Gouvernance des données avec Profisee et Microsoft Purview

Les systèmes d’entreprise peuvent avoir plusieurs sources de données de référence (les données communes partagées entre les systèmes). Cela peut devenir apparent lorsque vous cataloguez des sources de données. Les données de référence incluent les données client, produit, d’emplacement, de ressource et de fournisseur. Lorsque vous utilisez Profisee pour fusionner, valider et corriger vos données de référence, vous pouvez rendre ces données efficaces. Plus précisément, vous pouvez les utiliser pour créer une plateforme approuvée commune pour l’analyse et l’amélioration opérationnelle. En utilisant les définitions de gouvernance, les insights et l’expertise détaillés dans Microsoft Purview, vous pouvez créer votre plateforme efficacement.

Cette architecture de référence présente une solution de gouvernance et de gestion des données qui intègre Microsoft Purview et la plateforme de gestion des données de référence (MDM) Profisee. Ces services fonctionnent conjointement pour fournir une base de données fiables et de haute qualité qui optimise la valeur métier des données dans Azure. Pour obtenir une courte vidéo sur cette solution, consultez La puissance de la gestion des données de référence entièrement intégrée dans Azure.

Architecture

Le diagramme suivant montre les étapes que vous effectuez lorsque vous développez et utilisez votre solution de données de référence. Considérez ces étapes comme hautement itératives. À mesure que votre solution évolue, vous pouvez répéter ces étapes et phases, tantôt automatiquement, tantôt manuellement. L’utilisation d’étapes automatiques ou manuelles dépend des modifications que subit votre solution de données de référence, les métadonnées et les données.

Téléchargez un fichier Visio de cette architecture.

Dataflow

Les métadonnées et le flux de données incluent ces étapes, qui sont illustrées dans la figure précédente :

1. Les connecteurs Microsoft Purview prédéfinis sont utilisés pour créer un catalogue de données à partir d’applications métier sources. Les connecteurs analysent les sources de données et remplissent le catalogue de données Microsoft Purview.

2. Le modèle de données de référence est publié dans Microsoft Purview. Les entités de données de référence créées dans MDM Profisee sont publiées en toute transparence dans Microsoft Purview. Cette étape remplit davantage le catalogue de données Microsoft Purview et garantit qu’il existe un enregistrement de cette source de données critique dans Microsoft Purview.

3. Les normes et stratégies de gouvernance pour la gestion des données sont utilisées pour enrichir les définitions des entités de données de référence. Les données sont enrichies dans Microsoft Purview avec des informations de dictionnaire de données et de glossaire, des données de propriété et des classifications de données sensibles. Toutes les définitions et métadonnées disponibles dans Microsoft Purview sont visibles en temps réel dans Profisee comme aide pour les gestionnaires de données MDM.

4. Les données de référence des systèmes sources sont chargées dans MDM Profisee. Un ensemble d’outils d’intégration de données comme Azure Data Factory extrait des données des systèmes sources à l’aide d’un des plus de 100 connecteurs prédéfinis ou d’une passerelle REST. Plusieurs flux de données de référence sont chargés dans MDM Profisee.

5. Les données de référence sont normalisées, mises en correspondance, fusionnées, enrichies et validées conformément aux règles de gouvernance. D’autres systèmes, comme Microsoft Purview, peuvent définir des règles de qualité et de gouvernance des données. Mais MDM Profisee est le système qui applique ces règles. Les enregistrements sources sont mis en correspondance et fusionnés dans et entre les systèmes sources pour créer l’enregistrement le plus complet et le plus correct possible. Les règles de qualité des données vérifient chaque enregistrement pour la conformité aux exigences métier et techniques. Tout enregistrement dont la validation échoue ou qui renvoie un score de probabilité faible est soumis à une correction. Pour corriger les échecs de validation, un processus de workflow attribue les enregistrements nécessitant une révision aux gestionnaires de données qui sont des experts dans leur domaine de données métier. Une fois qu’un enregistrement a été vérifié ou corrigé, il est prêt à être utilisé comme enregistrement de référence.

6. Les données transactionnelles sont chargées dans une solution d’analyse en aval. Un ensemble d’outils d’intégration de données comme Data Factory extrait les données transactionnelles des systèmes sources à l’aide d’un des plus de 100 connecteurs prédéfinis ou d’une passerelle REST. L’ensemble d’outils charge les données directement dans une plateforme de données d’analyse comme Azure Synapse Analytics. L’analyse de ces informations brutes sans les données de référence appropriées est sujette à inexactitude, car les chevauchements de données, les incompatibilités et les conflits ne sont toujours pas résolus.

7. Les connecteurs Power BI fournissent un accès direct aux données de référence organisées. Les utilisateurs de Power BI peuvent utiliser les données de référence directement dans les rapports. Un connecteur Power BI dédié reconnaît et applique la sécurité basée sur les rôles. Il masque également différents champs système pour simplifier l’utilisation.

