Catégorie : Data Management

Les ETL permettent aux entreprises d’alimenter leurs entrepôts de données. Dès lors, les données sont disponibles, soit pour être utilisées comme sources fiables pour les outils de Business Intelligence (BI) soit pour être réinjectées dans le Système d’Information (SI) de l’entreprise après une migration.

Avec les reverse ETL, les données conservées dans les entrepôts peuvent être de nouveau valorisées par des applications métiers à des fins opérationnelles.

Ainsi, dans l’entrepôt de données, la conservation des données extraites du SI par un ETL à des fins d’analyse est prolongée.

Dans cet article, découvrons :

• Ce qu’est un reverse ETL ;
• Pourquoi l’utiliser ;
• Et enfin, quels en sont les avantages.

Pour comprendre ce qu’est un reverse ETL, il est nécessaire de revenir à la définition d’un ETL et sur ce qu’il produit. En effet, le reverse ETL procède de l’ETL.

Qu’est-ce qu’un ETL et comment il fonctionne ?

Définition de l’ETL, une source unique de données

ETL définition : ETL, Extract Transform Load, désigne un processus qui consiste à :

• Extraire des données brutes issues de différentes sources disparates du SI de l’entreprise : gestion commerciale, gestion de production, CRM, comptabilité, finance, paie RH, etc. ;
• Transformer les données en les contrôlant, les nettoyant (ex : suppression des doublons) et les transposant dans un même format unique ;
• Charger les données propres et exactes dans un entrepôt de données.

Ainsi, l’entreprise dispose d’un entrepôt de données, source unique de données de qualité, pour analyser ces dernières et alimenter des outils de Business Intelligence pour des prises de décisions stratégiques.

Le processus ETL

Qu’est-ce qu’un reverse ETL ?

A quels besoins répond le reverse ETL ?

Avec un reverse ETL, le Data Warehouse (DWH), destination des transferts de données de l’ETL, devient une source de données stratégiques réutilisables.

Le reverse ETL est la réponse des problématiques rencontrée par les DSI et les data managers des entreprises :

• Les services opérationnels de l’entreprise ont besoin de plus de plus de données pour procéder à des analyses opérationnelles ainsi que pour prendre et justifier des décisions au quotidien : ventes, campagnes marketing, etc ;
• Les données stockées dans Data Warehouse sont des données exactes, de qualité et à jour, uniquement utilisées pour le reporting et l’analyse décisionnelle à moyen et long terme.

Ainsi, le reverse offre aux opérationnels un accès à des données retravaillées, de qualité et à jour à confronter avec les leurs pour en faire ressortir de la data précise. En effet, les équipes de vente, de marketing et de finance par exemple, peuvent dès lors analyser ces nouvelles données pour des prises de décisions très concrètes.

Comment synchroniser les données des applications métiers des services opérationnels avec les données nettoyées, vérifiées et centralisées dans le Data Warehouse ? Avec le reverse ETL !

Le processus reverse ETL

Pour résumer :

·      L’ETL charge les données de l’entreprise dans un Data Warehouse pour créer une source unique de vérité au sein de l’entreprise ;

·      Le reverse ETL extrait les données du Data Warehouse pour alimenter en données de qualité des applications métiers et des outils d’analyse opérationnelle.

C’est un processus qui fonctionne en mode « tabular data streaming » :

1. Le reverse ETL permet l’exécution de requêtes de type SQL sur les données stockées dans un Data Warehouse ;
2. Les données extraites via les requêtes sont disponibles dans des tables et des tableaux. Elles sont traitées par des fonctions de mapping  puis poussées vers les applications cibles ;
3. L’interface graphique du reverse ETL permet de créer les requêtes, de paramétrer les fonctions de mapping et de programmer leurs exécutions à intervalles réguliers pour synchroniser les données des applications cibles avec des données rafraichies.

Pourquoi utiliser un reverse ETL ?

Voici les cinq avantages à utiliser un reverse ETL pour alimenter en données des applications métiers et des outils d’analyse opérationnelle.

