Big Data - Gestion des référentiels de données

Objectifs

• Présenter la philosophie des référentiels de données et la méthode à adopter pour mieux appréhender un projet de mise en place d'un MDM (Master Data Management)


• Identifier les enjeux de la donnée de référence


• Démontrer l'impact du Big Data sur la donnée de référence.

Syllabus

Introduction

• Présentation du cours


• Concepts et glossaire des données de référence


• Rappel sur l'architecture des référentiels SI

Les données de référence

• Définition des données de référence (Master Data)


• Types et nature des données de référence


• Les principaux référentiels du SI


• Architecture applicative d'un référentiel

Master Data Management (MDM)

• Définition du MDM


• Qu'est-ce que le MDM ?


• Les sources de MDM


• Les conséquences d'un MDM faible


• Pourquoi le MDM est-il difficile ?


• Les différents types de MDM


• Aperçu du marché des solutions de MDM

Les données ambiguës

• L'importance de connaître les données ambiguës


• Les risques de l'engagement "Business"


• Les "Business Cases" faibles


• Excès d'ambitions


• L'ignorance de la qualité des données


• MDM n'est pas une cible mais un process

Architecture et technologie

• Architectures MDM


• Vue simpliste du scope MDM


• MDM dans les entreprises multinationales


• Les styles de MDM


• Opérationnel vs analyse MDM


• Chevauchement de styles


• Le taux de succès


• La question de fédération


• La fédération en pratique

La gouvernance des données

• Rôle de la gouvernance


• Aspects de la gouvernance de données


• Cycle de vie de la donnée


• Niveau d'intérêt dans la gouvernance de données


• Organisation de la gouvernance de données


• Zones de mise en valeur


• Le coût de la faible qualité des données


• Data gouvernance (comité et staff)


• Les 5 niveaux de maturité


• Les principaux drivers pour la gouvernance de données

La qualité des données

• La qualité des données et le MDM


• Les dimensions de la qualité des données


• L'utilité de la qualité des données


• Les technologies utilisées dans la qualité des données


• La perception des éditeurs dans la qualité des données

Comment ?

Méthodes pédagogiques

1 poste et 1 support par stagiaire

8 à 10 stagiaires par salle ou en classe virtuelle

Remise d'une documentation pédagogique papier ou numérique pendant le stage

La formation est constituée d'apports théoriques, d'exercices pratiques, de réflexions et de retours d'expérience

Évaluation

Auto-évaluation des acquis par le stagiaire via un questionnaire en ligne

Attestation de fin de stage remise au stagiaire

Certification DIGITT en option, Code CPF 235908

(Financement possible Action Collective ATLAS, ex-fafiec)