8. Les données de référence organisées de haute qualité sont publiées dans la solution d’analyse en aval. Quand les enregistrements de données de référence ont été fusionnés en un seul enregistrement de référence, les liens parent-enfant vers les enregistrements d’origine sont préservés.

9. La plateforme d’analyse dispose d’un ensemble de données certifiées dans le sens où elles sont complètes, cohérentes et précises. Ces données incluent des données de référence correctement organisées et des données transactionnelles associées. Cette combinaison constitue une base solide de données fiables qui sont disponibles pour une analyse plus approfondie.

10. Les données de référence de haute qualité sont visualisées et analysées, et des modèles Machine Learning sont appliqués. Le système fournit des insights solides pour la conduite de l’entreprise.

Composants

• Microsoft Purview est une solution de gouvernance des données qui fournit une visibilité étendue des patrimoines de données locales et cloud. Microsoft Purview offre une combinaison de découverte et de classification des données, de traçabilité, de recherche et de découverte des métadonnées ainsi que des insights sur l’usage. Toutes ces fonctionnalités vous aident à gérer et à comprendre les données dans le paysage de vos données d’entreprise.

• MDM Profisee est une plateforme MDM rapide et intuitive qui s’intègre en toute transparence aux technologies Microsoft et à l’écosystème de gestion des données Azure.

• Data Factory est un service d’intégration de données hybrides. Vous pouvez utiliser Data Factory pour créer, planifier et orchestrer l’extraction, la transformation et le chargement (ETL), ainsi que des workflows d’extraction, de chargement et de transformation (ELT). Data Factory propose également plus de 100 connecteurs prédéfinis et une passerelle REST que vous pouvez utiliser pour extraire des données à partir de systèmes sources.

• Azure Synapse Analytics est un entrepôt de données cloud rapide, flexible et fiable qui utilise une architecture de traitement parallèle massive. Vous pouvez utiliser Azure Synapse Analytics pour mettre à l’échelle, calculer et stocker des données de manière élastique et indépendante.

• Power BI est une suite d’outils d’analytique métier qui fournit des insights à l’échelle de votre organisation. Vous pouvez utiliser Power BI pour vous connecter à des centaines de sources de données, simplifier la préparation des données et piloter une analyse improvisée. Vous pouvez créer de superbes rapports, puis les publier pour que votre organisation les consomme sur le web et sur des appareils mobiles.

Autres solutions

Si vous n’avez pas d’application MDM dédiée, vous trouverez certaines des fonctionnalités techniques dont vous avez besoin pour créer une solution MDM dans Azure :

• Qualité des données. Lorsque vous chargez des données dans une plateforme d’analyse, vous pouvez générer la qualité des données dans des processus d’intégration. Par exemple, vous pouvez utiliser des scripts codés en dur pour appliquer des transformations de qualité des données dans un pipeline Data Factory.
• Normalisation et enrichissement des données. Azure Maps peut fournir la vérification et la normalisation des données pour les données d’adresse. Vous pouvez utiliser les données normalisées dans Azure Functions et Data Factory. Pour normaliser d’autres données, vous devrez peut-être développer des scripts codés en dur.
• Gestion des données en double. Vous pouvez utiliser Data Factory pour dédupliquer les lignes s’il existe suffisamment d’identificateurs disponibles pour obtenir une correspondance exacte. Vous aurez probablement besoin de scripts codés en dur personnalisés pour implémenter la logique nécessaire pour fusionner les lignes correspondantes tout en appliquant les techniques de survie des données appropriées.
• Gestion des données. Vous pouvez utiliser Power Apps pour développer rapidement des solutions de gestion des données de base pour gérer les données dans Azure. Vous pouvez également développer des interfaces utilisateur appropriées pour les révisions, les workflows, les alertes et les validations.

Dans les environnements centrés sur Microsoft, Azure Synapse Analytics est généralement préféré en tant que service d’analyse. Mais vous pouvez utiliser n’importe quelle base de données d’analyse. Snowflake et Databricks sont des choix courants.

Détails du scénario

À mesure que vous chargez des données dans Azure, la nécessité de gouverner et de gérer correctement ces données pour l’ensemble des sources de données et des consommateurs de données augmente. Des données qui semblent adéquates dans le système source sont souvent déficientes lorsqu’elles sont partagées. Il peut y avoir des informations manquantes ou incomplètes, ou des duplications et des conflits. Sa qualité globale peut être médiocre. Ce qui est nécessaire, ce sont des données complètes, cohérentes et précises.

Sans des données de haute qualité dans votre patrimoine de données Azure, la valeur commerciale d’Azure est compromise, peut-être même de manière critique. La solution consiste à créer une base pour la gouvernance et la gestion des données capable de produire et de fournir une source de vérité pour des données de haute qualité et fiables. Microsoft Purview et MDM Profisee collaborent pour former cette plateforme d’entreprise.

