
Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Hervé Husson
 
7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...dibs-conseil
 
Business intelligence 3 eme
Business intelligence 3 eme Business intelligence 3 eme
Business intelligence 3 eme AmeniBoubaker2
 

Similaire à Informatica Day 2011 - présentation sur le MDM (20)

Décisionnel Agile : les conditions du succès
Décisionnel Agile : les conditions du succèsDécisionnel Agile : les conditions du succès
Décisionnel Agile : les conditions du succès
 
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
 
Bi vf-3
Bi vf-3Bi vf-3
Bi vf-3
 
BPM - Chapitre 1.1 - Introduction aux concepts du BPM.pdf
BPM - Chapitre 1.1 - Introduction aux concepts du BPM.pdfBPM - Chapitre 1.1 - Introduction aux concepts du BPM.pdf
BPM - Chapitre 1.1 - Introduction aux concepts du BPM.pdf
 
Master Data Management : quels outils ? quelles bonnes pratiques ?
Master Data Management : quels outils ? quelles bonnes pratiques ?Master Data Management : quels outils ? quelles bonnes pratiques ?
Master Data Management : quels outils ? quelles bonnes pratiques ?
 
Remettre les données au cœur de la réflexion (Data Centric) du pilotage de la...
Remettre les données au cœur de la réflexion (Data Centric) du pilotage de la...Remettre les données au cœur de la réflexion (Data Centric) du pilotage de la...
Remettre les données au cœur de la réflexion (Data Centric) du pilotage de la...
 
Atelier comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
Atelier   comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...Atelier   comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
Atelier comment choisir et déployer un erp - CCI Bordeaux et Prodware - 07 ...
 
Conférence solutions bpms 2011 - Agilité du SI et agilité de l'entreprise 201...
Conférence solutions bpms 2011 - Agilité du SI et agilité de l'entreprise 201...Conférence solutions bpms 2011 - Agilité du SI et agilité de l'entreprise 201...
Conférence solutions bpms 2011 - Agilité du SI et agilité de l'entreprise 201...
 
Search Based Application: Facilitez vous le MDM !
Search Based Application: Facilitez vous le MDM !Search Based Application: Facilitez vous le MDM !
Search Based Application: Facilitez vous le MDM !
 
BI, Pilotage Stratégique et Intelligence Economique
BI, Pilotage Stratégique et Intelligence EconomiqueBI, Pilotage Stratégique et Intelligence Economique
BI, Pilotage Stratégique et Intelligence Economique
 
Matinale du MDM 2012
Matinale du MDM 2012 Matinale du MDM 2012
Matinale du MDM 2012
 
Sopphy presentation
Sopphy presentationSopphy presentation
Sopphy presentation
 
Aligner son organisation IT sur la création de valeurs pour le client
Aligner son organisation IT sur la création de valeurs pour le clientAligner son organisation IT sur la création de valeurs pour le client
Aligner son organisation IT sur la création de valeurs pour le client
 
Matinale du MDM 2012
Matinale du MDM 2012Matinale du MDM 2012
Matinale du MDM 2012
 
Matinales Perf Paris 12 Finale
Matinales Perf Paris 12 FinaleMatinales Perf Paris 12 Finale
Matinales Perf Paris 12 Finale
 
DATA FORUM MICROPOLE - 2015
DATA FORUM MICROPOLE - 2015DATA FORUM MICROPOLE - 2015
DATA FORUM MICROPOLE - 2015
 
[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data[Fr] Information builders - MDM et Big Data
[Fr] Information builders - MDM et Big Data
 
Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3Dep 2015 projets big data & dq 20151126 v1.3
Dep 2015 projets big data & dq 20151126 v1.3
 
7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...7 points clés à retenir pour aborder le data management de données clients...
7 points clés à retenir pour aborder le data management de données clients...
 