1-    Simplification de l’urbanisation du Système d’Information

Dans une entreprise, les sources de données sont multiples. Si l’on souhaite donner à des équipes internes, un accès à des informations transverses, la tâche des DSI peut être très complexe.

En effet, cela induit :

• la recherche des données au sein de l’ensemble du SI ;
• l’extraction des données des fichiers et des bases de données ;
• le nettoyage des données ;
• et enfin, la transposition des données dans un format unifié.

Cela revient à reproduire le processus d’un ETL. Dans ce cas, un reverse ETL permet de donner un accès immédiat à des données préalablement nettoyées et formatées.

Ainsi, le reverse ETL évite la multiplication des extractions et des importations en fichiers CSV, texte ou par API. Pour tout outil d’analyse opérationnelle ou CRM, le reverse ETL sera le point d’entrée unique concernant l’importation de données.

2-    Accéder à une source unique de données de qualité

Le deuxième avantage d’utiliser l’entrepôt de données alimenté par un ETL comme source de données est la qualité des données stockées. Elles sont réputées être véridiques, propres et actualisées. Avec un reverse ETL, l’entrepôt de données alimenté avec un ETL devient pour le personnel de l’entreprise un véritable « libre-service de data » dans lequel toutes les données de l’entreprise sont accessibles.

3-    Valoriser les données stockées

Jusqu’alors, les données disponibles dans les différents entrepôts de données des entreprises n’avaient qu’un seul usage pour les outils de Business Intelligence. Elles étaient accessibles via des rapports de BI et ne devaient être interprétées que par des experts métiers. Avec les reverse ETL, ces données peuvent de nouveau être utilisées et exploité par diverses applications et outils de gestion. Elles sont de nouveau source de valeur pour l’entreprise.

4-    Efficacité des services de l’entreprise

En accédant directement à des données actualisées et vérifiées avec leurs applications et outils métiers, le personnel des services gagne en efficacité. Moins de temps est perdu à rechercher de l’information et à la contrôler. Les équipes opérationnelles (marketing, ventes, production, finance) disposent ainsi de données fiables en temps réel. Dès lors elles peuvent agir et prendre des décisions de gestion à partir de ces données.

5-    Contrôle de l’accès aux données sensibles

Enfin, dernier avantage, et non le moindre, la sécurité et le contrôle aux données sensibles de l’entreprise.

Le reverse ETL évite la multiplication des sources de données ainsi que les nombreux outils d’accès et d’export de données, API et fichiers CSV.

De ce fait, les contrôles d’accès aux données sensibles sont centralisés au niveau du reverse ETL. Ainsi, le respect du Règlement Général sur la Protection des Données (RGPD) pour les données clients et les données à caractère personnel est renforcé.

Le reverse ETL pour aider les entreprises à devenir « data driven » !

Le reverse ETL aide les équipes à utiliser les données de l’entreprise. Sans lui, les données qui alimentent les DWH via les ETL restent exclusivement réservées à la BI à des fins d’analyse et de prise de décisions stratégiques par les Directions. Avec le reverse ETL, elles deviennent accessibles par tous, et tout particulièrement par le service marketing et le service commercial. Elles permettent de gagner du temps pour réaliser des analyses opérationnelles. Des données fiables et interprétables sont immédiatement rendues disponibles par un reverse ETL et permettent à différents services de prendre des décisions pertinentes et justifiées.

De fait, les reverse ETL accélèrent la transformation de l’entreprise en entreprise pilotée par la data.

Tenor, expert des échanges de flux de données depuis plus de 30 ans, vous accompagne dans la mise en place de vos projets de Data Management, EDI et facturation électronique. Contactez nos experts et voyons ensemble comment nous pouvons vous aider à performer davantage.

Vous avez un projet #EDI, besoin d’un devis ou d’un renseignement particulier ? Envoyez-nous un mail via notre formulaire de contact !

Tenor à votre écoute pour tout projet EDI – Tenor EDI Services

Dans cet article, nous vous présentons l’automatisation d’un besoin métier avec la solution DEX : la prise en charge du fichier FAB-DIS.