Microsoft Purview crée un catalogue de toutes vos sources de données, identifie les informations sensibles et assure la traçabilité des données. Il procure à l’architecte des données un emplacement où évaluer les normes de données appropriées à imposer à toutes les données. Microsoft Purview est axé sur la gouvernance permettant de rechercher, classifier et définir des stratégies et des normes. Les tâches d’application de stratégies et de normes, de catalogage des sources de données et de correction des données déficientes incombent à des technologies telles que les systèmes MDM.

MDM Profisee est conçu pour accepter des données de référence de n’importe quelle source. Ensuite, MDM Profisee fait correspondre, fusionne, normalise, vérifie, corrige et synchronise les données entre les systèmes. Ce processus garantit que les données peuvent être correctement intégrées et qu’elles répondent aux besoins des systèmes en aval, tels que les applications de business intelligence (BI) et de Machine Learning. La plateforme Profisee intégrative applique des normes de gouvernance sur plusieurs silos de données.

Meilleurs ensemble

Microsoft Purview et MDM Profisee fonctionnent mieux ensemble. Lorsqu’ils sont intégrés, ils rationalisent les tâches de gestion des données et s’assurent que tous les systèmes fonctionnent pour appliquer les mêmes normes. MDM Profisee publie son modèle de données de référence vers Microsoft Purview, où il peut participer à la gouvernance. Microsoft Purview partage ensuite la sortie de la gouvernance, telle qu’un catalogue de données et des informations de glossaire. Profisee peut examiner la sortie et appliquer des normes. En travaillant conjointement, Microsoft Purview et Profisee créent une synergie naturelle qui va plus loin que chaque offre indépendante.

Par exemple, après avoir catalogué les sources de données d’entreprise, vous pouvez déterminer que des données de référence sont présentes dans plusieurs systèmes. Les données de référence sont les données qui définissent une entité de domaine. Les données client, produit, de ressource, d’emplacement, de fournisseur, patient, de ménage, d’élément de menu et d’ingrédients sont des exemples de données de référence. La résolution de définitions et de correspondances différentes et la fusion de ces données entre les systèmes est essentielle pour utiliser ces données de manière significative. Pour être efficace, vous devez fusionner, valider et corriger les données de référence dans MDM Profisee, à l’aide de définitions de gouvernance, d’insights et d’expertises détaillés dans Microsoft Purview. Microsoft Purview et MDM Profisee constituent ainsi la base de la gouvernance et de la gestion des données, et optimisent la valeur commerciale des données dans Azure.

L’alternative consiste à utiliser toutes les informations que vous pouvez obtenir. Mais lorsque vous prenez cette approche, vous risquez de générer des résultats trompeurs qui peuvent nuire à votre entreprise. Lorsque vous utilisez plutôt des données de référence de haute qualité, vous éliminez les problèmes courants de qualité des données. Ensuite, votre système fournit des insights solides que vous pouvez utiliser pour piloter votre entreprise, quels que soient les outils que vous utilisez pour l’analyse, le Machine Learning et la visualisation. Des données de référence bien organisées sont un aspect clé de la création d’une base de données solide et fiable.

Lorsque vous utilisez MDM Profisee avec Microsoft Purview, vous bénéficiez des avantages suivants :

• Une base technique commune. Profisee provient des technologies Microsoft. Profisee et Microsoft utilisent des outils, des bases de données et une infrastructure courants, ce qui rend la solution Profisee familière à tous ceux qui travaillent avec les technologies Microsoft. En fait, pendant de nombreuses années, MDM Profisee reposait sur Microsoft Master Data Services. Maintenant, Master Data Services approche de la fin de son cycle de vie, et Profisee est la première solution de mise à niveau et de remplacement.
• Collaboration des développeurs et développement conjoint. Les développeurs Profisee et Microsoft Purview collaborent largement pour garantir une bonne adéquation complémentaire entre leurs solutions respectives. Cette collaboration offre une intégration transparente qui répond aux besoins des clients.
• Ventes et déploiements conjoints. Profisee propose davantage de déploiements MDM sur Azure, et conjointement avec Microsoft Purview, que tout autre fournisseur MDM. Vous pouvez acheter Profisee via la Place de marché Azure. Au cours de l’exercice 2023, Profisee est le seul fournisseur MDM disposant d’une certification partenaire Microsoft de premier niveau qui dispose d’une offre IaaS (Infrastructure as a Service), CaaS (conteneurs en tant que service) ou SaaS (Software as a Service) sur la Place de marché Azure.
• Déploiement rapide et fiable. Une fonctionnalité critique de tous les logiciels d’entreprise est un déploiement rapide et fiable. Selon la plateforme Gartner Peer Insights, Profisee a plus d’implémentations qui prennent moins de 90 jours que n’importe quel autre fournisseur MDM.
• Domaines multiples. Profisee propose une approche de MDM qui utilise par nature plusieurs domaines. Il n’existe aucune limitation au nombre de domaines de données de référence que vous pouvez créer. Cette conception s’aligne bien sur les clients qui envisagent de moderniser leurs patrimoines de données. Un client peut commencer avec un nombre limité de domaines, mais il tire finalement parti de l’optimisation de sa couverture de domaine sur l’ensemble de son patrimoine de données. Cette couverture de domaine correspond à sa couverture de gouvernance des données.
• Ingénierie conçue pour Azure. Profisee est conçu pour être natif dans le cloud avec des options pour les déploiements SaaS et IaaS ou CaaS managés sur Azure.

