Retour d’expérience

Qualité des données : quand le MDM s’appuie sur le BPM

Détecter une anomalie est une première étape. La qualifier, l’affecter, la corriger, la valider et en conserver la trace suppose un véritable processus associant les métiers, la gouvernance des données et le système d’information.

MDMBPMData QualityGouvernance7 min de lecture

Le MDM détecte les anomalies. Mais que se passe-t-il ensuite ?

Dans de nombreux projets de transformation Data, la mise en place d’une plateforme de Master Data Management constitue une étape essentielle. Elle permet de centraliser les données de référence, de détecter les doublons, d’identifier les informations manquantes ou incohérentes et d’appliquer des règles de qualité.

Le point clé

Détecter une anomalie est une fonction technique. La résoudre durablement est un processus métier.

Sans processus structuré, les anomalies s’accumulent dans des fichiers de suivi, sont corrigées ponctuellement ou restent sans responsable clairement identifié. Notre retour d’expérience montre que le MDM ne suffit pas à lui seul : la qualité des données doit être pilotée dans la durée.

Le contexte rencontré

L’organisation disposait de plusieurs applications produisant ou consommant des données de référence communes : tiers, contacts, organisations, agents, équipements ou autres objets métier structurants.

  • données dupliquées entre plusieurs systèmes ;
  • informations incomplètes ou contradictoires ;
  • formats de saisie différents ;
  • modifications sans justification ;
  • cas trop complexes pour une correction automatique.

Passer d’une anomalie à un processus de remédiation

L’approche consiste à associer les capacités du MDM à un moteur BPM. Le MDM détecte, rapproche et contrôle. Le BPM orchestre les actions nécessaires pour résoudre les anomalies avec les bons acteurs.

Exemple de processus de remédiation MDM + BPM
Processus de remédiation de la qualité des données avec MDM et BPM

1. Détection et qualification

Une règle de qualité identifie une donnée manquante, incohérente ou potentiellement dupliquée. L’anomalie est caractérisée selon son type, sa criticité, sa source et les applications concernées.

2. Affectation au bon acteur

Le workflow identifie le responsable de la résolution : Data Steward, référent métier, propriétaire de la donnée, gestionnaire opérationnel ou équipe informatique.

3. Analyse et arbitrage

Le collaborateur dispose des valeurs issues des différentes sources, de l’historique, des règles déclenchées et des impacts possibles. Il peut valider, modifier, demander un complément ou transmettre le dossier.

4. Correction, diffusion et traçabilité

Une fois la décision validée, la correction est appliquée dans le MDM puis diffusée vers les applications concernées. Chaque décision est historisée avec sa justification.

Automatiser ce qui peut l’être

Correction automatique

Pour les cas simples, fiables et sans ambiguïté.

Validation assistée

Le système propose une correction, confirmée par le métier.

Arbitrage métier

Pour les situations complexes ou sensibles.

Amélioration continue

Les anomalies récurrentes font évoluer les règles et les processus.

Le BPM, trait d’union entre gouvernance et opérations

La gouvernance définit les responsabilités et les niveaux de qualité attendus. Le MDM met en œuvre les contrôles et la gestion des référentiels. Le BPM transforme ces principes en processus opérationnels exécutables.

Les bénéfices observés

  • réduction du stock d’anomalies ;
  • responsabilisation des acteurs métiers ;
  • diminution des corrections par e-mail ou Excel ;
  • meilleure traçabilité des décisions ;
  • réduction des délais de résolution ;
  • amélioration continue des règles de qualité ;
  • confiance renforcée dans les données diffusées.

Les points de vigilance

Il faut éviter de créer un workflow pour chaque anomalie. Les règles doivent distinguer clairement ce qui peut être automatisé et ce qui nécessite réellement une intervention humaine. Les responsables de données doivent également disposer du temps, des droits et des informations nécessaires.

Notre conviction

La qualité des données ne se résume pas à un score. Elle repose sur une organisation capable de détecter les anomalies, de mobiliser les bons acteurs, de décider et d’en conserver la trace.

Le MDM maîtrise les référentiels.
Le BPM orchestre la remédiation.
La gouvernance définit les responsabilités.

C’est cette combinaison qui crée la confiance nécessaire au pilotage, à l’automatisation et aux futurs usages de l’intelligence artificielle.