Qu’est-ce qu’un fichier FAB-DIS ?

Le fichier FAB-DIS est un format d’échange de données et d’informations entre fabricants et distributeurs. Il se présente sous la forme d’un fichier Excel. La matrice du fichier FAB-DIS propose plusieurs onglets Excel pour classer les données par nature et des nomenclatures de valeurs de référence.

Le fichier FAB-DIS permet de faciliter la diffusion des informations produits du fabricant à l’ensemble des distributeurs et revendeurs. C’est alors au fabricant de conserver la maîtrise de l’information de ses produits et articles.

Les difficultés d’interpréter un fichier FAB-DIS

Si le fichier FAB-DIS est complet et interprétable par tous, son format Excel rend sa production et sa maintenance difficiles à automatiser. En entreprise, la pratique montre qu’il est complexe et chronophage de créer et de maintenir à jour un fichier FAB-DIS. En effet :

1. Il est nécessaire d’aller chercher de l’information dans de multiples sources internes pour mettre à jour les différents onglets,
2. Chaque onglet est de structure différente avec des règles métiers spécifiques,
3. Un remplissage manuel est source d’omissions et d’erreurs.

La gestion du FAB-DIS : Un travail chronophage

Suivant une étude réalisée auprès de nos clients utilisateurs de FAB-DIS, chaque traitement de fichier représente entre 30min et 1h30 pour une personne du service ADV, Administration Des Ventes.

Sur une moyenne de 50 fichiers à traiter par mois, on comptabilise 50 heures passées environ, soit plus de 7 jours de travail consacrés à cela. 

Comment la solution DEX automatise la création d’un fichier FAB-DIS ?

La solution DEX permet d’extraire des données de sources multiples, d’effectuer des traitements suivant des règles métier, de les transposer dans différents formats cibles, de les intégrer dans des fichiers de format à plat ou structuré et de les stocker en tout emplacement. Cela, tout en prenant en charge la correction des caractères spéciaux et en gérant d’éventuels erreurs ou champs vides.

Via DEX en moins de 3min un traitement est réalisé en intégrant : 

• L’automatisation dans la prise en charge
• Le découpage et le tri des informations contenues
• La possibilité d’intégration des informations directement sur votre logiciel de gestion ou de dépôt sur un dossier spécifique
• La détection d’erreurs
• La validation par une personne au sein de votre structure
• La correction des caractères spéciaux

Connexion aux sources de données

DEX est une solution type EAI, Enterprise Application Integration. Ainsi la solution DEX se connecte via des interfaces automatisées à toutes applications et sources de données du Système d’Information de l’entreprise : ERP, WMS, CRM, Gestion de production, GED, Serveurs multimédias, ….

Transformation et traitement des données

Les données collectées pour chaque produit ou article fabriqué et commercialisé sont nombreuses. Différents formats ont possibles. Il peut s’agir de formats structurés, de documents PDF, de fichiers non structurés. Quelques exemples de données :

• Des données commerciales : désignation, codification GTIN, UVC…
• Des descriptifs détaillés : couleur, dimension, composition…
• Des données logistiques : code douanier, poids brut, hauteur, conditionnement…
• Des informations techniques : mode d’emploi, notices, garanties, conditions d’utilisation…
• Des données marketing : argumentaires de vente, comparatif, tarif, témoignage utilisateur, communiqué de presse…
• Des fichiers multimédias : photo, vidéo de mise en situation…

Toutes ces données sont collectées et converties quand nécessaire (exemple : du système métrique au système anglo-saxon). DEX vous permet de définir des transformations entre de multiples formats de données de façon simple et intuitive avec une interface graphique.

La gestion automatisée des erreurs facilite le contrôle des données extraites des différentes sources en s’assurant qu’elles soient bien cohérentes, conformes et qu’elles respectent les standards du FAB-LIB.

