Exploration de la conformité des données clean core

Après avoir exploré les processus de gestion et les extensions, nous portons désormais notre attention sur les données. Le mantra ici est simple : "Garder les données propres". À l’ère du numérique, l’information est l’outil le plus puissant à notre disposition. Avec l'essor des outils d'analyse du Big Data, les entreprises cherchent de plus en plus à optimiser, rationaliser et affiner leurs données. À cet égard, SAP S/4HANA Cloud fournit une plateforme robuste pour gérer, traiter et appliquer les données plus efficacement. Cependant, l'efficacité des données n'est qu'aussi bonne que les principes fondamentaux régissant sa propreté. Dans cette troisième leçon du chapitre, nous verrons comment nous assurer que les données sont conformes au clean core.

Avant d'explorer les spécificités des données propres, il est important de s'assurer que nous avons une définition claire des "données" dans le contexte de SAP S/4HANA Cloud. Un système SAP S/4HANA Cloud stocke trois types de données :

• Configuration
• Principal
• Transactionnel

Les données de configuration définissent la structure de l'organisation. Exemples : code de la société, divisions ou organisations d'achat. Les données de base sont un ensemble cohérent et uniforme d'identifiants et d'attributs étendus qui décrivent les entités de base de l'entreprise. Les clients, les fournisseurs, les produits et les comptes généraux sont des exemples de données de base avec lesquelles presque toutes les organisations travaillent. Les données altérables sont des informations directement dérivées à la suite de transactions. Exemples de commandes clients, de commandes d'achat ou d'embauche. Ces données :

• a une dimension Période, telle que la date de la commande client.
• a une valeur numérique, telle que le montant de la commande client
• fait référence à un ou plusieurs objets (de données de base), tels que le client auquel la commande client est destinée

Regardez la vidéo pour obtenir une synthèse des données de la dimension.

Mantra : "Garder les données propres".

Dans l'environnement actuel piloté par les données, les principes de qualité des données ont évolué pour donner la priorité à six facettes clés :

• Exactitude
• Intégralité
• Cohérence
• Respect des délais
• Validité
• Unicité

La précision est une exigence fondamentale pour la conformité clean core, car elle garantit que les données reflètent précisément la réalité de l'entreprise. Des données inexactes peuvent entraîner une prise de décision incorrecte, des processus inefficaces et une perte de confiance dans le système. Pour garantir l'exactitude, il est essentiel d'implémenter des règles de validation des données, d'effectuer des contrôles de qualité des données réguliers et d'établir des processus de gouvernance des données pour résoudre les problèmes qui peuvent survenir.

L'exhaustivité est tout aussi importante, car des données manquantes ou incomplètes peuvent entraver les opérations de gestion et la prise de décision. Pour garantir l'exhaustivité, il est essentiel de définir les exigences en matière de données et de s'assurer que toutes les données pertinentes sont capturées et gérées. Cela peut impliquer l'établissement de processus de collecte de données, la mise en œuvre de la validation de la saisie des données et l'application des normes de saisie des données pour empêcher l'entrée de données incomplètes dans le système.

La cohérence est cruciale pour la conformité clean core, car des données incohérentes peuvent entraîner des confusions, des erreurs et des inefficacités. L'établissement de normes et de directives en matière de données, la réalisation d'activités de profilage et de nettoyage des données et la mise en œuvre de processus d'intégration et de rapprochement des données sont essentiels pour maintenir la cohérence des données.

La rapidité est un autre aspect critique des exigences modernes en matière de qualité des données, car les données obsolètes ou obsolètes peuvent avoir un impact négatif sur la prise de décision et les opérations de gestion. La mise en œuvre de processus de capture et d'intégration des données en temps réel, la définition de calendriers d'actualisation et de mise à jour des données et la configuration de mécanismes de surveillance et d'alerte des données sont essentielles pour garantir des données actualisées en temps opportun.

La validité garantit que les données sont conformes aux normes et règles de gestion définies et qu'elles représentent précisément le scénario réel qu'elles sont censées capturer. Les données non valides peuvent induire en erreur et masquer les analyses.

L'unicité garantit que les données en double sont identifiées et éliminées, offrant ainsi une vue concise et claire des informations. L'implémentation de contrôles de validation des données, l'application des contraintes d'intégrité des données et l'utilisation d'outils de duplication et de correspondance des données sont essentielles pour maintenir la validité et l'unicité de vos données.

