enterprise data quality : fiabilisez vos processus e

Copyright © 2014 Oracle and/or its affiliates. All rights reserved. |

Enterprise Data Quality : fiabilisez vos processus E-Business Suite en améliorant la qualité des données


Sommaire

1

2

Introduction : enjeux de la qualité de données

Enterprise Data Quality : positionnement

Data Quality Healtcheck

Cas client

Oracle Confidential – Internal/Restricted/Highly Restricted 2

3

4


“La mauvaise qualité des données est comme la saleté sur le pare-brise. Vous pourrez conduire longtemps avec une visibilité qui se dégrade lentement, mais à un certain moment, vous devrez soit vous arrêter pour nettoyer le pare-brise ou tout risquer »

- Ken Orr, The Cutter Consortium

../../MDM/Platon_-_Information_Management_Fairy_Tale.flv


Anomalies classiques sur des données tiers

Variation ou erreur

Exemple Variation ou

erreur Exemple

Erreur de séquence

• Bruno Brun – Brun Bruno Erreurs de

transcription • Annah, Amah

Corrections involontaires

• Chaumelle – Chaumel Ajout/suppression

d’éléments

• Jean-Pierre Dupond, Jean Dupond,

Dupond

Noms concaténés • Marie Anne – Marianne Données

étrangères

• Khader AL Ghamdi, Khadir A.

AlGamdey

Surnoms et alias • Stéphane – Stéphie, Marc – Marco Initiales non

standardisées

• Jean-Pierre Dupond, Jean-P. Dupond,

J.-P. Dupond, JP Dupond

Bruit • Points, tirets, slashs, titres,

apostrophes... Lettres inversées • Lallemand, Lallemnad

Abbréviations • Christophe/Chris, Sté/Société Traductions

• Stanislav Milosovich – Stan Milo

Troncactions • Banq. Nat. de Paris. Erreurs de date • 10/21/1951, 10121951, 01-JAN-1900

Erreurs de suffixe/préfixe

• MacDonald/McDonald/Donald Erreurs de

translitération • Gang, Kang, Kwang

Fautes de frappe • Dup0nt, Martiin Erreurs

phonétiques • Kevin– Keveen


Qualité des données Périmètre et dimensions

• Données manquantes ou inutilisables Complétude

• Données stockées dans un format non standard Conformité

• Données incohérentes entre elles Cohérence

• Données imprécises ou obsolètes Exactitude

• Enregistrements ou attributs répétés Duplication

• Données manquantes ou non référencées Intégrité


Sommaire

1

2




Cas client


3

4


Vos données sont elles fiabilisées pour vos processus ?

• Mesurer l’adéquation des données aux besoins stratégiques

• Estimer les impacts des problèmes de qualité de données et le ROI associé

• Identifier les problèmes critiques et les solutions immédiates

Vos

données

Vos experts

Comprendre

Améliorer

Protéger

Gouverner Standards

métiers

Problèmes, anomalies,

erreurs


Améliorer les données et l’efficacité des processus

• Accroître l’efficacité et le ROI de vos applications existantes

• Impliquer les utilisateurs et les décideurs

• Accélerer et faciliter les nouveaux projets et déploiements grâce à des données fiabilisées

Comprendre

Améliorer

Protéger

Gouverner

Métriques, KPIs

Données fiabilisées et

adaptées

Analyser

Standar-

diser

Dédou-

blonner

Extraire

Enrichir

‘Gold’

data

Appliquer les standards de qualité


‘Pare-feu’ de qualité de données : protection en continue

• Application préventive des règles de qualité de données

• Meilleure efficacité opérationnelle, ROI

• Gestion des anomalies et rejets

Référentiel

Application de standards, validation

Sources

externes

Intégration de données / ETL Applications

sans qualité

de données

Application avec

intégration temps

réel Web

service

Comprendre

Améliorer

Protéger

Gouverner


Gouvernance des données

• Indicateurs et suivi

• Identification et résolution des problèmes

• Amélioration de l’efficacité globale

Comprendre

Améliorer

Protéger

Indicateurs de qualité des bases cible

‘Gold’ data

Standardiser les données

Indicateurs de qualité

des sources

Métriques sur les

processus

Gouverner


Oracle Enterprise Data Quality Plate-forme complète pour tous les problèmes de qualité de données

Un périmètre fonctionnel sans équivalent • Fonctions spécialisées pour les données “partie” et produit. • Profilage, standardisation, mise en correspondance, workflows de

validation, tableaux de bord de gouvernance.

Simplicité et facilité d’utilisation • Solution complètement intégrée. • Conçue pour les utilisateurs fonctionnels et techniques. • Fonctionnement et résultats sont transparents : pas de syndrome

boîte noire.

Solution non intrusive pour la gouvernance des données d’entreprise.

