IT@BANK. Technologie – BI Insight: Bogactwo danych. Master data management – Co, Kto, Jak i dlaczego?

Zarządzanie danymi podstawowymi (Master Data Management) to dyscyplina oparta na technologii, w której biznes i IT ściśle ze sobą współpracują, aby zapewnić jednolitość, dokładność, spójność, rozliczalność i efektywne zarządzanie kluczowymi danymi przedsiębiorstwa.

Efektywne zarządzanie danymi podstawowymi wynika z konieczności poprawy jakości kluczowych zasobów informacyjnych, takich jak dane klientów, produktów, aktywów, lokalizacji, kanałów sprzedaży czy segmentów rynku, jako elementów niezbędnych do optymalizacji procesów operacyjnych oraz metod analitycznych działów odpowiedzialnych za rozwój biznesu.

Zdefiniowanie podstawowych danych, tzw. master data, to obowiązkowy pierwszy krok w budowaniu strategii zarządzania danymi przedsiębiorstwa. Master data znajdują się w centrum wszystkich kluczowych procesów biznesowych i aplikacji. Bez stworzenia zaufanego, pełnego obrazu danych podstawowych, organizacja nie będzie w stanie skutecznie i wydajnie realizować swoich inicjatyw biznesowych i informatycznych.

Zatem dane podstawowe, różnie definiowane w przedsiębiorstwach, opisują, czym zajmuje się firma, i jaki jest trzon jej biznesu. To spójny i jednolity zestaw identyfikatorów i atrybutów, który opisuje podmioty przedsiębiorstwa, w tym klientów, potencjalnych klientów, dostawców, produkty, relacje i hierarchie.

Master Data Management to także fundament inicjatyw zarządzania jakością danych. W dużym uproszczeniu można traktować MDM jako kręgosłup spinający całość procesów powstawania i wykorzystywania danych we wszystkich systemach IT, do końcowej konsumpcji w systemach raportowych i aplikacjach. Ważne jest, aby nie zaszufladkować go jedynie jako kolejnego rozwiązania informatycznego. Uświadomienie tego faktu wyzwala konieczność zbudowania wokół danych podstawowych określonej strategii, zarówno w ujęciu technologicznym, jak i organizacyjnym.

Dobrą praktyką wdrożenia Master Data Management jest ewolucyjna metoda stopniowych zmian bazująca na aktualnych doświadczeniach (analityczny MDM), a wyniki i obserwacje z używania analitycznego MDM wykorzystać jako podstawę do wdrożenia operacyjnego MDM jako modelu docelowego.

W wielu organizacjach jakość danych nie jest sprawą zupełnie nową, w szczególności w kontekście projektów integrujących dane z wielu źródeł, jak Hurtownie Danych, czy systemy Business Intelligence. Wdrożenie Hurtowni Danych i Business Intelligence uświadamia organizacjom wiele kwestii związanych z jakością danych i problemów z niejednoznaczną ich interpretacją. To także etap budowania centralnych słowników pozwalających na uniwersalną kategoryzację i interpretację pojęć biznesowych. Jest to dobra podstawa do osiągnięcia pierwszego etapu strategii: budowy analitycznego MDM.

Bazując na powyższych doświadczeniach, wystarczy dodać do bieżących rozwiązań narzędzia oraz uruchomić procesy łączące słowniki z procedurami zarządzania jakością i spójnością danych (Data Governance), aby w pełni zoperacjonalizować dedykowane procesy zarządzania danymi. Bardzo ważne jest umiejscowienie w organizacji odpowiedzialności za procesy i ich rezultaty. Aby móc mówić o dalszym rozwoju MDM. muszą być one realizowane bezpośrednio przez użytkowników biznesowych lub powołane w tym celu jednostki (Biuro Data Governance, Zespół Jakości Danych).

Na tym etapie biznes będzie w stanie przejąć odpowiedzialność za własne dane na poziomie analitycznym, czyli będzie mógł zidentyfikować problemy, a następnie stworzyć reguły i procesy korygujące. Analityczny MDM nie da jeszcze pełnych możliwości zapobiegania problemom u źródła, w miejscach powstawania danych. Będzie to jednak możliwe tam, gdzie analiza jakości danych umożliwi diagnozę przyczyn i łatwe ich usunięcie na etapie konsolidacji i biznesowej interpretacji.

Doświadczenia z wykorzystania analitycznego MDM stają się podstawą do wdrożenia operacyjnego MDM. Operacyjny MDM pełni już znacznie bardziej aktywną rolę. Poza samą obserwacją i analizą jakości danych, jest głównym systemem, w którym realizowane są procesy zarządzania danymi podstawowymi, a więc eliminacji błędów, integracji, deduplikacji i wzbogacania danych. Odpowiada m.in. za hierarchie, atrybuty, parametry źródłowe, a także standaryzację danych i metody ich łączenia, konieczne do zapewnienia spójności i wysokiej jakości danych.