Les clients disposent d'un vaste portefeuille d'outils pour obtenir la qualité des données. SAP Master Data Governance fournit un hub central pour la gestion et la gouvernance des données de base. Grâce à elle, les clients peuvent créer une version unique de la réalité en unissant les sources de données SAP et tierces. En outre, différentes équipes peuvent posséder des attributs de données de base uniques et appliquer des valeurs validées pour des points de données spécifiques via le routage et la notification du workflow collaboratif. Enfin, les clients peuvent définir, valider et suivre les règles de gestion établies pour confirmer l'état de préparation des données de base et analyser les performances de gestion des données de base. SAP Master Data Governance peut être déployé sur site (sur SAP S/4HANA), avec SAP S/4HANA Cloud (édition publique et privée) et sur SAP Business Technology Platform (SAP Master Data Governance, édition cloud).

Outre SAP Master Data Governance, les clients peuvent utiliser SAP Information Steward pour comprendre, analyser et quantifier l'impact des données sur leurs processus de gestion afin d'améliorer les initiatives opérationnelles, analytiques et de gouvernance des données. SAP Datasphere est également disponible et est une solution complète offrant des fonctionnalités de données telles que l'intégration, le catalogage, la modélisation sémantique, l'entreposage de données et la virtualisation. Les clients qui utilisent actuellement SAP Data Intelligence Cloud et SAP Data Warehouse Cloud peuvent se référer à SAP Datasphere et SAP Data Intelligence Cloud. Qu'est-ce que cela signifie pour moi ? pour en savoir plus sur la transition vers SAP Datasphere.

Enfin, les clients sont encouragés à respecter SAP One Domain Model (ODM). Ce modèle définit un modèle de données commun et harmonisé pour faciliter l'échange et la réutilisation des données entre les applications de gestion de la suite intelligente et de son écosystème. Ils sont également encouragés à utiliser la méthodologie SAP Data and Analytics Advisory Methodology dont l'objectif est de fournir des conseils dans la conception et la validation des architectures de solutions pour les innovations de gestion pilotées par les données.

Nous portons maintenant notre attention sur l'efficacité du volume de données. Une étape importante vers la conformité des données clean core consiste à supprimer les données redondantes, obsolètes ou inutilisées. C'est un concept simple, mais il est essentiel pour maintenir l'utilité et la pertinence de la base de données.

Les données ont une durée de conservation. Au fur et à mesure que le temps passe, sa pertinence diminue, le transformant en « port en lourd de données ». Ce port en lourd charge le système, ralentit le traitement et encombre l'interface, ce qui rend plus difficile la recherche d'informations opportunes et pertinentes. Par conséquent, il est impératif de purger régulièrement ces données du système. De même, la redondance des données et les données inutilisées posent de graves problèmes d'efficacité. Les données redondantes n'offrent pas de nouvelles informations, mais occupent un espace et des ressources précieux. Dans le même temps, les données non utilisées représentent des opportunités manquées. Des audits de données réguliers peuvent aider à identifier et à éliminer ces informations inutiles.

Le dernier pilier des données propres est la conformité à la confidentialité des données. Au fur et à mesure que les entreprises collectent et analysent davantage de données à caractère personnel, les préoccupations en matière de confidentialité et d'utilisation abusive des données ont augmenté. Il est essentiel que les données de base personnelles soient stockées uniquement lorsque cela est nécessaire et à des fins justifiables. La collecte de données à caractère personnel inutiles peut entraîner une utilisation abusive ou des violations involontaires, nuire à la confiance et avoir des répercussions juridiques potentielles. Il est essentiel de respecter les droits des utilisateurs, de collecter uniquement les données requises pour les besoins opérationnels et de maintenir la transparence sur l'utilisation des données.

La conformité à la confidentialité des données est mieux prise en charge par SAP Information Lifecycle Management, qui permet l'automatisation de l'archivage et de la conservation des données, ainsi que la mise hors service des systèmes hérités, tout en équilibrant le coût total de possession, les risques et la conformité légale.

Objectifs pour les données : Terminer Correct Utilisé et pertinent

Les avantages des données propres sont nombreux. La "valorisation des données" (définie comme la fiabilité des résultats lors de l'utilisation des données dans les processus et les applications) est obtenue. La stabilité et la qualité des étapes de processus de gestion (efficacité des processus de gestion), ainsi que la réduction du coût total de possession grâce à une gestion efficace du volume de données, deviennent également possibles. Enfin, il est possible d'améliorer la capacité à échanger des données entre différentes solutions associées à un risque plus faible de violation des réglementations sur la protection de la confidentialité des données.

La maîtrise des données propres dans SAP S/4HANA requiert une compréhension complète des exigences modernes en matière de qualité des données, des stratégies pour garantir l'efficacité du volume des données et une gestion responsable des données de base personnelles. En respectant ces principes, les entreprises peuvent améliorer la fiabilité, la précision et la conformité de leurs données, ce qui se traduit par de meilleurs résultats.