Cas d’usage potentiels

Pour obtenir la liste détaillée des cas d’utilisation MDM de cette solution, consultez Cas d’usage MDM plus loin dans cet article. Les principaux cas d’usage MDM incluent les exemples de vente au détail et de fabrication suivants :

• Consolidation des données client à des fins analytiques
• Dispose d’une vue à 360° des données de vos produits, dans un format cohérent et accessible, par exemple le nom, la description et les caractéristiques de chaque produit.
• Établissement de données de référence pour enrichir de manière cohérente les descriptions de données de référence. Par exemple, les données de référence incluent des listes de pays/régions, de devises, de couleurs, de tailles et d’unités de mesure.

Ces solutions MDM aident les organisations financières qui dépendent fortement des données pour les activités essentielles, notamment la génération de rapports en temps opportun.

Intégration de GPM à Microsoft Purview

Le diagramme suivant illustre en détail l’intégration de MDM Profisee dans Microsoft Purview. Pour prendre en charge cette intégration, le sous-système de gouvernance de Profisee fournit une intégration bidirectionnelle avec Microsoft Purview, qui se compose de deux flux distincts :

• La publication de métadonnées de solution se produit lorsque vos modélisateurs de données modifient votre modèle de données de référence, les stratégies de correspondance et leurs sous-articles associés. Ces modifications sont publiées en toute transparence dans Microsoft Purview au fur et à mesure qu’elles se produisent. La publication de ces modifications synchronise les métadonnées liées à votre modèle de données de référence et à votre solution. Par conséquent, le catalogue de données Microsoft Purview est davantage renseigné et Microsoft Purview dispose d’un enregistrement de cette source de données critique.
• Les détails de gouvernance sont retournés et fournis aux gestionnaires de données et aux utilisateurs métier. Ces détails sont disponibles lorsque les utilisateurs affichent des données, enrichissent les données et corrigent les problèmes de qualité des données à l’aide du portail Profisee FastApp.

Fonctionnalités d’intégration Microsoft Purview

Le catalogue et le glossaire Microsoft Purview peuvent vous aider à optimiser l’intégration.

Conception du modèle de données de référence

L’un des défis qui se posent lors de la préparation d’une solution MDM consiste à déterminer ce qui constitue les données de référence et les sources de données à utiliser pour renseigner votre modèle de données de référence. Vous pouvez utiliser Microsoft Purview pour vous aider dans cet effort. Vous pouvez tirer parti de la possibilité d’analyser vos sources de données critiques, et vous pouvez faire appel à vos gestionnaires de données et experts techniques (SME). De cette façon, vous pouvez enrichir votre catalogue de données Microsoft Purview à l’aide d’informations que vos gestionnaires peuvent ensuite utiliser pour mieux adapter votre modèle de données de référence à vos systèmes métier. Vous pouvez concilier une terminologie conflictuelle. Ce processus génère un modèle de données de référence qui reflète de manière optimale la terminologie et les définitions que vous souhaitez normaliser pour votre entreprise. Il évite également le verbiage obsolète et trompeur.

Le détail suivant du diagramme global illustre ce cas d’usage de l’intégration. Tout d’abord, vous utilisez les fonctions d’analyse système de Microsoft Purview pour ingérer les métadonnées provenant de vos systèmes métier. Ensuite, vos gestionnaires de données et les SME préparent un catalogue et des contacts solides. Ensuite, les modélisateurs de données qui travaillent avec les services de modélisation MDM Profisee peuvent préparer et faire évoluer votre modèle de données de référence. Ce travail s’aligne sur les normes que vous définissez dans Microsoft Purview.

À mesure que vos gestionnaires de données évoluent dans le modèle, les services de modélisation au sein de la plateforme MDM Profisee publient les modifications que les services de gouvernance MDM Profisee reçoivent. À son tour, MDM Profisee prépare et transmet ces modifications à Microsoft Purview, afin de les inclure dans son catalogue de données mis à jour. Ces ajouts au catalogue garantissent que vos définitions de données de référence sont incluses dans le patrimoine de données global, et qu’elles peuvent être gouvernées et contrôlées de la même façon que les métadonnées de votre système métier. En veillant à ce que ces informations soient cataloguées ensemble, il vous sera plus facile de gérer les relations entre vos données de référence et vos données de système métier.

Coordination des données

Les grandes entreprises ayant des patrimoines de données complexes et vastes peuvent présenter des défis aux gestionnaires de données, qui sont responsables de la gestion et de la correction des problèmes à mesure qu’ils surviennent. Les domaines de données clés peuvent être complexes, avec de nombreux attributs obscurs que seuls les employés ayant des connaissances institutionnelles approfondies sont à même de comprendre. Grâce à l’intégration de MDM Profisee à Microsoft Purview, vous pouvez capturer ces connaissances institutionnelles dans Microsoft Purview et les rendre disponibles pour une utilisation dans MDM Profisee. Par conséquent, vous réduisez un grand besoin de connaissances des données d’entreprise lorsque vous gérez des informations critiques et sensibles au niveau temporel.

