Lo stesso prodotto può essere descritto in tre modi diversi. L'ERP riporta un peso, il webshop ne mostra un altro, e il file del fornitore un terzo. Senza una chiara fonte di verità, ogni team ricorre alla propria versione. Questa è la conseguenza quotidiana dei dati master che si sono espansi senza governance.
Questo articolo esamina come rendere la gestione dei dati master sia più intelligente che più snella. L'accento è pratico: ogni raccomandazione è qualcosa che un produttore, un retailer o un distributore può implementare entro il trimestre corrente.
Cosa Rende Intelligente l'MDM
Un MDM basico archivia record. Ti dà una tabella di prodotti o clienti e considera il lavoro fatto. Una gestione intelligente dei dati master aggiunge le regole che mantengono quei record corretti mentre si spostano tra i sistemi.
La differenza emerge dal comportamento. Un setup intelligente valida un peso prima di salvarlo. Individua un duplicato prima che il duplicato si propaghi. Completa un attributo mancante da una fonte attendibile invece di lasciare il campo vuoto. I dati rimangono utilizzabili senza che qualcuno li monitorizzi ogni giorno.
I Problemi di Dati Che Effettivamente Costano Soldi
Incontriamo lo stesso problema sottostante espresso in tre modi diversi. Un prodotto appare corretto in un sistema e scorretto in un altro. Un ordine fallisce perché un codice non corrisponde. Un canale di vendita visualizza un prezzo cambiato settimane fa. Questi non sono problemi estetici: generano resi, ticket di supporto e ordini persi.
C'è una cifra che la gente ama citare qui. La ricerca Gartner del 2020 ha stimato il costo medio annuale della scarsa qualità dei dati in 12,9 milioni di dollari per organizzazione. Vale la pena sapere da dove proviene questo numero prima di fare affidamento su di esso. Deriva da un'indagine su grandi imprese che stavano già cercando strumenti di qualità dei dati, quindi consideralo come un segnale di fascia alta e non come una voce che troverai nei tuoi conti. Un distributore di 30 persone non perde 12,9 milioni di dollari per dati scadenti. Perde lo stesso tipo di valore alla sua scala, in resi, ri-inserimento dati e ordini che scivolano via.
Il punto più utile della stessa ricerca è quello qualitativo. Gartner nomina l'incoerenza tra fonti come il problema di qualità dei dati più difficile da risolvere, e questa incoerenza è esattamente quello che MDM esiste per correggere.
I fallimenti si presentano diversamente a seconda di dove ti trovi:
- I produttori affrontano la proliferazione di varianti e attributi tecnici che si contraddicono tra i datasheet, l'ERP e il catalogo. Un motore, tre schede tecniche.
- I retailer combattono la discordanza tra canali. I contenuti di marketing mancano su un marketplace, e i prezzi differiscono tra il negozio e il POS.
- I distributori ricevono file di fornitori in ogni formato immaginabile, senza una classificazione condivisa, quindi mapparli è manuale e lento.
Identifica il fallimento che ti costa di più prima di toccare qualsiasi strumento. Lo strumento segue il problema, non il contrario.
Costruisci Un'Unica Fonte di Verità
La frase "golden record" viene usata molto spesso. In pratica, significa una versione pulita e concordata di un record di cui tutta l'azienda si fida. Per arrivarci è meno una questione di acquistare un grande database e più di decidere chi possiede cosa.
Inizia mappando quale sistema possiede quale campo. L'ERP potrebbe possedere costo e stock. Il PIM possiede descrizioni e attributi di marketing. Il CRM possiede i dettagli di contatto. Quando due sistemi contengono lo stesso campo e sono discordi, hai bisogno di una regola di sopravvivenza che dica quale vince e quando.
Un golden record è una decisione su quale fonte vince, non un magazzino dove scarichi ogni copia dei dati.
Questa distinzione cambia il lavoro. Non stai copiando tutto in un unico posto. Stai scrivendo la logica che risolve i conflitti automaticamente, quindi il golden record rimane golden man mano che arrivano nuovi dati.
Assegna la Proprietà dei Dati Prima degli Strumenti
Gli strumenti falliscono quando nessuno possiede i dati. Gartner elenca la mancanza di proprietà tra le ragioni principali per cui i programmi di qualità dei dati si arenano, e la soluzione è organizzativa piuttosto che tecnica.
Decidi chi approva un nuovo prodotto prima che vada live. Decidi chi è autorizzato a cambiare un prezzo. Dai a queste persone un nome e un ruolo, solitamente chiamato data steward. Il ruolo non deve necessariamente essere a tempo pieno. Deve essere chiaro.
La stessa ricerca Gartner ha rilevato che la maggior parte delle organizzazioni non misura la qualità dei dati in modo strutturato. Se non la misuri, non puoi dire se il tuo sforzo MDM sta funzionando o se sta silenziosamente peggiorando le cose. Quindi la proprietà e la misurazione vanno insieme. Qualcuno possiede i dati, e quella persona tiene d'occhio i numeri.
Automatizza la Qualità, il Matching e l'Arricchimento
Questo è dove "intelligente" merita il suo nome, quindi merita più spazio.
Tre tipi di automazione fanno il lavoro pesante:
- Validazione all'ingresso.
Le regole controllano i dati mentre arrivano. Un peso al di fuori di un intervallo ragionevole viene rifiutato. Un campo obbligatorio non può essere lasciato vuoto. I dati scadenti non entrano mai nel sistema, quindi non devi mai pulirli in seguito. - Matching e deduplicazione.
