Formation Master Data Management (MDM)

Leçon 1 • Concepts et terminologie de base du MDM

Présente les enregistrements d'or, la survie, la stewardship et les domaines de données. Fournit le vocabulaire commun utilisé dans l'ensemble du cours.

Leçon 2 • Aperçu du cycle de vie MDM

Cartographie le cycle de vie MDM de bout en bout, de l'ingestion des données à la distribution. Montre aux étudiants comment les chapitres suivants du cours s'intègrent dans ce cycle de vie.

Leçon 3 • Parties prenantes et rôles organisationnels du MDM

Identifie les rôles clés — propriétaires de données, stewards, architectes et consommateurs — et leurs responsabilités. Prépare les étudiants à naviguer dans les structures de gouvernance MDM.

Leçon 4 • Moteurs métier du MDM

Examine pourquoi les organisations investissent dans le MDM, en reliant les problèmes de qualité des données à une douleur métier mesurable. Motive la nécessité de programmes MDM structurés.

Leçon 1 • Style de MDM par registre

Explique comment le MDM de type registre indexe les données de référence sans centraliser le stockage. Introduit le modèle de mise en œuvre le plus léger comme référence.

Leçon 2 • Style de MDM centralisé (transaction)

Examine le hub comme le système d'enregistrement faisant autorité pour toutes les écritures de données de référence. Représente le modèle de mise en œuvre le plus rigoureux du chapitre.

Leçon 3 • Sélection du style MDM approprié

Fournit un cadre de décision pour aligner le style de mise en œuvre sur la maturité et les objectifs métier. Synthétise les quatre styles en un modèle d'évaluation comparative.

Leçon 4 • Style de MDM par consolidation

Décrit comment le MDM par consolidation agrège les données dans un hub en lecture seule pour l'analyse. Repose sur les concepts du registre en ajoutant un magasin physique de données de référence.

Leçon 1 • Hiérarchies et relations dans le MDM

Explique comment modéliser les hiérarchies organisationnelles, de produits et géographiques. Aborde les défis des relations récursives et des hiérarchies à parents multiples.

Leçon 2 • Modélisation des données de référence (externes)

Distingue les données de référence (externes) des données de référence et modélise les listes de codes et les tables de correspondance. Prépare les étudiants à gérer les données de référence (externes) comme un domaine de support.

Leçon 3 • Modélisation du domaine Partie

Conçoit des modèles de données de référence pour les clients et les fournisseurs en utilisant le pattern Partie. Démontre comment un seul modèle gère plusieurs sous-types d'entités.

Leçon 4 • Modélisation du domaine Produit

Couvre les structures de données de référence produit, y compris les classifications, les attributs et les variantes. Relie la modélisation produit aux cas d'utilisation du catalogue et de la chaîne d'approvisionnement.

Leçon 1 • Tableaux de bord de qualité des données et KPI

Conçoit des tableaux de bord qui agrègent les métriques de qualité en tableaux de bord actionnables. Relie la mesure de la qualité aux workflows de stewardship et au reporting exécutif.

Leçon 2 • Techniques de profilage des données

Couvre le profilage des colonnes, des structures et des relations pour révéler les problèmes de qualité des données. Les résultats du profilage alimentent directement la conception des règles dans les sections suivantes.

Leçon 3 • Workflows de correction et de nettoyage des données

Construit des workflows de correction automatisés et manuels pour corriger les défauts de qualité. Boucle la boucle qualité en réinjectant les données corrigées dans le hub MDM.

Leçon 4 • Dimensions de la qualité des données

Introduit les six dimensions fondamentales de la qualité des données : exactitude, exhaustivité, cohérence, actualité, unicité et validité. Fournit le cadre de mesure du chapitre.

Leçon 1 • Fondamentaux de la détection des doublons

Explique pourquoi les doublons apparaissent et l'impact métier des doublons non résolus. Définit le contexte du problème avant d'introduire les solutions techniques d'appariement.

Leçon 2 • Algorithmes et techniques d'appariement

Couvre les méthodes d'appariement déterministes, probabilistes et basées sur l'apprentissage automatique. Les étudiants sélectionnent et ajustent les algorithmes adaptés à leurs caractéristiques de données.

Leçon 3 • Règles de survie et création d'enregistrements d'or

Conçoit des politiques de survie qui sélectionnent les meilleures valeurs d'attributs parmi les enregistrements fusionnés. Produit l'enregistrement d'or faisant autorité que les systèmes aval consomment.

Leçon 4 • Configuration des seuils d'appariement

Enseigne comment définir et ajuster les seuils de score d'appariement pour équilibrer précision et rappel. Les décisions de seuil affectent directement la qualité des enregistrements d'or et la charge de travail du steward.

Leçon 1 • Gestion des politiques et des normes de données

Couvre la rédaction, la publication et l'application des politiques de données et des normes de nommage. Les politiques définies ici sont appliquées par les règles de qualité et les workflows de stewardship.

Leçon 2 • Modèles de stewardship des données

Compare les modèles opérationnels de stewardship centralisé, fédéré et hybride. Les étudiants sélectionnent le modèle qui correspond à leur structure organisationnelle et à leur style MDM.

Leçon 3 • Conception du cadre de gouvernance MDM

Définit les composants d'un cadre de gouvernance MDM, y compris les politiques, les normes et la responsabilisation. Fournit la base structurelle pour toutes les activités de stewardship.

Leçon 4 • Métriques et reporting de gouvernance

Conçoit des tableaux de bord de gouvernance qui suivent les performances de la stewardship et la conformité aux politiques. Le reporting relie les activités de gouvernance aux résultats métier de niveau exécutif.

Leçon 1 • Distribution événementielle des données de référence

Met en œuvre le streaming d'événements pour propager les modifications des enregistrements d'or aux systèmes aval en quasi-temps réel. Étend la distribution par API avec des modèles de publication-abonnement asynchrones.

Leçon 2 • Modèles d'architecture d'intégration MDM

Passe en revue les modèles d'intégration par lots, en temps réel et événementielle pour les hubs MDM. Établit le vocabulaire d'intégration et le catalogue de modèles pour le chapitre.

Leçon 3 • Lignage des données et surveillance de l'intégration

Suit le flux de données de la source à l'enregistrement d'or, puis au consommateur, à l'aide d'outils de lignage. La surveillance garantit que les pipelines d'intégration respectent les SLA et que les données arrivent avec une qualité intacte.

Leçon 4 • Intégration de nouveaux systèmes source

Couvre le processus de connexion d'un nouveau système source au hub MDM pour l'ingestion. Inclut les procédures de mapping, de transformation et de chargement initial.

Leçon 1 • Gestion du changement pour les programmes MDM

Applique les principes de gestion du changement pour favoriser l'adoption des processus et outils MDM. Aborde les stratégies de résistance, de formation et de communication pour un succès durable.

Leçon 2 • Sélection des fournisseurs et des technologies

Fournit un processus structuré pour évaluer et sélectionner les fournisseurs de plateformes MDM. Couvre la conception du RFP, les critères de preuve de concept et le coût total de possession.

Leçon 3 • Feuille de route et phasage du MDM

Conçoit une feuille de route MDM par phases qui séquence les domaines, les capacités et les intégrations. Le phasage équilibre les gains rapides avec les objectifs architecturaux à long terme.

Leçon 4 • Élaboration du business case MDM

Quantifie les avantages et les coûts du MDM pour construire un business case exécutif convaincant. Relie les améliorations de la qualité des données aux métriques de revenus, de coûts et de risques.