Intégration des données dans un fichier Excel

DEX permet pour chaque donnée collectée et traitée de la retranscrire dans un fichier excel suite à un export csv. Il sera alors possible d’alimenter vos fichiers avec les bons onglets, dans les bonnes cellules et dans les bons formats après avoir appliqué les règles métier associées. Il est également possible d’intégrer uniquement les données dans une base pour stockage.

Comment automatiser la création d’un fichier FAB-DIS dans la solution DEX ?

DEX gère de nombreux connecteurs de communication

DEX dispose d’une bibliothèque composée de nombreux protocoles de communication pour aller chercher les données dans les différentes sources en ligne. Les données peuvent être extraites et intégrées via des fichiers plats, des bases de données, des Web services ou des API.

L’interface graphique pour construire et visualiser les flux et les traitements

DEX est très simple à utiliser. Une interface graphique offre une visualisation de l’ensemble des flux de données de la source à la cible. DEX permet de concevoir et de maintenir les transferts de données sans nécessité de développements spécifiques.

La préparation des données pour intégration dans FAB-DIS

Pour chaque donnée extraite, DEX permet d’associer des traitements simples ou complexes et des conditions de déclenchement. Ainsi chaque information est codifiée selon les tables de nomenclature du fichier FAB-DIS. Si des données mentionnées obligatoires sont absentes ou oubliées, l’utilisateur est alerté.

La diffusion du fichier FAB-DIS

Le traitement du fichier FAB-DIS constitué, DEX peut :

• Pousser les informations vers un PIM, Product Information Management, qui le diffusera
• Retranscrire un fichier souhaité et le mettre à disposition dans un dossier/SFTP ou autre
• Intégrer les informations sur un logiciel métier (ERP)
• Envoyer les informations par mail

5 avantages de choisir une solution DEX pour prendre en charge ses fichiers FAB-DIS

1. La facilité de mise en oeuvre. Grâce à son interface graphique, DEX simplifie les paramétrages et évite les développements spécifiques.
2. La bibliothèque de connecteurs. Elle rend DEX compatible avec l’ensemble des sources de données de l’entreprise.
3. La gestion automatique des erreurs et des anomalies. Lors de l’extraction des données et lors de la préparation des données avant intégration dans le fichier FAB-DIS, les erreurs et les anomalies sont corrigées.
4. Les gains de temps. Quelques minutes suffisent pour générer un nouveau fichier FAB-DIS.
5. La réactivité. La solution permet de synchroniser un nouveau FAB-DIS et le communiquer aux distributeurs lors de modifications : nouveau tarif, disponibilité du stock, changement de référence, mise à jour technique, nouvelle documentation commerciale…

Expert des échanges de flux de données depuis plus de 30 ans, Tenor vous accompagne dans vos projets d’EDI, d’EAI et de facturation électronique. Contactez nos experts et lancez votre projet.

La transformation numérique des économies et des entreprises amène à de nouvelles réflexions dans les processus de prise de décision. Selon Gartner, 65% des entreprises BtoB passeront d’ici 2026 d’une prise de décision basée sur l’expérience, l’influence et l’intuition à une prise de décision basée sur la data. C’est le Data Management !

Les entreprises deviennent des organisations « data driven », c’est à dire des entreprises pilotées par la data. La collecte et l’analyse des données deviennent essentielles. Les DSI, Directions des Systèmes d’Information, devront fournir aux services de l’entreprise, les indicateurs nécessaires au pilotage.

Dans cet article, découvrez comment piloter par la data. Quels sont les nouveaux enjeux pour les DSI ? De quels outils de Data Management disposent-ils ? Comment les solutions d’intégration de données, EAI et ETL, procurent à l’entreprise les données de qualité nécessaires à la prise de décision.

Devenir une entreprise « data driven »

Les données étaient jusqu’alors utilisées à des fins de reporting pour analyser la situation présente de l’entreprise et dresser un bilan des actions menées. La transformation numérique des métiers a amené à la dématérialisation des processus internes ainsi que des échanges commerciaux et financiers. Cette dématérialisation donne accès à de nouvelles sources de données grâce à l’IoT (Internet des Objets), l’Open Data et le Big Data. Toutes les activités de l’entreprise et l’ensemble de son écosystème sont digitalisés et disponibles sous forme de données numériques pour permettre le Data Management.