Rezultatem implementacji operacyjnego MDM jest zestaw referencyjnych danych podstawowych, który następnie jest udostępniany innym systemom i użytkownikom (subskrybentom MDM). W ten sposób operacyjny MDM staje się centralnym źródłem wszystkich słowników danych i ich właściwej interpretacji biznesowej.

W efekcie oczekiwać należy systematycznego wzrostu jakości danych, pełnej automatyzacji procesów zarządzania danymi oraz wzrostu zaufania do danych podstawowych. Tym samym ciężar odpowiedzialności za dane zostanie przeniesiony z jednostek IT na właścicieli biznesowych. Sprzyjać temu będą zmiany w organizacji, które wyodrębnią jednostki/role biznesowe odpowiedzialne za jakość danych podstawowych.

Dlaczego warto uporządkować dane podstawowe w repozytoriach danych?

Korzyści, jakie przynosi sformalizowane zarządzanie danymi podstawowymi w systemach MDM, dotyczą nie tylko jednej domeny biznesowej czy jednego aspektu technologicznego. Ujawniają się one w newralgicznych obszarach przedsiębiorstwa, począwszy od zarządzania relacjami biznesowymi (CRM), poprzez systemy wsparcia decyzji (BI), kompleksowego zarządzania danymi, procesami i rolami (DG), aż po kwestie bezpieczeństwa danych wrażliwych (RODO).

Przy wyborze rozwiązania klasy MDM, wspierającego zarządzanie danymi podstawowymi, należy wziąć pod uwagę długoterminową strategię. Zaprojektowanie i wdrożenie systemu MDM, który będzie zapewniał przedsiębiorstwom trwałą wartość biznesową, wymaga precyzyjnego określenia celów i oczekiwanych rezultatów, a także uświadomienia sobie perspektywy i szans, jakie stwarza zarówno nowe rozwiązanie technologiczne, jak też i zmiana mentalna wokół realizowanych funkcji i procesów, a także niezbędne zamiany organizacyjne.

Wykorzystanie zaawansowanych metod standaryzacji, integracji, poprawy jakości oraz deduplikacji danych, wspierane mechanizmami sztucznej inteligencji i uczenia maszynowego, to wyróżniające cechy rozwiązania biMDM, jakie oferuje firma BI Insight.

Skalowalne, zintegrowane środowisko Data Governance, którego elementami są m.in. nowatorskie narzędzia MDM, a także wspierający moduł Data Quality Management, zapewniają kompleksowe rozwiązanie w zakresie zarządzania danymi podstawowymi i zwrot z inwestycji nie tylko w kategoriach finansowych, ale przede wszystkim efektywności i konkurencyjności.

Każdy projekt MDM ma swój unikalny zestaw wyzwań i zagrożeń, które należy wziąć pod uwagę przy wyborze oprogramowania i strategii wdrażania. Jednak kluczem do udanej inicjatywy MDM nie są wyłącznie technologie ani metody, lecz ludzie: interesariusze w organizacji, a także realizowane przez nich procesy, na które ta inicjatywa będzie miała największy wpływ.

Master Data Management zapewnia głęboko praktyczny, skoncentrowany na biznesie sposób myślenia o danych podstawowych – zrozumienie, które znacznie poprawi zdolność do komunikowania się z interesariuszami i zdobywania ich wsparcia.

MDM w praktyce – Case Study

Podmiot o rozproszonej strukturze zarządczej na terenie Polski, a także w Europie wyraził potrzebę bardziej efektywnego zarządzania bazą kontrahentów. Ze względu na rozproszone i niejednolite systemy niezwykle utrudniony i nieefektywny okazał się proces rozpoznania kontrahentów i nadawania jednolitego, globalnego identyfikatora oraz ujednolicenia krytycznych danych, takich jak dane kontaktowe, adresowe, zgody marketingowe oraz blokady i listy restrykcyjne.

Przesłanki biznesowe w zakresie MDM:

• rozproszone bazy kontrahentów
• brak kontroli nad jednolitym wspólnym identyfikatorem kontrahenta
• brak jednego standardu zarządzania danymi kontrahentów (nazwy atrybutów, format, standard metadanych itp.)
• różnorodność systemów dziedzinowych
• brak procesów zarządzania jakością, spójnością i unikalnością danych

Korzyści z implementacji biMDM:

• spójna ekstrakcja danych pierwotnych, gromadzonych w lokalnych systemach dziedzinowych
• efektywny, samouczący się mechanizm łączenia danych z wielu systemów dziedzinowych
• w pełni kontrolowany proces nadawania unikalnego identyfikatora kontrahenta
• pozostawienie decyzji użytkownikowi w przypadku niejednoznacznej identyfikacji danych kontrahenta
• wyczyszczone i wzbogacone dane kontrahentów po skonsolidowaniu i wyeliminowaniu duplikatów
• wystandaryzowany format wymiany danych oraz dedykowane API do systemów dziedzinowych