Le Master Data Management

Le contrôle de gestion doit faire face à des clients de plus en plus exigeants en termes de fiabilité mais aussi de rapidité des informations transmises auprès des opérationnels et de la DG. De plus, la valeur ajoutée attendue du contrôle de gestion réside dans l’analyse, qui doit aller au-delà des données financières qu’il maîtrise.

Bien souvent, la première action engagée par le contrôle de gestion pour mettre en cohérence les données collectées est de passer du temps à les manipuler. Malgré ce travail fastidieux, les données utilisées ou les indicateurs produits sont parfois remis en question par la DG et les autres directions. Prenons un exemple avec un indicateur financier simple, comme le chiffre d’affaires.

Dans nombre d’organisations, en fonction de l’interlocuteur à qui l’on pose la question, il est fréquent de constater qu’il coexiste plusieurs définitions : chiffre d’affaires facturé, commercial, net des remises…, des règles de calcul différentes, des capacités d’analyse selon plusieurs axes, en fonction des systèmes d’information, mais aussi et surtout plusieurs sources de données utilisant des référentiels distincts. In fine, le contrôle de gestion passe plus de temps à démontrer que ses données et les règles de gestion appliquées sont les bonnes plutôt qu’à réaliser des analyses à valeur ajoutée, permettant à l’organisation de prendre des décisions.  

Pour remédier à cette situation et fédérer l’entreprise autour d’une donnée univoque, le contrôle de gestion doit s’approprier la démarche de type Master Data Management (gestion des données de base), qui s’articule autour des trois actions suivantes :

• Convenir d’une sémantique commune pour les données vitales de l’entreprise, en ayant une vision 360° de leur utilisation.

Il s’agit d’éviter toute redondance d’une donnée (plusieurs référentiels véhiculent une même nature d’information comme par exemple le découpage par zone géographique, des listes de projet…) pour assurer son unicité. Pour y parvenir, le contrôle de gestion doit s’assurer que la description d’une donnée est bien comprise et diffusée largement. Cette situation doit permettre d’éviter toute création de Master Data contenant une information partiellement ou entièrement disponible dans le système d’information de l’entreprise. 

• Définir des règles de gestion de la donnée et de son évolution (cycle de vie).

Le contrôle de gestion doit être identifié (ou bien se faire connaitre !) par les instances de gouvernance existantes des systèmes d’information. Ainsi, il participera activement à l’administration de la donnée de référence de l’entreprise, de sa création dans un système (un nouveau référentiel « destination analytique » est implémenté par exemple), à son exploitation ou évolution (un niveau de détail supplémentaire est souhaité sur les destinations analytiques…), à sa suppression ou son archivage (des destinations analytiques sont supprimées car le business model évolue…).

• Partager et diffuser largement les référentiels au sein de l’organisation.

Une fois les tâches de fond terminées (règles de gestion et de mise à jour définies, cohérence et unicité assurée…), les principes de diffusion doivent être arrêtés. Le contrôle de gestion doit s’assurer que les référentiels soient utilisés par les SI existants et que les projets métiers en cours prévoient bien leur utilisation. 

Bien entendu, le contrôle de gestion n’est pas l’unique responsable de ces actions, mais il doit se positionner en tant que chef d’orchestre pour piloter la démarche. Ainsi, il pourra s’appuyer sur les maîtrises d’ouvrage des applications, les business owners et idéalement sur un data manager pour trouver des relais dans l’entreprise et déployer « un mode vie » des référentiels de données dont les avantages (qualité, unicité, facilité d’accès, gestion centralisée…) devraient être aisément reconnus par tous.

De nombreux outils de Master Data Management sont disponibles sur le marché, offrant la possibilité d’outiller le processus de gestion des référentiels. Cependant, dans un premier temps, il est recommandé de mettre en place une gouvernance et des processus de gestion des Masters Data stables et pérennes avant d’envisager la mise en œuvre d’un outil de Master Data Management . La gestion de la donnée et sa valorisation au sein des organisations sont certainement les enjeux majeurs du contrôleur de gestion de demain.

Notre rôle est d’accompagner les directions « finance/gestion » dans la mise en place progressive de cette approche « Master Data Management » afin de les aider à simplifier puis optimiser le traitement des données pour fiabiliser les informations utilisées par les outils de pilotage et d’aide à la décision de l’entreprise.

Contact : Olivier Rihouet Associé, Conseil Opérationnel, Directeur de l’offre de services Pilotage de la Performance