Qu’est-ce qu’une entreprise pilotée par les données ?

En s’appuyant sur ce volume considérable de données, l’entreprise est désormais en mesure de faire des choix stratégiques aboutis pour accentuer son développement et augmenter ses revenus. Elle peut également prendre des décisions opérationnelles précises afin d’optimiser ses processus, obtenir des gains en performance mais également améliorer la qualité de ses produits et services.

Une entreprise « data driven » est une entreprise qui exploite à tous ses niveaux hiérarchiques, la donnée au quotidien pour prendre des décisions rapides et adaptées.

Les données au cœur de la création de valeur

Ce changement de culture amène à conforter la place de la donnée au cœur de l’entreprise. Les données collectées puis consolidées permettent d’expliquer des évènements antérieurs, d’apporter des pistes d’amélioration, de définir des plans d’actions et de produire des prédictions. Piloter une organisation par la data consiste à rendre les données jusqu’alors inertes, vivantes et actives.

De nouveaux défis pour les entreprises

Pour devenir une entreprise pilotée par la donnée, l’entreprise doit relever trois défis :

La souveraineté sur les données

L’entreprise doit être souveraine pour collecter, vérifier, consolider et conserver toutes les données numériques dont elle a besoin.

La gouvernance des données

L’entreprise doit être capable de normer les données et de les interpréter afin d’en extraire les informations nécessaires à la prise de décisions pertinentes.

La maîtrise des moyens décisionnels

L’entreprise doit disposer de moyens d’analyse qui permettent de prendre des décisions à partir des informations fournies par les données.

Pour relever ces défis, les DSI sont sollicitées pour fournir en temps réel des données de qualité, interprétables par les décideurs et les managers.

Le Data Management au cœur des nouveaux enjeux des DSI

Pour les Directions des Systèmes d’Information, le passage à une entreprise pilotée par la data réside en la capacité de gérer les flux de données pour irriguer les services et veiller à la bonne qualité des données en circulation.

Afin de fournir des données pertinentes et à jour, leurs missions sont :

• L’identification des sources de données et leur collecte,
• La gouvernance de la donnée via la création de référentiels, le contrôle de la qualité, la conformité des données aux réglementations (RGPD et autres), structuration des données à des fins d’analyse, Etc.
• Le choix et la mise en œuvre des solutions technologiques destinées à l’évolution du Système d’Information pour optimiser la circulation les données et leur stockage.

Identifier les données

Lorsque l’on parle de données en entreprise, nous pensons aux applications métiers et aux bases de données. Cependant, une très grande partie de la data de l’entreprise est mal connue, peu accessible et dispersée. Le rôle de la DSI est de les identifier, les recenser et les rendre disponibles.

Quels sont les différents types de données dont dispose l’entreprise ?

• Les données transactionnelles : il s’agit des données commerciales, comptables et financières de l’entreprise. Elles proviennent des applications métiers de l’entreprise : ERP, Gestion Commerciale, Gestion de Production, Comptabilité, etc. Elles apportent des informations fiables et actualisées sur l’activité de l’entreprise et permettent de mesurer ses performances.
• Les données comportementales : il s’agit des traces des interactions entre l’entreprise et son public via les sites internet de l’entreprise ou les réseaux sociaux par exemple. Il s’agit de données anonymes ou identifiées qui permettent de mesurer l’audience et la notoriété de l’image de l’entreprise en temps réel.
• Les données déclaratives : ce sont les données recueillies par l’entreprise ou par des intermédiaires. Il s’agit de questionnaires, de notations, de niveaux de satisfaction sur un service ou un produit, d’avis consommateurs, d’attentes exprimées à l’occasion de sondages, etc.
• L’Open Data : ces données permettent de disposer d’informations publiques structurées et qualifiées.
• Le Big Data : ces données permettent à l’entreprise BtoB ou BtoC de développer des campagnes marketing basées sur les comportements, de comprendre les choix des consommateurs, d’anticiper des tendances…
• Le Dark Data : en parallèle des outils et applications fournis par les DSI, il s’agit de fichiers, de tableaux Excel, d’indicateurs ou de reportings mis en place de façon intuitive dans les services par le personnel pour faciliter le travail au quotidien.