La figure suivante illustre le flux des informations entre Microsoft Purview et les gestionnaires de données, qui travaillent dans le portail Profisee FastApp. Le service de données de gouvernance s’intègre à Microsoft Purview et à Microsoft Entra ID. Ce service fournit des fonctionnalités de recherche. Les utilisateurs du portail FastApp peuvent utiliser cette fonctionnalité pour récupérer des données de gouvernance enrichies sur les entités et les attributs avec lesquels ils travaillent.

Les services de gouvernance assurent également la résolution des contacts reçus de Microsoft Purview à leurs détails de profils complets, qui sont disponibles dans Microsoft Entra ID. Les détails de profils complets permettent aux gestionnaires de collaborer efficacement avec les propriétaires de données et les experts lors de leurs efforts d’amélioration de la qualité de vos données de référence.

La boîte de dialogue de gouvernance de MDM Profisee est l’interface par le biais de laquelle les gestionnaires de données et les utilisateurs interagissent avec les détails au niveau de la gouvernance. Cette interface utilisateur restitue les informations obtenues à partir de Microsoft Purview pour les utilisateurs. En utilisant ces informations, les utilisateurs peuvent consulter les détails derrière les données à partir desquelles la boîte de dialogue a été lancée. Si les informations fournies dans la boîte de dialogue Gouvernance sont insuffisantes, les utilisateurs peuvent accéder directement à l’expérience utilisateur Microsoft Purview.

Les gestionnaires de données et les utilisateurs métier peuvent accéder à trois types de ressources de données MDM Profisee par le biais du portail FastApp :

• Instance Profisee qui fournit les propriétés d’infrastructure de l’instance spécifique de la plateforme MDM Profisee visible par l’utilisateur
• Entité Profisee qui fournit les propriétés de l’entité de données de référence (la table) actuellement consultée par l’utilisateur ou le coordinateur
• Attribut Profisee qui fournit les propriétés de l’attribut (par exemple le champ ou la colonne) qui intéresse l’utilisateur

La figure suivante illustre l’emplacement où les utilisateurs qui travaillent dans le portail FastApp peuvent afficher les détails de gouvernance pour chacun de ces types de ressources. Vous trouverez des détails au niveau des instances dans le menu Aide. Vous pouvez accéder aux détails de l’entité à partir de l’en-tête de la zone de page, qui contient une grille d’entités. Pour plus d’informations sur l’attribut, accédez au formulaire associé à la grille d’entités. Accédez aux détails à partir des étiquettes associées à l’attribut.

Pour afficher des informations récapitulatives, pointez sur l’icône de gouvernance, telle que Microsoft Purview. Sélectionnez l’icône pour afficher la boîte de dialogue de gouvernance complète :

Pour accéder à l’expérience utilisateur Microsoft Purview complète, sélectionnez l’icône de gouvernance dans l’en-tête de la boîte de dialogue. Si vous sélectionnez l’icône, vous accédez à Microsoft Purview dans le contexte de la ressource que vous affichez actuellement. Vous pouvez ensuite facilement vous déplacer dans Microsoft Purview en fonction de vos besoins de découverte.

Traitement MDM

La puissance d’une solution MDM est dans les détails.

modélisation de données ;

Le cœur de votre solution MDM est le modèle de données sous-jacent. Il représente la définition des données de référence au sein de votre entreprise. Le développement d’un modèle de données de référence implique les tâches suivantes :

• Identifiez les éléments de données sources, dans l’ensemble du paysage de vos systèmes, qui sont essentiels aux opérations de votre entreprise et à l’analyse des performances.
• Enrichissez le modèle avec des éléments obtenus à partir d’autres sources tierces qui rendent les données plus utiles, précises et fiables.
• Établissez une propriété et des autorisations claires relatives aux éléments de votre modèle de données. Cette pratique vous permet d’intégrer la visibilité et la gestion des changements dans la conception de votre modèle.

La gouvernance des données fournit une base essentielle de support :

• Votre catalogue de données de gouvernance, votre dictionnaire, votre glossaire et vos ressources de prise en charge sont des sources d’informations précieuses pour vos gestionnaires de données de gouvernance. Ces ressources aident les gestionnaires à déterminer ce qu’il faut inclure dans votre modèle de données de référence. Elles permettent également de déterminer la propriété et les classifications de données sensibles dans Microsoft Purview. Vous pouvez renforcer la terminologie dans votre modèle. Grâce à cette pratique, vous pouvez établir un lexique officiel pour votre entreprise. En intégrant la terminologie, votre modèle de données de référence peut également traduire les termes ésotériques, en cours d’usage dans différents systèmes sources, vers la terminologie approuvée de l’entreprise.
• Les systèmes tiers sont souvent une source de données de référence qui est séparée et distincte de vos systèmes métier. Il est essentiel d’ajouter des éléments à votre modèle pour capturer les informations que ces systèmes ajoutent à vos données, et pour refléter ces sources d’informations dans votre catalogue de données.
• Vous pouvez utiliser la propriété et l’accès aux données, tels qu’ils sont identifiés dans votre catalogue de gouvernance, pour appliquer des autorisations d’accès et de gestion des changements dans votre solution MDM. En conséquence, vous alignez vos stratégies d’entreprise et vos besoins avec les outils que vous utilisez pour gérer et coordonner vos données de référence.

