Comment définir l'EDQM ?
L'EDQM (pour Enterprise Data Quality Management) consiste à assurer la cohérence des données entre différents systèmes d'information ou bases de données d'une entreprise, qu'ils correspondent à des métiers ou des filiales.
Assez récent, ce concept est né dans la foulée du développement de SI de type best-of-breed (brique à brique) combinant divers types de plate-forme.
A quelle problématique s'adresse cette méthode ?
La gestion de la qualité des données apparaît en général lors de projets d'urbanisation visant à mettre en œuvre des plates-formes transverses à l'entreprise. Sa vocation : analyser les données stockées dans l'ensemble des serveurs, aussi hétérogènes soient-ils technologiquement, en vue d'en faciliter la reprise et l'intégration au sein de cette couche transverse.
Cette démarche apporte par exemple une solution pour la gestion de processus métier (BPM), domaine qui couvre par définition plusieurs applications (ERP, gestion de la production, des achats, etc.), mais aussi pour les chantiers décisionnels portant sur la consolidation ou la planification financière - et impliquant plusieurs départements ou filiales. Dans ce dernier exemple, les contraintes liées à la mise en conformité des process financiers au sein des grandes groupes (avec les normes IFRS en particulier) renforce encore l'intérêt de ce type d'approche.
Mais au-delà des entrepôts de données financiers, l'EDQM peut s'appliquer à l'ensemble d'autres sources de données, de la gestion des stocks à la relation clients (en incluant le marketing, le commercial, etc.), s'inscrivant dans l'écosystèmes des applications métiers susceptibles de tirer partie d'une politique d'urbanisation des données, en vue de faciliter leur consolidation au sein de plate-forme décisionnelle centralisée ou non.
Quelles fonctions recouvre t-elle ?
Le spectre fonctionnel de l'EDQM se découpe en deux grands pôles. Le premier est centré sur l'analyse : la détection des doublons, et des erreurs de typage et de formats de données. Le second recouvre les actions correctives, en vue d'une amélioration de la qualité globale et d'une meilleur standardisation des informations.
| Le MDM: une méthode différente pour un même objectif |
Pour ce faire, les éditeurs positionnés dans ce domaine intègrent un certain nombre de règles de comparaison, tels le profiling (capture des metadonnées), le parsing (décomposition des champs de texte) ou encore le cleansing (toiletage des données), le matching (identification des liens et fusion des entrées) et l'array matching (comparaison croisée).
Quelles différences avec le Master data management ?
L'EDQM s'attache à gérer la qualité des données d'un système en réalisant, comme évoqué plus haut, des analyses et des comparaisons avec les autres sources du SI. Il intervient généralement au moment des mises à jour ou des migrations de données. De son côté, le Master Data Management regroupe l'ensemble des données dites "de base" (ou Master Data) eu sein d'un référentiel visant à jouer un rôle de pré-requis lors d'une écriture dans telle ou telle base de données. L'objectif est donc le même, mais la démarche différente.
Le référentiel MDM fédère l'ensemble des objets essentiels à la vie de l'entreprise, et décrit les liens qu'ils entretiennent entre eux : numéros de référence client, fournisseurs, partenaires, etc. Grâce à cette sur-couche généralement associée à des mécanismes de contrôle et de validation, les objets sont décrits de façon homogène d'une base à l'autre et les doublons évités. Au final, ce mécanisme garantit également la qualité des données en évitant les erreurs et conflits potentiels.
Quels sont les acteurs positionnés dans le domaine de l'EDQM ?
Sur ce marché, on retrouve le géant du décisionnel Business Objects, l'éditeur d'ETL Informatica, IBM, SAS ou encore Trillium Software (voir le panorama sur les solutions de gestion de la qualité des données du 04/12/2006).
|
Dossier 