Collecter les données

Le rôle des DSI va être de collecter l’ensemble de ces données et de les rendre accessibles aux outils de pilotage de l’entreprise dans des entrepôts de données ou Data Warehouse. Les Data Analysts pourront dès lors les interpréter et fournir des indications pertinentes pour des prises de décisions.

Pour atteindre ces objectifs, les DSI disposent de plusieurs solutions d’intégration de données.

Quelles solutions d’intégration de données pour les entreprises ?

Les Data Management Platform

Les DMP ou Data Management Platform sont des solutions de gestion de données qui permettent de mettre en place une stratégie marketing pilotée par les données.

Elles permettent de concilier les données clients et prospects avec les données comportementales afin de dresser des profils d’acheteurs potentiels, d’anticiper les tendances et de mettre en place une stratégie marketing construite sur les informations obtenues par l’analyse des données.

Les Master Data Management

Les MDM ou Master Data Management permettent de mettre en place des règles et des procédures pour garantir la qualité des données. Leur objectif est de faire en sorte que les données soient toujours accessibles, véridiques et interprétables. Les MDM sont des ensembles de règles et de méthodes qui permettent de créer et de gérer le référentiel des données de l’entreprise.

Avec les MDM, l’entreprise dispose :

• D’un référentiel de données commun à toutes ses applications métiers : Qu’est-ce qu’un client ? Qu’est-ce qu’un produit ? Comment est codifiée une adresse ?
• De règles de qualification et de validation des données lors de leur intégration dans le Système d’Information de l’entreprise. Cela permet d’avoir une cohérence, une fiabilité et une pertinence de la data. 
• De méthodes de synchronisation des données entre les différents logiciels métiers de l’entreprise.
• De formats structurés dans lesquels les données sont conservées pour garantir leur interprétabilité.

Enfin les MDM permettent de sécuriser les données et de respecter les réglementations au niveau des lieux de stockage et d’archivage mais aussi sur les procédures de contrôles aux accès.

Les Enterprise Application Integration

Les EAI ou Enterprise Application Integration sont des solutions de gestion de flux de données entre applicatifs. Les EAI permettent aux applications métiers de l’entreprise de :

• Partager la même source de données de référence.
  Exemple : Lors de la création d’un nouvel article dans la Gestion Commerciale, celui-ci est disponible pour le site e-commerce, la facturation et la logistique.
• Se synchroniser entres elles.
  Exemple : Les nouvelles commandes saisies dans la Gestion Commerciale, reçues par EDI ou reçues par l’intermédiaire d’une Marketplace, par exemple, sont toutes centralisées dans le même puit de commandes et les stocks sont mis à jour.

Les Extract Transform Load

Les ETL ou Extract Transform Load ont pour fonction d’extraire des données de multiples sources et de les intégrer dans un lieu de stockage unique. L’objectif est de créer un ensemble de données cohérentes, nettoyées (en supprimant les doublons), vérifiées et actualisées. Ces données chargées dans un Warehouse Data ou entrepôt de données pourrons être analysées :

• L’Extraction : les données sont extraites de sources internes à l’entreprise (applications, bases de données, fichiers) mais aussi de sources externes (Open Data, Big Data).
• La Transformation : les données sont vérifiées, les doublons sont supprimés et les données sont transposées dans un format commun.
• Le Chargement : les données sont chargées dans un entrepôt de données ou Data Wharehouse.

Quels leviers pour un projet de Data Management?

Bon nombre d’outils existent pour valoriser les données et les rendre pertinentes pour le pilotage d’une entreprise. Ils permettront alors d’organiser des actions marketing, prendre des décisions ou rendre compte des résultats obtenus.