Chargement des données sources

Dans l’idéal, vos systèmes métier disparates chargent des données dans votre modèle de données de référence avec peu ou pas de modification ou de transformation. L’objectif est de disposer d’une version centralisée des données qui se trouvent dans le système source. Il doit y avoir aussi peu de perte de fidélité que possible entre le système source et votre référentiel de données de référence. En limitant la complexité de votre processus de chargement, vous simplifiez la traçabilité des données. Lorsque vous utilisez des technologies telles que des pipelines Data Factory, votre solution de gouvernance peut inspecter le flux. Votre solution peut ensuite identifier les relations entre votre système source et votre modèle de données de référence. Plus précisément, votre solution peut extraire des données de systèmes sources à l’aide de plus de 100 connecteurs prédéfinis et d’une passerelle REST.

Standardisation et enrichissement des données

Une fois que vous chargez les données sources dans votre modèle, vous pouvez les étendre en exploitant des sources enrichies de données tierces. Vous pouvez utiliser ces systèmes pour améliorer les données que vous obtenez à partir de vos systèmes métier. Vous pouvez également utiliser ces systèmes pour augmenter les données sources avec des informations qui améliorent leur utilisation pour d’autres consommateurs en aval. Par exemple :

• Vous pouvez utiliser des services de vérification d’adresse tels que Bing pour corriger et améliorer les adresses système sources. Ces services peuvent normaliser et ajouter des informations manquantes qui sont essentielles à la géolocalisation et à la remise du courrier.
• Les services d’information tiers tels que Dun & Bradstreet peuvent fournir des données à usage général ou spécifiques au secteur. Vous pouvez utiliser ces données pour étendre la valeur de votre enregistrement de référence. Plus précisément, vous pouvez ajouter des informations non disponibles ou en conflit dans vos systèmes métier disparates.

L’infrastructure de publication/d’abonnement de Profisee permet d’intégrer facilement vos propres sources tierces dans votre solution, en fonction des besoins.

La capacité à comprendre les sources et la signification de ces données est aussi critique pour les données tierces que pour vos systèmes métier internes. En intégrant votre modèle de données de référence dans votre catalogue de données de gouvernance, vous pouvez gérer les relations entre les sources de données internes et externes tout en enrichissant votre modèle avec des détails de gouvernance.

Validation et coordination de la qualité des données

Une fois vos données chargées et enrichies, il est important de vérifier leur qualité et leur adhésion aux normes que vous établissez par le biais de vos processus de gouvernance. Microsoft Purview peut à nouveau être une source riche d’informations sur les normes. Vous pouvez utiliser Microsoft Purview pour piloter les règles de qualité des données appliquées par votre solution MDM. MDM Profisee peut également publier des règles de qualité des données en tant que ressources dans votre catalogue de gouvernance. Les règles peuvent être soumises à des révisions et à une approbation, ce qui vous permet de bénéficier d’un contrôle plus détaillé des normes de qualité associées à vos données de référence. Vos règles sont liées aux entités et attributs de données de référence, et ces attributs peuvent être retracés jusqu’au système source. Pour ces raisons, vous pouvez établir la cause racine de la mauvaise qualité des données qui provient de vos systèmes métier.

Les gestionnaires de données sont des experts dans leur domaine métier. À mesure que les gestionnaires résolvent les problèmes que votre solution de données de référence révèle, ils peuvent utiliser le catalogue de gouvernance des données Microsoft Purview. Le catalogue aide les gestionnaires à comprendre et à résoudre les problèmes de qualité à mesure qu’ils surviennent. Secondés par les propriétaires de données et les experts, les gestionnaires sont ainsi armés pour résoudre les problèmes de qualité des données rapidement et avec précision.

Mise en correspondance et survivance

Avec des données sources enrichies et de haute qualité, vous êtes positionné pour produire un enregistrement de référence qui représente les informations les plus précises parmi tous vos systèmes métier disparates. La figure suivante illustre comment toutes les étapes mènent à des données de haute qualité et prêtes à être utilisées pour une analyse métier. À tout moment, vous pouvez synchroniser ces données dans votre patrimoine de données.

Le moteur de mise en correspondance de MDM Profisee produit un enregistrement de référence dans le cadre du processus de survivance. Les règles de survivance renseignent de manière sélective l’enregistrement de référence avec des informations que vous avez choisies parmi tous vos systèmes sources.