Business intelligence 3 eme
Business intelligence 3 eme Business intelligence 3 eme
Business intelligence 3 eme
 

Plus de Business & Decision

Présentation GDPR - Business & Decision
Présentation GDPR - Business & DecisionPrésentation GDPR - Business & Decision
Présentation GDPR - Business & DecisionBusiness & Decision
 
Business & Decision - Atteignez le ROI2 sur vos projets Data - Congrès Big Da...
Business & Decision - Atteignez le ROI2 sur vos projets Data - Congrès Big Da...Business & Decision - Atteignez le ROI2 sur vos projets Data - Congrès Big Da...
Business & Decision - Atteignez le ROI2 sur vos projets Data - Congrès Big Da...Business & Decision
 
Sales Transformation in a Digital World - Summary
Sales Transformation in a Digital World - SummarySales Transformation in a Digital World - Summary
Sales Transformation in a Digital World - SummaryBusiness & Decision
 
Business & Decision - Blockchain et applications : Etat de l'art
Business & Decision - Blockchain et applications : Etat de l'artBusiness & Decision - Blockchain et applications : Etat de l'art
Business & Decision - Blockchain et applications : Etat de l'artBusiness & Decision
 
Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...
Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...
Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...Business & Decision
 
White paper "From Big Data to Big Busine$$"
White paper "From Big Data to Big Busine$$"White paper "From Big Data to Big Busine$$"
White paper "From Big Data to Big Busine$$"Business & Decision
 
Soirée de lancement du blog et du livre blanc big data - Business & Decision
Soirée de lancement du blog et du livre blanc big data - Business & DecisionSoirée de lancement du blog et du livre blanc big data - Business & Decision
Soirée de lancement du blog et du livre blanc big data - Business & DecisionBusiness & Decision
 
Livre Blanc Cloud et Business Intelligence
Livre Blanc Cloud et Business IntelligenceLivre Blanc Cloud et Business Intelligence
Livre Blanc Cloud et Business IntelligenceBusiness & Decision
 
Livre Blanc Cloud et BI - english
Livre Blanc Cloud et BI - englishLivre Blanc Cloud et BI - english
Livre Blanc Cloud et BI - englishBusiness & Decision
 
Pilotage & Performance 2011 - english
Pilotage & Performance 2011 - english Pilotage & Performance 2011 - english
Pilotage & Performance 2011 - english Business & Decision
 
Neolane Evolution 2011 - english
Neolane Evolution 2011 - englishNeolane Evolution 2011 - english
Neolane Evolution 2011 - englishBusiness & Decision
 
Présentation réseaux sociaux 2010
Présentation réseaux sociaux 2010Présentation réseaux sociaux 2010
Présentation réseaux sociaux 2010Business & Decision
 

Plus de Business & Decision (20)

Présentation GDPR - Business & Decision
Présentation GDPR - Business & DecisionPrésentation GDPR - Business & Decision
Présentation GDPR - Business & Decision
 
Business & Decision - Atteignez le ROI2 sur vos projets Data - Congrès Big Da...
Business & Decision - Atteignez le ROI2 sur vos projets Data - Congrès Big Da...Business & Decision - Atteignez le ROI2 sur vos projets Data - Congrès Big Da...
Business & Decision - Atteignez le ROI2 sur vos projets Data - Congrès Big Da...
 
Sales Transformation in a Digital World - Summary
Sales Transformation in a Digital World - SummarySales Transformation in a Digital World - Summary
Sales Transformation in a Digital World - Summary
 
Business & Decision - Blockchain et applications : Etat de l'art
Business & Decision - Blockchain et applications : Etat de l'artBusiness & Decision - Blockchain et applications : Etat de l'art
Business & Decision - Blockchain et applications : Etat de l'art
 
Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...
Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...
Business & Decision - Big Data : Retours d'expériences concrets - Congrès Big...
 