Mais il faut que toute l’entreprise acquière une culture de la donnée. En effet, elle doit atteindre une maturité pour se réorganiser autour de la donnée. Les premiers leviers à mettre en place sont :

• Avoir confiance dans ses données. Le déploiement d’outils de MDM permet d’acquérir rapidement cette confiance.
• Diffuser la donnée dans toute l’entreprise en supprimant les silos et en intégrant les applications métiers sur un même réseau d’échange d’informations et de data. Les EAI permettent cette intégration et les ETL permettent la consolidation des données.
• Avoir des objectifs clairs et mesurables en termes de ROI. A défaut de cela, avoir une liste d’objectifs que l’analyse de données peut permettre d’atteindre.
  Exemple : la mise en place d’une maintenance prédictive, l’anticipation des cycles de ventes, les prévisions des ventes des articles météo-sensibles ou encore l’optimisation des stocks.

Expert des échanges de flux de données depuis plus de 30 ans, Tenor vous accompagne dans vos projets d’EDI, d’EAI et de facturation électronique. Contactez nos experts et lancez votre projet.

Le concept de Fair Data est né dans les années 2014 afin d’harmoniser la publication des données scientifiques et faciliter leur accessibilité. En effet, avec le BigData, la digitalisation des connaissances, le volume des données numériques disponibles croit de façon exponentielle et désordonnée. De fait rechercher dans cette masse d’informations ce qui peut être utile, devient de plus en plus difficile. C’est pour remédier à ces difficultés, que le monde de la recherche scientifique a mis en place, avec succès, le concept de Fair Data.

Découvrez dans cet article ce qu’est le Fair Data, ses origines et ses enjeux. Et aussi pourquoi et comment l’intégrer ce mode de gestion des données dans l’entreprise et en obtenir des bénéfices.

Les quatre principes du Fair Data

Publier, partager des données de recherche ont toujours été des principes de base du travail collaboratif dans le monde scientifique. Le besoin de stocker de façon pérenne des informations dans des formats numériques pour qu’elles soient facilement accessibles et réutilisables, est primordial. De plus de nombreuses études ont démontré que 80% des données scientifiques sont perdues ou devenues inaccessibles, 20 ans après avoir été publiées.

Il est donc nécessaire d’agir de façon proactive pour que les données soient conservées selon des principes qui garantissent dans le temps leur accessibilité et leur lisibilité.

A l’initiative de Force 11, communauté scientifique internationale, les principes du Fair Data ont été posés dès 2014. L’objectif du Fair Data est de publier et partager des données scientifiques qui puissent être directement réutilisables par les machines et les hommes sans nécessité de traitements préparatoires. Les données publiées doivent suivre quatre principes :

F : Faciles à retrouver,

Chaque donnée doit être identifiable de façon unique, décrite avec des métadonnées, des mots-clés et accessible par des moteurs de recherche.

A : Accessibles,

Les données sont accessibles mais pas nécessairement libre d’accès, un identifiant peut être nécessaire et obligatoire pour les consulter et les télécharger.

I : Interopérables,

Les données et leurs métadonnées respectent les standards et les formats internationaux en vigueur afin que tous Système d’Information puisse les lire et les comprendre.

R : Réutilisables

Les données sont réutilisables en état soit de façon libre soit sous licence pour toute autre utilisation et que leur origine soit connue et vérifiable. des données Fair Data seront toujours techniquement lisibles et utilisables. On parle dès lors de FAIRisation des données scientifiques.

Source : DoRANum. Données de la recherche : apprentissage numérique. France : DoRANum; 2019. Les principes FAIR : https://doranum.fr/enjeux-benefices/principes-fair/

Fair Data vs Open Data

Il est important de préciser que le Fair Data n’est pas l’Open Data. L’Open Data sont des données libres d’accès et utilisables par tous pour n’importe quel objet. Le Fair Data sont des règles de mise en forme et d’accessibilité technique. Des données respectant les principes Fair Data ne sont pas nécessairement des données Open Data. Des données Fair Data peuvent être confidentielles.

