La notion de lier les processus d'une entreprise aux données n'est pas nouveau. Cependant, connaît actuellement une résurgence, Quoi est plus important que jamais par rapport à de nombreux sujets de gestion de données.
Différents clients de différentes industries travaillant sur différents projets de gestion de données ont toujours quelque chose en commun: pour tout le monde c'est très important lier les priorités de l'entreprise aux processus d'affaires qui les soutiennent.
Le processus d'une entreprise entrez dans le jeu de la gestion des données dans plusieurs scénarios différents: Gestion des données de référence, gouvernance des données, qualité des données et analyse des mégadonnées.
Gestion des données de référence
Gestion des données de référence (MDM) est la discipline qui s'efforce d'obtenir une version unique de la vérité pour les éléments essentiels d'une entreprise: client, produit, le fournisseur, etc. Cependant, la réalité est qu'une seule version de la vérité est composée de plusieurs perspectives sur cette vérité.
Prenons, par exemple, un domaine de données de référence commun en tant que produit. Bien qu'il existe une vue globale d'un ‘Produit’ avec un sur-ensemble d'attributs qui prend en charge plusieurs groupes d'utilisateurs à travers l'organisation, chaque groupe d'utilisateurs a sa propre perception de ce que représente l'information de ‘Produit’ et à quoi servent ces données. Chaque groupe le long de la chaîne d'approvisionnement peut voir, créer, modifier ou supprimer certaines informations qui constituent le concept de ‘Produit’. Pour que le MDM soit un succès, Il est important d'identifier chacun de ces groupes de parties prenantes et de travailler avec eux pour comprendre leur utilisation et leurs exigences dans le domaine de données en question...
Un outil qui peut être utile est un modèle de processus de mappage des éléments de données.. Utilisant un Diagramme BPMN des processus d'une entrepriseLes parties prenantes peuvent être affichées le long d'une colonne avec leurs activités clés à côté d'elles. nous pourrions montrer, par exemple, un cycle de vie de développement de produit allant du développement au coût du produit, prix et tests de marché.
Dans cet exemple, certains aspects des données du produit seront clairement détenus par un certain groupe de parties prenantes. Par exemple, l'équipe de développement produit est responsable de la définition des composants du produit et des instructions de montage. Cependant, quand il s'agit de prix, les données de la chaîne d'approvisionnement déterminent le prix de départ, mais ce prix peut être modifié au cours du processus de commercialisation pendant la phase de test de marché. Le marketing est responsable de nommer et de décrire les produits dans le catalogue.
Pour suivre l'utilisation et le cycle de vie des éléments de données, nous pouvons utiliser un tableau CRUD. La matrice CRUD garde une trace des groupes qu'ils créent, ils lisent, mettre à jour et supprimer des données.
Lorsque les informations sont modifiées par plus d'un groupe, il est important d'établir le bon flux de travail et la bonne gouvernance. Par exemple, la chaîne d'approvisionnement et le marketing sont susceptibles de penser que « posséder » les bonnes informations. En concevant clairement le workflow et le cycle de vie des données, les parties prenantes et les développeurs MDM sont pris en charge comprendre les bonnes responsabilités en matière de données pour les parties prenantes et créer le flux de travail, règles métier, les règles de sécurité, etc. juste autour de la solution. Dans beaucoup de cas, les redondances et les inefficacités dans le processus peuvent être identifiées et améliorées avec la solution MDM, faire du MDM un outil d'optimisation des processus métier.. La gestion des données de référence est souvent une initiative de processus métier ainsi qu'une initiative de gestion de données..
Données de gouvernance
Données de gouvernance est un domaine de gestion des données avec un accent particulier sur les personnes et les processuset que vous pouvez bénéficier de l'utilisation d'un modèle de processus métier structuré. Identifier comment et par qui les données sont utilisées tout au long du processus métier peut aider à déterminer la gouvernance et la propriété des données les plus appropriées. Cela peut aider à résoudre les différends lorsque nous trouvons des conflits de propriété. Par exemple, dans l'exemple de prix ci-dessus, la chaîne d'approvisionnement et le marketing contribuent au prix du produit, mais à différentes étapes du cycle de vie du produit.
