Le même produit peut être décrit de trois façons différentes. L'ERP indique un poids, la boutique en ligne en affiche un autre, et le fichier fournisseur rapporte un troisième. Sans source de vérité unique clairement établie, chaque équipe se fie à sa propre version. C'est la conséquence quotidienne de données de référence qui se sont multipliées sans gouvernance.
Cet article examine comment rendre la gestion des données de référence plus intelligente et plus efficace. L'accent est mis tout au long sur l'aspect pratique : chaque recommandation peut être mise en œuvre par un fabricant, un distributeur ou un détaillant au cours du trimestre en cours.
Ce qui rend une MDM intelligente
Une MDM basique stocke des enregistrements. Elle vous offre un tableau unique de produits ou de clients et considère le travail comme terminé. Une gestion intelligente des données de référence ajoute les règles qui maintiennent ces enregistrements corrects tandis qu'ils circulent entre les systèmes.
La différence se manifeste dans le comportement. Un système intelligent valide un poids avant de l'enregistrer. Il signale un doublon avant sa propagation. Il complète un attribut manquant à partir d'une source fiable plutôt que de laisser le champ vide. Les données restent exploitables sans qu'une personne ne les surveille chaque jour.
Les problèmes de données qui coûtent vraiment cher
Nous rencontrons le même problème sous-jacent exprimé de trois façons différentes. Un produit apparaît correct dans un système et incorrect dans un autre. Une commande échoue parce qu'un code ne correspond pas. Un canal de vente affiche un prix qui a changé il y a des semaines. Ce ne sont pas des problèmes cosmétiques : ils génèrent des retours, des tickets de support et des commandes perdues.
Il y a un chiffre qu'on aime citer. La recherche Gartner de 2020 estimait le coût annuel moyen de la mauvaise qualité des données à 12,9 millions de dollars par organisation. C'est utile de savoir d'où vient ce chiffre avant de le reprendre à votre compte. Il s'appuie sur une enquête menée auprès de grandes entreprises qui cherchaient déjà à se doter d'outils de qualité des données, donc considérez-le comme un signal haut de gamme et non comme un poste que vous retrouverez dans vos propres comptes. Un distributeur de 30 personnes ne perd pas 12,9 millions de dollars à cause de mauvaises données. Il subit la même perte de valeur à son échelle, en retours, en ressaisies et en commandes qui s'éternisent.
Le point le plus utile de cette même recherche est celui-ci : Gartner identifie l'incohérence entre les sources comme le problème de qualité des données le plus difficile à résoudre, et cette incohérence est exactement ce que la MDM est censée corriger.
Les défaillances se manifestent différemment selon votre position :
- Les fabricants font face à la prolifération de variantes et à des attributs techniques qui divergent entre la fiche technique, l'ERP et le catalogue. Un moteur, trois fiches techniques.
- Les détaillants luttent contre les incompatibilités entre canaux. Le contenu marketing manque sur une place de marché, et les tarifs varient entre la boutique et le point de vente.
- Les distributeurs reçoivent des fichiers fournisseurs dans tous les formats imaginables, sans classification commune, ce qui rend le mappage manuel et lent.
Identifiez le problème qui vous coûte le plus avant de toucher à un quelconque outil. L'outil suit le problème, pas l'inverse.
Construisez une source de vérité unique
L'expression « enregistrement de référence » circule beaucoup. En pratique, elle signifie une version unique, nettoyée et approuvée d'un enregistrement en laquelle toute l'entreprise a confiance. Pour y parvenir, il s'agit moins d'acheter une grande base de données que de décider qui est responsable de quoi.
Commencez par cartographier quel système possède quel champ. L'ERP pourrait posséder le coût et le stock. La PIM possède les descriptions et les attributs marketing. La CRM possède les informations de contact. Quand deux systèmes détiennent le même champ et divergent, vous avez besoin d'une règle de priorité qui indique lequel l'emporte et quand.
Un enregistrement de référence est une décision sur quelle source l'emporte, pas un entrepôt où vous déversez chaque copie des données.
Cette distinction change le travail. Vous ne copiez pas tout au même endroit. Vous écrivez la logique qui résout les conflits automatiquement, de sorte que l'enregistrement de référence reste fiable à l'arrivée de nouvelles données.
Assignez la responsabilité des données avant d'adopter un outil
Les outils échouent quand personne n'est responsable des données. Gartner identifie le manque de responsabilité parmi les raisons principales de l'essoufflement des programmes de qualité des données, et la solution est organisationnelle plutôt que technique.
Décidez qui approuve un nouveau produit avant son lancement. Décidez qui est autorisé à modifier un prix. Donnez à ces personnes un nom et un rôle, généralement appelé gestionnaire de données. Le rôle n'a pas besoin d'être à temps plein. Il doit être clairement défini.
La même recherche Gartner a révélé que la plupart des organisations ne mesurent pas la qualité des données de manière structurée. Si vous ne la mesurez pas, vous ne pouvez pas savoir si votre effort de MDM fonctionne ou s'il empire silencieusement les choses. La responsabilité et la mesure vont donc de pair. Quelqu'un est responsable des données, et cette personne surveille les chiffres.
Automatisez la validation, le rapprochement et l'enrichissement
C'est ici que « intelligent » justifie son appellation, donc cela mérite la plus grande attention.
Trois types d'automatisation font le gros du travail :
- Validation à l'entrée.
Des règles vérifient les données à leur arrivée. Un poids hors limites est rejeté. Un champ obligatoire ne peut pas rester vide. Les mauvaises données ne franchissent jamais la porte, donc vous ne les nettoyez jamais plus tard. - Rapprochement et dédoublonnage.