Comment intégrer le Fair Data dans mon organisation ?

Les avantages que procurent le Fair Data pour rendre toutes les données plus facilement accessibles et réutilisables par les machines et par l’homme sont clairement établis. Est-il possible de faire de même dans une entreprise ? Et d’en obtenir des bénéfices.

Quelle démarche suivre pour intégrer le Fair Data ?

Une gouvernance de données ou Data Governance devra mettre en œuvre les principes du Fair Data :

• Enrichir les données de métadonnées afin de les décrire de façon unique et claire. Comme le photographe qui ajoute des tags à ses photos pour les trier et les rechercher : la photo d’une voiture sera non seulement datée et géolocalisée mais aussi sera taguée de la marque, du type de voiture, du modèle, de la couleur, etc.…
• Mettre les données dans des formats normalisés lisibles et interprétables par tous,
• Stocker les données dans un entrepôt de données facilement accessible,
• Si des tiers à l’entreprise ont accès à ces données, les règles d’utilisation seront clairement établies, libre ou sous licence avec mention de la source.

Quelles méthodes et quels outils ?

Pour atteindre cet objectif de « FAIRisation » de ses données, l’entreprise dispose de méthodes et d’outils :

Le Data Management pour organiser et gérer en place une politique de gestion des données dans l’entreprise. Le MDM permet de préciser des règles de contrôle et de nommage des données dans l’entreprise.

L’entrepôt de données ou Data Warehouse pour stocker les données de l’entreprise et partager avec toutes les applications métiers. L’entrepôt de données est le lieu unique dans lequel toutes les données de l’entreprise sont stockées après avoir été validé et mise en forme.

L’ETL, Extract Transform Load, pour extraire les données des applications de l’entreprise, les nettoyer, les enrichir, les mettre dans un format standard puis les stocker dans l’entrepôt de données pour être analysées.

Quels bénéfices pour l’entreprise ?

Dans une économie digitale les données sont la richesse de l’entreprise mais cette richesse n’est tangible que si les données sont exploitables comme le filon d’une mine.

Disposer de données « FAIR », Faciles à trouver, Accessibles, Interopérables, Réutilisables, garantit à l’entreprise que les données stockées seront toujours exploitables. Les principes FAIR s’appliquent à tous les types de données, des données structurées en provenance des logiciels de gestion, de comptabilité, de paie et aussi à tous les formats non structurés : photo, vidéo, publications, contrats que produit une entreprise.

L’entreprise sera en mesure d’en obtenir des bénéfices de trois ordres :

• Des gains opérationnels :
  • De l’information immédiatement disponible et compréhensible pour être partager et utiliser par des applications métiers,
• Des gains stratégiques :
  • Une quantité importante de données et classées, enrichies, dans des formats normalisés prêtes pour des outils d’analyse décisionnelle,
• Des gains humains :
  • Tout le travail produit par les collaborateurs de l’entreprise est classé, documenté et conservé. Et pourra demain être retrouvé et réutilisé en état.

Le Fair Data, pour capitaliser sur les données !

Jusqu’alors les objectifs de la gestion de la donnée en entreprise étaient essentiellement axés sur la qualité de la donnée, sa disponibilité et sa sauvegarde à des fins de sécurité. Avec le Fair Data, de nouveaux objectifs :

• L’accessibilité de la donnée par des tiers,
• La conservation de la donnée dans le temps.

Si la gestion de la donnée permet d’optimiser et de sécuriser l’utilisation les données, l’application des principes du Fair Data permet de capitaliser sur les données.

La FAIRisation des données un atout pour que l’entreprise réussisse sa transformation digitale et capitalise sur son patrimoine numérique.

Expert de la gestion de données depuis plus de 30 ans, Tenor propose à ses clients des solutions de Data Management, des solutions d’échange de données informatisé et de facture électronique. Prenez le temps de faire un tour sur le Blog de Tenor et de parcourir nos meilleurs articles sur le Data Management.