Le sous-système de suivi de l’historique et de l’audit MDM Profisee effectue le suivi des changements apportés par les utilisateurs. Ce sous-système effectue également le suivi des changements apportés par les processus système tels que la survivance. La mise en correspondance et la survivance permettent de tracer le flux d’informations de vos enregistrements sources vers la référence. MDM Profisee dispose d’un enregistrement du système source responsable d’un enregistrement source spécifique. Vous savez également comment les enregistrements sources disparates remplissent l’enregistrement de référence. Par conséquent, vous pouvez obtenir la traçabilité des données de votre analyse vers les données sources référencées par vos rapports.

Cas d’usage MDM

Bien qu’il existe un grand nombre de cas d’usage pour les solutions MDM, un petit nombre d’entre eux couvrent à eux seuls la plupart des implémentations MDM réelles. Ces cas d'usage sont centrés sur un domaine unique, mais ils sont peu susceptibles d’être élaborés à partir de ce même domaine. Même ces cas d’usage ciblés impliquent probablement plusieurs domaines. Dans chaque cas d’usage, MDM répond à l’objectif de fournir une vue unifiée ou à 360 degrés des types de données essentiels.

Données client

La consolidation et la normalisation des données client à des fins d’analyse décisionnelle est le cas d’usage MDM le plus courant. Les organisations capturent des données client sur un nombre croissant de systèmes et d’applications. Résultat des enregistrements de données client en double. Ces doublons se trouvent dans les applications, et entre elles, et contiennent des incohérences. La mauvaise qualité des données client limite la valeur des solutions d’analyse modernes. Parmi les symptômes observés, on dénombre les problèmes suivants :

• Il est difficile de répondre à des questions commerciales de base, telles que « Qui sont nos meilleurs clients ? » et « Combien de nouveaux clients avons-nous ? ». La réponse à ces questions requiert un effort manuel important.
• Vous avez des informations client manquantes et peu précises, ce qui rend difficile le regroupement ou l’exploration des données.
• Vous ne pouvez pas identifier ni vérifier un client de manière unique au-delà des limites de l’organisation et du système. Par conséquent, vous ne pouvez pas analyser vos données client entre les systèmes ou les unités commerciales.
• Vous avez des insights de mauvaise qualité issus de l’intelligence artificielle et du Machine Learning, en raison de la qualité médiocre des données d’entrée.

Données produits

Les données produit sont souvent réparties sur plusieurs applications d’entreprise, telles que la planification des ressources d’entreprise (ERP), la gestion du cycle de vie des produits (PLM) ou les applications d’e-commerce. Le résultat est que le catalogue complet de produits est difficilement exploitable dans la mesure où le nom, la description et les caractéristiques des produits présentent des incohérences. Les différentes définitions des données de référence compliquent cette situation. Parmi les symptômes observés, on dénombre les problèmes suivants :

• Vous êtes dans l’incapacité de prendre en charge différents chemins de regroupement hiérarchique et d’exploration pour l’analyse des produits.
• Avec les produits finis ou l’inventaire des matériaux, vous avez des difficultés à évaluer l’inventaire des produits et les fournisseurs établis. Vous avez également des produits en double, ce qui entraîne un inventaire excédentaire.
• Il est difficile de rationaliser les produits en raison de définitions conflictuelles. Cette situation entraîne des informations manquantes ou inexactes dans l’analyse.

Données de référence

Dans le contexte de l’analyse, les données de référence existent sous forme de nombreuses listes de données. Ces listes sont souvent utilisées pour décrire plus en détail d’autres ensembles de données de référence. Par exemple, les données de référence incluent des listes de pays/régions, de devises, de couleurs, de tailles et d’unités de mesure. La présence d’incohérences dans les données de référence conduit à des erreurs évidentes dans l’analytique en aval. Les symptômes sont les suivants :

• Plusieurs représentations de la même valeur. Par exemple, la double représentation de l’État de Géorgie par « GA » et « Georgia » ne facilite pas l’agrégation et l’exploration cohérentes des données.
• Difficultés à simplifier les données des différents systèmes du fait de l’impossibilité d’établir des correspondances entre les valeurs des données de référence des différents systèmes. Par exemple, la couleur rouge est représentée par « R » dans le système ERP et par « Rouge » dans le système PLM.
• Difficulté à mettre en relation des chiffres au sein des organisations, en raison des différences au niveau des valeurs de données de référence établies et utilisées pour classer les données.