Le système trouve des enregistrements qui décrivent la même chose même s'ils ne sont pas identiques. Le rapprochement flou détecte « Acme Corp » et « Acme Corporation » comme une seule entreprise, puis les fusionne selon vos règles de priorité. - Enrichissement et mappage.
Les attributs manquants sont remplis à partir d'une source de confiance. Les données entrantes sont automatiquement mappées à votre structure standard, ce qui importe surtout pour ceux qui importent de nombreux fournisseurs.
Par exemple, dans un projet AtroCore récent pour un client fabricant, nous avons observé exactement ce schéma ; la plus grande victoire a été la validation au point d'entrée. Leur problème était spécifique. Environ un produit sur dix portait une valeur dans l'ERP qui ne correspondait pas à sa propre fiche technique, généralement une tension nominale ou une dimension de boîtier que quelqu'un avait retapée à la main. Ces incompatibilités remontaient à la surface des semaines plus tard sous forme d'expéditions erronées et de réclamations au titre de la garantie. Nous avons ajouté une règle qui comparait la valeur saisie à la fiche technique source au moment de l'enregistrement et bloquait l'enregistrement en cas de désaccord. L'erreur était détectée au bureau de la personne qui la saisissait, avant que l'enregistrement n'atteigne le catalogue ou la boutique en ligne.
Intégrez la MDM aux systèmes que vous utilisez déjà
La gestion des données de référence n'est pas un système que vous exécutez à côté de tout le reste. Elle se situe au cœur des systèmes que vous possédez déjà et les maintient en accord les uns avec les autres.
Cartographiez d'abord les flux pour déterminer quelles données circulent d'un seul côté et lesquelles nécessitent une synchronisation bidirectionnelle. Une description de produit pourrait s'écouler de la PIM vers la boutique en ligne dans une direction. Les niveaux de stock pourraient avoir besoin de se synchroniser dans les deux sens entre l'ERP et la boutique. Dessinez-le avant de le construire.
Le modèle de données importe plus que la plupart des équipes ne le pensent. Un fabricant ayant des produits configurables ne peut pas forcer chaque attribut dans un ensemble fixe de colonnes. Le nombre de fonctionnalités change selon la classe de produit. Un modèle flexible qui vous permet d'ajouter des attributs et des classes sans migration de base de données vous épargne beaucoup de mal plus tard, surtout quand une nouvelle gamme de produits ne correspond pas à l'ancien schéma.
Accélérez l'intégration des fournisseurs et des produits
Les distributeurs ressentent la douleur des données surtout à l'intégration. Un nouveau fournisseur envoie une feuille de calcul. Les colonnes sont dans le mauvais ordre, les unités sont différentes et les catégories ne correspondent à rien dans votre système. Quelqu'un la resaisit à la main, et les erreurs en font partie.
La solution consiste à transformer ce travail manuel en règles réutilisables. Créez un modèle d'importation, mappez les champs du fournisseur aux vôtres une seule fois, et joignez une validation pour que les mauvaises lignes soient détectées avant l'enregistrement. Le fichier suivant de ce fournisseur s'exécute dans le même mappage en quelques minutes.
Les normes de classification aident ici. ETIM est une norme internationale ouverte de classification des produits techniques, et quand vous et votre fournisseur la parlez tous deux, le mappage n'est plus une négociation. Les attributs s'alignent parce qu'ils ont été définis de la même façon dès le départ.
Un distributeur peut facilement transformer une intégration fournisseur de deux semaines en une affaire de deux jours en rendant le mappage des champs réutilisable au lieu de le reconstruire à chaque fois.
Mesurez si cela fonctionne
Vous ne pouvez pas améliorer ce que vous ne suivez pas. Choisissez un petit ensemble de chiffres que vous pouvez collecter ce trimestre et observez-les évoluer.
- Taux de doublons. Combien d'enregistrements décrivent la même chose réelle. Il devrait baisser.
- Complétude des données. La part des enregistrements avec tous les champs obligatoires remplis. Elle devrait augmenter.
- Délai d'intégration. Le temps écoulé entre le fichier d'un fournisseur et des enregistrements propres et en direct.
- Taux d'erreur par canal. La fréquence à laquelle des données erronées ou manquantes atteignent un canal orienté client.
Ces quatre chiffres vous en disent plus que n'importe quel tableau de bord rempli de métriques de vanité. Si le taux de doublons baisse et le délai d'intégration diminue, votre MDM fait son travail. S'ils stagnent, quelque chose dans les règles ou la responsabilité nécessite une attention.
Par où commencer sans sur-ingéniérie
L'erreur courante est de vouloir modéliser tout le premier jour. Les équipes cartographient chaque domaine, chaque attribut et chaque cas limite, puis perdent l'énergie avant que quoi que ce soit ne soit livré.
Faites le contraire. Choisissez un domaine, généralement les données de produit, et à l'intérieur choisissez les champs qui posent le plus de problèmes.
Trouvez le champ unique qui cause le plus de commandes répétées et de retours, corrigez-le, puis passez au suivant.
Mettez cela en place de bout en bout, prouvez que les chiffres se sont améliorés, et utilisez cette preuve pour vous étendre. La MDM se développe au mieux quand elle gagne la confiance un domaine à la fois. Un petit système qui fonctionne vaut mieux qu'un plan exhaustif qui ne verra jamais le jour.
Un dernier avertissement honnête. Des données plus propres ne corrigent pas un processus défaillant. Si un fournisseur continue d'envoyer des fichiers défectueux ou une équipe continue de saisir les prix dans le mauvais champ, la MDM le détectera, mais vous payez toujours pour attraper la même erreur chaque semaine. Corrigez les lacunes de processus évidentes en parallèle, et l'outil aura moins de choses à nettoyer.