• Dans les applications métiers ou les hubs MDM • Pour les migrations, les chargements, les reprises de données • A la saisie ou à l’intégration de données temps réel • Pour les flux inter-applicatifs

Profilage

Standardisation

Mise en correspondance

Gouvernance

Compréhension rapide et détaillée des données

Respect des standards

Identification et fusion des doublons

Résolution des problèmes et monitoring

Inte

rfac

e u

tilis

ateu

r u

niq

ue


Spécialistes

Gestionnaires fonctionnels

Dirigeants & Décideurs

Gestionnaires de données

Audit & Vérification

Impact immédiat sur la qualité des données

OEDQ : Outil commun pour la qualité de données


Sommaire

1

2




Cas client


3

4



Atelier interactif sur vos données

Connecteur prédéfini pour l’analyse de données tiers E-Business Suite

Chargement et analyse complète d’échantillons de vos données

Session productive avec vos experts pour identifier les programmes prioritaires sur vos données


Atelier Interactif – Exemple

• Numéro de téléphone bien renseigné, mais taux de de duplication élevé

• Utilisation probable d’un numéro de téléphone par défaut

• Nécessité d’une itération pour affiner les règles de mise en correspondance sur les sites fournisseur

Données Fournisseurs


Sommaire

1

2




Cas client

32

3

4


Oracle Enterprise Data Quality chez nos clients Cas d’utilisation

Adapter les données aux besoins des systèmes de pilotage

Mise en place de standards dédiés aux systèmes de pilotage

Rétablir l’efficacité opérationnelle et le ROI d’applications existantes

Nettoyage et gouvernance des données d’une application (CRM, HR, PLM, application métier, etc.)

Créer une vue unique à partir de sources multiples

Vérifier, standardiser, dédoublonner des sources de données disparates

Piloter la migration d’applications

Inscrire la migration dans un programme de gouvernance des données par la mise en place de nouveaux standards de qualité

Répondre à des exigences réglementaires spécifiques

Mise en cohérence de données et des processus pour la conformité réglémentaire ( anti-blanchiment, fiscalité… )

Motoriser un système de Master Data Management

Vérifier, standardiser, dédoublonner des sources de données disparates pour construire le golden record


Groupe industriel, USA D’une approche tactique de la qualité de données à la gouvernance

Défis et enjeux

• Systèmes de production multiples et disparates, résultant d’acquisitions posant des problèmes dans les processus de logistique

• Suite à ces acquisitions : données clients dupliquées et incohérentes

• Aucune définition de données standardisée et transversale aux systèmes

Périmètre EDQ

• Standardisation des données produit : attributs, descriptions, unités de mesure, etc.

• Vérification, standardisation, déduplication des données clients issues de systèmes “legacy” avant chargement dans le référentiel E-Business Suite

•Mise à disposition de processus et métriques de qualités de données, s’insérant dans un cadre plus global de gouvernance de données

Apports EDQ

• Processus de migration suite à acquisition plus rapide, et répatable

• Réduction des erreurs

• Réduction des coûts

•Données plus cohérentes et opérationnelles

Le client • Fabricant d’appareils complexes de d’analyse biologiques

•Une base installée de plus de 275000 appareils utilisés sur 6 continents


Chronologie

• Plus de 15 systèmes ERP différents suite à de nombreuses acquisitions

•Mise en place d’une instance centralisée E-Business Suite

• 2009 : acquisition d’une importante société japonaise utilisatrice de 3 systèmes principaux

•Objectif : migration vers E-BS en 12 mois

•Nécessité de nettoyer et standardiser les sources externes avant intégration dans E-BS

Outillage avec EDQ

• Extension à d’autres cas d’utilisation

Organisation

• Collaboration informatique et métiers pour

•Définir et identifier les données clés

•Mettre en évidence les problèmes de données et leurs impacts

•Définir les règles de mapping / conversions entre les données legacy et E-Business Suite

• Formation par l’équipe informatique de « super-utilisateurs » connaissant EDQ :

• Analyse et profilage

•Définition de règles simples

Groupe industriel, USA


Groupe industriel, Europe Gouverner la qualité des données

Le client

•Un des premiers fabricants de pneumatiques mondiaux avec une part de marché globale de 14.8%.

• Plus de 184 millions de pneus pour véhicules de tourisme ou utilitaires légers produits annuellement dans 69 sites.

Défis et enjeux

•Doublons, incohérences, données manquantes pour 100 000 clients revendeurs

•Nécessité de donner le contrôles aux utilisateurs des métiers pour qu’ils s’approprient leurs données

•Garantir un haut niveau de qualité de données et de cohérence pour le contrôle des données de référence

• Prévenir l’introduction d’anomalies dans les données client et fournisseur, après une campagne de nettoyage et alignement

Périmètre EDQ

• Plate-forme EDQ complète pour de multiples domaines de données

Apports EDQ

• Productivité des utilisateurs métiers : temps de préparation de certains rapports divisé par trois.

• Productivité des équipes informatiques qui peuvent se concentrer sur la gestion de l’infrastructure

• Réduction du temps d’incorporation ou mise à jour de clients et fournisseurs dans les systèmes

EDQ

SAP

CRM Siebel

MDM E-BS …


Groupe industriel, Europe Projets

Organisation

• Cellule centrale “MDM et qualité de données”

• « Data Quality Toolbox » utilisée par des utilisateurs métiers formés

•Une session « basique » : 1,5 jour

•Une session « avancée » : 1 jours

• Environ 40 utilisateurs formés

Domaines

• Commerce

• Client et fournisseur

• Production

• Ressources Humaines

• R & D

•…

Clichés de

données de

production

« DQ Toolbox »

définition de règles

Exécution

périodique des

analyses EDQ

Suivi et mesures

correctrices

Consultation

Dashboards

MDM & DQ Team Data Quality Manager Autres utilisateurs métiers

enterprise data quality : fiabilisez vos processus e

Documents