White paper "From Big Data to Big Busine$$"
White paper "From Big Data to Big Busine$$"White paper "From Big Data to Big Busine$$"
White paper "From Big Data to Big Busine$$"
 
Soirée de lancement du blog et du livre blanc big data - Business & Decision
Soirée de lancement du blog et du livre blanc big data - Business & DecisionSoirée de lancement du blog et du livre blanc big data - Business & Decision
Soirée de lancement du blog et du livre blanc big data - Business & Decision
 
Point de vue n° 28 - english
Point de vue n° 28 - englishPoint de vue n° 28 - english
Point de vue n° 28 - english
 
Point de vue n°29
Point de vue n°29 Point de vue n°29
Point de vue n°29
 
Point de vue n°28
Point de vue n°28 Point de vue n°28
Point de vue n°28
 
Livre Blanc Cloud et Business Intelligence
Livre Blanc Cloud et Business IntelligenceLivre Blanc Cloud et Business Intelligence
Livre Blanc Cloud et Business Intelligence
 
Livre Blanc Cloud et BI - english
Livre Blanc Cloud et BI - englishLivre Blanc Cloud et BI - english
Livre Blanc Cloud et BI - english
 
Rapport d'activité 2012
Rapport d'activité 2012Rapport d'activité 2012
Rapport d'activité 2012
 
Matinale du Digital 2012
Matinale du Digital 2012Matinale du Digital 2012
Matinale du Digital 2012
 
Pilotage & Performance 2011 - english
Pilotage & Performance 2011 - english Pilotage & Performance 2011 - english
Pilotage & Performance 2011 - english
 
Neolane Evolution 2011 - english
Neolane Evolution 2011 - englishNeolane Evolution 2011 - english
Neolane Evolution 2011 - english
 
Matinale du MDM 2011
Matinale du MDM 2011Matinale du MDM 2011
Matinale du MDM 2011
 
Matinale du CRM 2011
Matinale du CRM 2011Matinale du CRM 2011
Matinale du CRM 2011
 
Présentation réseaux sociaux 2010
Présentation réseaux sociaux 2010Présentation réseaux sociaux 2010
Présentation réseaux sociaux 2010
 
Matinale du MDM 2011
Matinale du MDM 2011Matinale du MDM 2011
Matinale du MDM 2011
 