L'analyse des données à travers les yeux du processus métier peut également aider à détecter le modèle et la conception des données... Par exemple, Devrait-il y avoir une caractéristique supplémentaire de « prix théorique » créé à l'aide des données sur les prix du marché et de la chaîne d'approvisionnement? Existe-t-il différents niveaux de prix par région et / ou dates d'entrée en vigueur pour le prix du marché? L'affichage des données dans le contexte des processus métier du monde réel peut aider à clarifier à la fois leur propriété et leur utilisation dans l'ensemble de l'organisation..
Qualité des données
De la même manière, la qualité des données c'est un domaine dans lequel les processus d'une entreprise jouent un rôle clé. Il y a plusieurs façons de nettoyer, valider et enrichir les données, et de nombreux outils et méthodes pour soutenir la qualité des données. Mais Si des techniques de qualité des données sont utilisées sans tenir compte de l'utilisation de processus métier, ils sont susceptibles d'être inefficaces.
Si les processus métier ne sont pas pris en compte, les efforts de qualité des données se dégraderont par les mêmes processus qui ont à l'origine causé les problèmes de qualité des données.
Par exemple, un effort commun de qualité des données se concentre sur le nom, l'adresse et les coordonnées du client. Dans une telle initiative de qualité des données, il est important de comprendre la source de ces informations client et comment elles ont été créées et mises à jour tout au long du cycle de vie du processus métier.
Lorsqu'un client spécifique achète un produit, le service commercial collecte et / ou mettre à jour les informations associées. Si un problème survient avec le produit et que le client contacte le service client, les informations sont à nouveau collectées. Ces trois services sont-ils synchronisés et utilisent-ils la même source d'informations client ?? Ou existe-t-il des sources de données fragmentées et disjointes? Il n'y a rien de plus ennuyeux pour le client que de devoir fournir les mêmes détails encore et encore. Si les trois départements utilisent la même source de données, Existe-t-il une gouvernance et une propriété claires des données et comment sont-elles obtenues et mises à jour? Le personnel est-il encouragé à saisir correctement les données ?? Un vendeur peut être incité à conclure une affaire, Mais êtes-vous incité à vous assurer que les informations client sont correctes ??
Analyse des mégadonnées
L'analyse de Big Data Il peut fournir des informations précieuses pour des sources disparates qui peuvent augmenter les sources de données traditionnelles d'aujourd'hui., comme entrepôt de données. Dans le cas des données client, par exemple, peut effectuer une analyse de « sentiment » des réseaux sociaux, habitudes d'achat, analyse de mouvement et plus pour créer une vue à 360º du client. Mais cette analyse est de peu de valeur si elle est faite dans le vide.. Par exemple, si nous avons des informations sur les commentaires des clients, il est important de comprendre où se situe le client dans le cycle de vie du produit en faisant ces commentaires. Faire correspondre votre sentiment à votre étape dans le cycle de vie de l'achat est essentiel pour vraiment comprendre votre expérience.. La valeur de analytiqueL’analytique fait référence au processus de collecte, Mesurer et analyser les données pour obtenir des informations précieuses qui facilitent la prise de décision. Dans divers domaines, Comme les affaires, Santé et sport, L’analytique peut identifier des modèles et des tendances, Optimiser les processus et améliorer les résultats. L’utilisation d’outils et de techniques statistiques de pointe est essentielle pour transformer les données en connaissances applicables et stratégiques.... les données massives augmente lorsqu'elles sont liées aux processus commerciaux.
conclusion
Les données n'ont de valeur que lorsqu'elles sont mises en contexte, et les processus d'une entreprise fournissent un contexte important sur la façon dont les données sont utilisées dans une organisation.. Les modèles de processus métier aident à identifier où les informations sont utilisées et qui les utilise, qui a un impact clair sur la gestion des données de référence, gestion de données, la qualité des données, analyse de données volumineuses et autres initiatives commerciales. gestion de données. Plus important encore, il aide à établir la priorité de l'entreprise. Il est impossible de gérer de près toutes les informations dans une organisation, c'est pourquoi la hiérarchisation des données critiques est une étape importante dans toute discipline de gestion des données.
(une fonction(ré, s, identifiant) {
var js, fjs = d.getElementsByTagName(s)[0];
si (d.getElementById(identifiant)) revenir;
js = d.createElement(s); js.id = identifiant;
js.src = « //connect.facebook.net/es_ES/all.js#xfbml=1&état=0 »;
fjs.parentNode.insertAvant(js, fjs);
}(document, ‘script’, ‘facebook-jssdk’));