Données financières

Les organisations financières dépendent fortement des données. Cela est particulièrement le cas pour les activités essentielles que sont notamment la génération de rapports mensuels, trimestriels et annuels. Certaines organisations utilisent plusieurs logiciels de finance et de comptabilité. Il est alors fréquent que les données financières se trouvent dans plusieurs livres comptables et qu’il faille les fusionner pour produire les rapports financiers. Une solution MDM peut fournir un hub centralisé permettant de mapper et de gérer les comptes, les centres de coûts, les entités métier et d’autres jeux de données financiers. Via le hub centralisé, MDM fournit une vue consolidée de ces jeux de données. Parmi les symptômes observés, on dénombre les problèmes suivants :

• Difficultés à agréger les données financières des différents systèmes dans une même vue unifiée.
• Absence de processus permettant d’ajouter et de mapper les nouveaux éléments de données dans les systèmes financiers
• Retards dans la production des rapports financiers de fin de période

Considérations

Ces considérations implémentent les piliers d’Azure Well-Architected Framework qui est un ensemble de principes directeurs qui permettent d’améliorer la qualité d’une charge de travail. Pour plus d'informations, consultez Microsoft Azure Well-Architected Framework.

Tenez compte des facteurs suivants lors du choix d’une solution de gestion des données pour votre organisation.

Fiabilité

La fiabilité permet de s’assurer que votre application tient vos engagements auprès de vos clients. Pour plus d’informations, consultez la page Vue d’ensemble du pilier de fiabilité.

Profisee s’exécute en mode natif sur Azure Kubernetes Service (AKS) et Azure SQL Database. Les deux services offrent des fonctionnalités prêtes à l’emploi pour prendre en charge la haute disponibilité.

Sécurité

La sécurité fournit des garanties contre les attaques délibérées, et contre l’utilisation abusive de vos données et systèmes importants. Pour plus d’informations, consultez Vue d’ensemble du pilier Sécurité.

Profisee authentifie les utilisateurs à l’aide d’OpenID Connect, qui implémente un flux d’authentification OAuth 2.0. La plupart des organisations configurent la Gestion des données de référence (MDM) Profisee de façon à authentifier les utilisateurs par rapport à Microsoft Entra ID, ce qui leur garantit de pouvoir appliquer leurs stratégies d’entreprise pour l’authentification.

Optimisation des coûts

L’optimisation des coûts consiste à examiner les moyens de réduire les dépenses inutiles et d’améliorer l’efficacité opérationnelle. Pour plus d’informations, consultez Vue d’ensemble du pilier d’optimisation des coûts.

Les coûts d’exécution se composent d’une licence logicielle et de la consommation Azure. Pour plus d’informations, contactez Profisee.

Efficacité des performances

L’efficacité des performances est la capacité de votre charge de travail à s’adapter à la demande des utilisateurs de façon efficace. Pour plus d’informations, consultez Vue d’ensemble du pilier d’efficacité des performances.

MDM Profisee s’exécute en mode natif sur AKS et SQL Database. Vous pouvez configurer AKS pour effectuer un scale-up ou scale-down de MDM Profisee dans l’ensemble de vos fonctions métier. Vous pouvez déployer SQL Database dans de nombreuses configurations pour établir un juste équilibre entre les performances, la scalabilité et les coûts.

La mise à l’échelle dynamique est inhérente à l’architecture native Cloud de Profisee, qui utilise des microservices et des conteneurs. Si vous exécutez Profisee dans votre locataire cloud via Kubernetes, vous pouvez effectuer un scale-up et un scale-out dynamiques en fonction de votre charge. Avec le service SaaS Profisee qui s’exécute sur AKS, vous pouvez configurer des pools de nœuds volumineux pour vos pods. Ces pools sont mis à l’échelle dynamiquement en fonction de la charge sur le système dans l’infrastructure mutualisée.

Pour plus d’informations sur le déploiement de Profisee et Microsoft Purview sur AKS, consultez Microsoft Purview – Intégration MDM Profisee.

Déployer ce scénario

MDM Profisee est un service Kubernetes empaqueté. Vous pouvez déployer MDM Profisee en tant que PaaS dans votre locataire Azure, dans n’importe quel autre locataire cloud ou localement. Vous pouvez également déployer MDM Profisee en tant que SaaS que Profisee héberge et gère.

Contributeurs

Cet article est géré par Microsoft. Il a été écrit à l’origine par les contributeurs suivants.

Auteur principal :

• Gaurav Malhotra | Responsable PM de groupe principal

Pour afficher les profils LinkedIn non publics, connectez-vous à LinkedIn.

Étapes suivantes

• Découvrez les fonctionnalités du connecteur de copie REST dans Data Factory.
• Apprenez-en davantage sur l’exécution de Profisee dans Azure en mode natif.
• Découvrez comment déployer Profisee sur Azure à l’aide d’un modèle Resource Manager Azure (modèle ARM).
• Affichez Modèles Profisee Data Factory.

Ressources associées

Guides d’architecture :

• Extraire, transformer et charger (ETL)
• Choisir une technologie de traitement par lots dans Azure

Architectures de référence :

• Gestion des données de référence avec Profisee et Azure Data Factory
• Analytique de bout en bout avec Azure Synapse
• Architecture d’analytique moderne avec Azure Databricks
• Analytique du Big data avec une sécurité de classe entreprise en utilisant Azure Synapse
• Décisionnel d’entreprise automatisé
• Optimiser le marketing avec le Machine Learning
• Décisionnel d’entreprise