Informatica Day 2011 - présentation sur le MDM

  • 1. Informatica Day 2011 MDM et BI : practices similaires, complémentaires ou différentes ? 6 Octobre 2011 Antoine CHAUVET MDM Practice Manager antoine.chauvet@businessdecision.com Gad BENCHIMOL Directeur EPM / BI gad.benchimol@businessdecision.com
  • 2. Agenda 2 Présentation de Business & Decision MDM & BI, positionnement ? 3 cas concrets où les synergies s’expriment Projets MDM – Quel rôle pour les acteurs de la BI ? Les apports du MDM à la BI
  • 3. Agenda 3 Présentation de Business & Decision MDM & BI, positionnement ? 3 cas concrets où les synergies s’expriment Projets MDM – Quel rôle pour les acteurs de la BI ? Les apports du MDM à la BI
  • 4. Business & Decision aujourd’hui 4  Business Intelligence (BI)  Master Data Management (MDM)  Gestion de la Relation Client (CRM)  E-business (Web)  Management Consulting  Modèle d’experts  Double compétence : métier et technologie.  Modèle de Delivery adaptable Accompagnement de bout en bout :  Conseil  Intégration de systèmes  Conduite du changement  Maintenance  Hébergement
  • 5. Agenda 5 Présentation de Business & Decision MDM & BI, positionnement ? 3 cas concrets où les synergies s’expriment Projets MDM – Quel rôle pour les acteurs de la BI ? Les apports du MDM à la BI
  • 6. Soyons pratiques … 6 Id Client Produit Point de vente Date Montant 92584789 Jeanne ROBERT TXF98 Nanterre 05/11/2011 429 € 92585432 Jeanne GRANIER TXF98-TT La Défense 06/11/2011 419 € …. 06/11/201105/11/2011
  • 7. De la transaction aux dimensions 7 Id Client Produit Point de vente Date Montant 92584789 125124 66581 454562 06/11/2011 429 € 92584790 651233 21877 632297 07/11/2011 419 € …. Id Client Nom client 125124 Jeanne ROBERT 651233 Jeanne GRANIER … Id Produit Libellé Produit 66581 TXF98 21877 TXF98-TT … Id PdV Libellé PdV 454562 Nanterre 632297 La Défense …
  • 8. Les données Référentielles Vs Transactionelles 8 Ventes Clients Fourni sseurs Temps Produi ts Géo Quelles sont les particularités des données référentielles :  Leur cycle de vie est plus lent  Elles pré-existent à la transaction  Elles ont un nombre moins élevé d’occurrences et sont organisées selon :  1 niveau  nomenclature  N niveaux  hiérarchie  Les processus transactionnels ne les impactent pas  Elles ne sont pas propres à un métier mais largement partagées  … Elles sont souvent mal gérées dans les entreprises … Les Master Datas ont un impact direct ou indirect sur tous les processus et usages du SI, elles contextualisent les indicateurs BI pour leur donner du sens
  • 9. Les données de référence pour la BI La BI ne s’intérresse pas particulièrement aux attributs des master data, mais prioritairement aux liens, aux rattachement hierarchiques à des fins d’analyse.
  • 10. Agenda 10 Présentation de Business & Decision MDM & BI, positionnement ? 3 cas concrets où les synergies s’expriment Projets MDM – Quel rôle pour les acteurs de la BI ? Les apports du MDM à la BI
  • 11. Les apports du MDM à la BI 11 • Notion de dimensions conformes : Définition de dimensions, d’attributs et de hiérarchies communes au travers des magasins de données pour les analyses cross domaines • Une approche de modélisation mature Disposer de référentiels transverses aux projets BI : un pré requis à la BI d’entreprise • Une barrière sérieuse au succès de la BI… • …qui ne peut être franchie qu’en organisant les contributions des « lines of business », au travers d’une approche de gouvernance de données Qualité de données : un enjeu critique qui concerne autant les directions fonctionnelles que l’IT • Un référentiel de données, s’il définit comme un service autonome indépendamment des usages, donne plus de sens et de valeur à n’importe quelle données : transactionnelle/décisionnelle, données structurées / non structurées Une valeur ajoutée qui ne se limite pas au seul périmètre traditionnel de la BI
  • 12. Les enjeux BI liés à la mise en œuvre d’un MDM : l’exemple de la direction financière Obtenir de la transversalité malgré l’existence de silos et garantir une vue locale (autonomie d’action) et globale (contrôle) BesoinsChallenges métiers  Cohérence cross systèmes, BU  Consolidations métiers et analytiques optimisées  Réduction des délais de clôture Anticiper les Fusions / Acquisitions , changements d’organisation et mesurer leurs impacts Accroitre l’agilité Ajuster la stratégie en fonction des résultats Garantir la conformité réglementaire  Rapidité de rationalisation financière  Analyse à périmètre courant et constant  Alignement des systèmes BI avec le Business  Modèle référentiel souple  Propagation automatisée dans le SI  Historisation des versions de données  Traçabilité des actions  Certifications des résultats 12
  • 13. Agenda 13 Présentation de Business & Decision MDM & BI, positionnement ? 3 cas concrets où les synergies s’expriment Projets MDM – Quel rôle pour les acteurs de la BI ? Les apports du MDM à la BI