Il sistema trova record che descrivono la stessa cosa anche quando non sono identici. Il fuzzy matching identifica "Acme Corp" e "Acme Corporation" come un'unica azienda, quindi le unisce secondo le tue regole di sopravvivenza. - Arricchimento e mapping.
Gli attributi mancanti vengono compilati da un feed attendibile. I dati in ingresso vengono mappati automaticamente alla tua struttura standard, il che è particolarmente importante per chi importa da molti fornitori.
Ad esempio, in un recente progetto AtroCore per un cliente manifatturiero, abbiamo visto esattamente questo pattern; la vittoria più grande è stata la validazione al punto di ingresso. Il loro problema era specifico. Circa uno prodotto su dieci aveva un valore nell'ERP che non corrispondeva al suo datasheet, solitamente una tensione nominale o una dimensione dell'alloggiamento che qualcuno aveva rietichettato a mano. Queste discordanze emergevano settimane dopo come spedizioni errate e reclami di garanzia. Abbiamo aggiunto una regola che confrontava il valore inserito con il datasheet originale al salvataggio e bloccava il record quando i due non corrispondevano. L'errore veniva catturato alla scrivania della persona che lo inseriva, prima che il record raggiungesse il catalogo o il webshop.
Integra MDM nei Sistemi Che Già Utilizzi
La gestione dei dati master non è un sistema che esegui accanto a tutto il resto. Si posiziona nel mezzo dei sistemi che hai già e li mantiene d'accordo tra loro.
Mappa prima i flussi per determinare quale dato si muove in una direzione e quale ha bisogno di sincronizzazione bidirezionale. Una descrizione di prodotto potrebbe fluire dal PIM al webshop in una direzione. I livelli di stock potrebbero aver bisogno di sincronizzarsi bidirezionalmente tra l'ERP e il negozio. Disegnalo prima di costruirlo.
Il modello di dati è più importante di quanto la maggior parte dei team si aspetti. Un produttore con prodotti configurabili non può forzare ogni attributo in un insieme fisso di colonne. Il numero di caratteristiche cambia per classe di prodotto. Un modello flessibile che ti permetta di aggiungere attributi e classi senza una migrazione del database ti fa risparmiare molto dolore in seguito, specialmente quando una nuova linea di prodotti non si adatta al vecchio schema.
Velocizza l'Onboarding di Fornitori e Prodotti
I distributori sentono il dolore dei dati soprattutto all'onboarding. Un nuovo fornitore invia un foglio di calcolo. Le colonne sono nell'ordine sbagliato, le unità sono diverse, e le categorie non corrispondono a nulla nel tuo sistema. Qualcuno lo rientra a mano, e gli errori si portano dietro.
La soluzione è trasformare quel lavoro manuale in regole riutilizzabili. Costruisci un template di importazione, mappa i campi del fornitore con i tuoi una sola volta, e allega la validazione in modo che le righe scadenti vengano intercettate prima di essere salvate. Il prossimo file da quel fornitore passa attraverso lo stesso mapping in minuti.
Gli standard di classificazione aiutano qui. ETIM è uno standard internazionale aperto per classificare i prodotti tecnici, e quando tu e il tuo fornitore lo parlate, il mapping smette di essere una negoziazione. Gli attributi si allineano perché sono stati definiti nello stesso modo fin dall'inizio.
Un distributore può facilmente trasformare un'importazione di fornitori di due settimane in un lavoro di due giorni rendendo il mapping dei campi riutilizzabile invece di ricostruirlo per ogni file.
Misura Se Sta Funzionando
Non puoi migliorare quello che non traccia. Scegli un piccolo insieme di numeri che puoi estrarre questo trimestre e osserva come si muovono.
- Tasso di duplicazione. Quanti record descrivono la stessa cosa reale. Dovrebbe diminuire.
- Completezza dei dati. La quota di record con tutti i campi obbligatori compilati. Dovrebbe aumentare.
- Tempo di onboarding. Quanto tempo dal file del fornitore ai record puliti e live.
- Tasso di errore dei canali. Quante volte dati errati o mancanti raggiungono un canale rivolto ai clienti.
Questi quattro ti dicono più di qualsiasi dashboard pieno di metriche di vanità. Se il tasso di duplicazione scende e il tempo di onboarding si riduce, il tuo MDM sta facendo il suo lavoro. Se rimangono piatti, qualcosa nelle regole o nella proprietà ha bisogno di attenzione.
Da Dove Iniziare Senza Over-Engineering
L'errore comune è cercare di modellare tutto il primo giorno. I team mappano ogni dominio, ogni attributo e ogni caso limite, poi finiscono l'energia prima che qualcosa vada in produzione.
Fai il contrario. Scegli un dominio, solitamente i dati di prodotto, e dentro scegli i campi che fanno più male.
Scegli l'unico campo che causa il maggior numero di riordini e resi, correggilo, poi passa al prossimo.
Fai funzionare da capo a fondo, prova che i numeri si sono mossi, e usa quella prova per espandere. MDM scala al meglio quando si guadagna fiducia un dominio alla volta. Un piccolo sistema che funziona batte un piano completo che non viene mai lanciato.
Un'ultima avvertenza onesta. Dati più puliti non risolvono un processo rotto. Se un fornitore continua a inviare file scadenti o un team continua a inserire prezzi nel campo sbagliato, MDM lo catturerà, ma stai comunque pagando per catturare lo stesso errore ogni settimana. Corrigi i gap di processo ovvi in parallelo, e gli strumenti hanno meno da pulire.