Big Data - Gestion de référentiels de données

Jour 1

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

Exemples de travaux pratiques (à titre indicatif)

• Etudes de cas réelles sur les avantages et challenges de la mise en oeuvre de la MDM
• Réalisation d'une analyse SWOT, état des lieux, rédaction d'une politique gouvernance des données
• Identification et analyse des parties prenantes et identification des exigences du projet de MDM
• Grandes étapes de la planification d'un projet de MDM

Jour 2

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

Exemples de travaux pratiques (à titre indicatif)

• Mise en oeuvre avec des formulaires types de qualité, architecture et gouvernance des données :
• Dimension / règles métier
• Evaluation des données
• Catalogue des données
• Monitoring des données
• Réconciliation des données

Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.

Modalités d’évaluation des acquis

• En cours de formation, par des études de cas ou des travaux pratiques
• Et, en fin de formation, par un questionnaire d'auto-évaluation