  • 14. Le cas : Le problème, quelle pertinence dans les résultats si : 1.Jeanne ROBERT s’est mariée à Hervé GRANIER et a changé de nom en Jeanne GRANIER ? 2.Le point de vente de La Défense est rattaché à la direction départementale 75 depuis le 06/11/2011 ? 3.Les téléviseurs TXF98 et TXF98-TT correspondent au même modèle issu de deux fournisseurs différents ? 14 06/11/201105/11/2011 Quelques résultats analytiques : CA moyen par client : 424 €  CA du premier PdV : 429 € CA moyen sur le segment téléviseur : 424 €  CA consolidé de la DD 92 : 848 € Cas 1 - Amélioration de la qualité des reporting BI
  • 15. Modèle de données intègre Références croisées Lineage Gestion de versions Intégration avec l’existant Gestion BI1 Gestion DWH Data Steward BI2  Le processus d’évolution est simplifié et industrialisé  Le délai de prise en compte des changement est réduit  Les dimensions sont conformes et les transactions en cohérence avec ces dernières  La qualité des reporting est accrue  Les indicateurs et TdB issus de différents systèmes BI peuvent être comparés  Les résultats sont auditables Fonctionnalités MDM clés MDM Cas 1 - Amélioration de la qualité des reporting BI
  • 16. Le cas : Le problème : Les « vues » magasins et Web ne sont pas consolidées Le rapprochement par foyer n’est pas assuré Les données utilisées pour calculer la segmentation client et pour réaliser le ciblage sont partielles 16 Constats fréquents Le SI du canal web n’a pas connaissance de l’achat réalisé en magasin et réciproquement Le marketing ne fait pas le lien entre Jeanne GRANIER et son mari Hervé pour affiner sa relation client 12/11/201105/11/2011 07/11/2011 Cas 2 - Collaboration MDM / BI pour la pertinence des campagnes marketing
  • 17. MDM DWH Web DWH Magasins Marketing Marketing / Qualité fichier Modèle de données intègre Fusion / Dédoublonnage Priorisation des sources / Trust Recyclage des rejets Pilotage de la qualité fichier Fonctionnalités MDM clés BI MKTG Cas 2 - Collaboration MDM / BI pour la pertinence des campagnes marketing  La solution MDM consolide les deux canaux (aspects qualitatif et quantitatif)  Les métiers ont la main pour arbitrer les fusions, gérer les conflits & rejets  Le datamart marketing calcule les scores et les fournit au MDM pour la classification / segmentation clients  Le ciblage est réalisé sur des données fiables multi-canal  Les données d’adressage (email, téléphone) & les opt-ins sont fiabilisés  Le nombre de « bounces » est réduit, les préférences clients sont respectées
  • 18. Le cas : Le problème : Difficulté à « simuler » de nouvelles répartitions des territoires Les informations agrégées (budget, forecast) et de détail (employé, territoire, primes individuelles) pas toujours réconciliables Difficulté à justifier de l’équité de la ventilation 18 Les constats La répartition des territoires prends du temps Les objectifs ne sont pas alignés avec le budget Les discussions sont interminables pour affiner les objectifs ou retoucher les territoires affectés Cas 3 – Optimisation de la répartition des territoires commerciaux
  • 19.  Les données de référence sur les employés, les territoires, les comptes sont gérées en central dans le MDM  Les résultats de l’exercice N sont en ligne avec les données de référence  Le recalcul sur une version antérieure du référentiel est possible afin de garantir la traçabilité  La simulation sur une version postérieure du référentiel est possible  La justification du bien fondé de la nouvelle répartition en lien avec les simulation et le budget est possible ou simplifiée MDM BI Modèle de données intègre Workflow collaboratif d’administration Gestion des droits & accès Gestion des hierarchies Date d’effet des liens père / fils Fonctionnalités MDM clés Cas 3 – Optimisation de la répartition des territoires commerciaux
  • 20. Agenda 20 Présentation de Business & Decision MDM & BI, positionnement ? 3 cas concrets où les synergies s’expriment Projets MDM – Quels rôles pour les acteurs de la BI ? Les apports du MDM à la BI
  • 21. Projet MDM – Quels rôles pour les acteurs de la BI ? • Une approche industrielle et systématique • Une approche plus collaborative, impliquant à la fois les « métiers » et l’IT Apporter une meilleure réponse à un point sensible des projets BI : la qualité des données • Une discipline qui devient un pilier du SI de l’entreprise, et non plus une de ses extensions • La capacité de traiter les problèmes en amont, donc plus efficacement Valoriser un savoir faire précieux pour l’entreprise au-delà de la BI • BI agile : permettre à certaines populations d’utilisateurs de construire leurs propres environnements de données en mode prototype • Donner du sens aux données non structurées en les croisant avec les données de référentiel. Explorer de nouveaux horizons en termes de découverte de données