Découvrez notre formation

MDM Master Data Management Méthodologie

Jour 1 — matin : Cadrage stratégique, typologie des données et fondations théoriques

Enjeux, définitions et concepts fondamentaux

Pourquoi cartographier ?
Éliminer les silos d’information
Réduire la dette technique
Accélérer les projets d’analytique/IA, et répondre aux impératifs réglementaires et de sécurité (RGPD, NIS 2, DORA, secret des affaires)
Déconstruire le jargon (distinctions clés) :
Inventaire de données : liste statique des actifs (« ce que l'on possède)
Dictionnaire de données  : définition technique et règles de formatage au niveau champ/colonne (types, contraintes, nullabilité)
Glossaire métier: sémantique partagée des termes de l’entreprise (« qu’est-ce qu’un client actif ? »)
Cartographie des flux : dynamiques d'échanges et dépendances inter-systèmes
Lignage des données: traçabilité de bout en bout de l'origine jusqu'au tableau de bord (horizontal) et décomposition système-table-colonne (vertical)
Niveaux de granularité :
Macro (système d'information)
Méso (schémas, tables, API)
Micro (champs, attributs spécifiques)

Typologie et classification des données

Données de référence vs données transactionnelles :
Concepts du MDM
Sources de vérité
Classification par criticité :
Disponibilité
Intégrité
Confidentialité (critères DICP)
Classification réglementaire :
identification des DCP
Données sensibles (santé, biométrie)
Données d'importance vitale

Définition du modèle de gouvernance (Rôles & Responsabilités)

Matrice RACI appliquée à la donnée :
Data Owner : responsabilité légale, validation des accès, validation sémantique
Data Steward : documentation continue, résolution des anomalies de qualité
Data Custodian / DSI : hébergement, sauvegardes, sécurité technique et performance
DPO / RSSI : contrôle de la conformité, analyse d’impact (AIPD/EIVP) et politique de chiffrement

Jour 1 — après-midi : Méthodologie d’inventaire, métadonnées et cas pratique de collecte

Architecture des métadonnées : quoi collecter concrètement ?

Métadonnées techniques :
Nom de table/base
Nom du champ
Type (VARCHAR, INT...)
Contraintes
Volumétrie, fréquence de rafraîchissement
Métadonnées métier :
Définition vulgarisée
Domaine d'activité
Cas d’usage autorisés
Règles de gestion métier
Métadonnées opérationnelles :
Date de création, dernier accès
Statut d'archivage, durée de rétention légale (purge)
Métadonnées de sécurité/conformité :
Niveau de sensibilité (Public, Interne, Confidentiel, Secret)
Base légale de traitement
Statut de chiffrement (au repos/en transit)

Méthode d’investigation pour le cadrage du pilote

Sélection du périmètre :
Choisir un périmètre à forte valeur ajoutée (ex. Processus Lead-to-Cash, Onboarding client ou Gestion des réclamations)
Techniques de collecte terrain :
Entretiens qualitatifs avec les équipes métier (questionnaires types)
Extraction des schémas de bases de données (Reverse engineering SQL/NoSQL)
Inventaire des échanges occultes : les « bases Excel » et fichiers partagés non répertoriés (Shadow IT)

Atelier pratique : Constitution du premier catalogue/inventaire

Cas pratique : À partir d'un scénario d'entreprise (ex. chaîne de commande omnicanale avec e-commerce, CRM, ERP, passerelle de paiement et transporteur).
Exercice :
Définir le glossaire métier commun
Remplir la grille d'inventaire standardisée (modèle matriciel)
Identifier les Data Owners et qualifier le niveau de sensibilité de chaque attribut
Débriefing :
Analyse des écarts de définitions entre équipes et arbitrage des ambiguïtés

Jour 2 — matin : Modélisation des flux, cartographie dynamique et lignage

Modéliser la circulation de la donnée (Data Flow Mapping)

Cycle de vie de la donnée :
Collecte/Création → Stockage → Transformation/Enrichissement → Exposition/Partage → Archivage → Destruction
Typologie des flux et canaux d'échange :
Synchrones (API REST/GraphQL, Webhooks, requêtes directes)
Asynchrones (fichiers plats SFTP, batchs ETL/ELT nocturnes, files de messages Kafka/RabbitMQ)
Formalismes de représentation :
Notations standards : BPMN (avec artefacts Data Objects et Data Stores), DFD (Data Flow Diagram), ou diagrammes d'architecture (C4 Model, ArchiMate)
Identification des règles de transformation : comment un champ A d’une source S1 devient un champ agrégé B dans un Data Warehouse

Analyse critique et diagnostic de vulnérabilité

Détection du Shadow IT :
Flux non sécurisés (exports CSV manuels par e-mail, synchronisations sur des clouds personnels)
Points de rupture et dette technique : 
Points de défaillance uniques (SPOF)
Transformations non documentées dans du code propriétaire
Doublons non synchronisés
Conformité des flux :
Détection des transferts de données hors UE
Zones de chiffrement manquant entre deux briques applicatives

Atelier pratique : Cartographie visuelle d’un flux complexe

Cas pratique  :
Modéliser le schéma de flux complet du cas pratique (des systèmes sources jusqu’au reporting décisionnel / BI)
Matérialiser visuellement les transformations, les protocoles (API vs Batch) et les zones à risque (RGPD / failles de sécurité)
Restitution croisée : Comparaison des diagrammes, critique constructive de la clarté visuelle et de la complétude technique

Jour 2 — après-midi : Outillage, pérennisation et feuille de route opérationnelle

Panorama et benchmark des outils du marché

Niveau 1 — Démarrage & Prototypage (low-cost / agile) :
Inventaire : Tableurs structurés (Excel, Google Sheets), bases relationnelles légères ou no-code (Airtable, Notion)
Diagrammes de flux : Outils visuels (Draw.io/diagrams.net, Miro, Lucidchart, PlantUML)
Niveau 2 — Documentation collaborative & Wiki :
Documentation semi-structurée (Confluence, BookStack) couplée à des modèles de pages strictes
Niveau 3 — Catalogues de données d’entreprise (Data Catalogs) :
Open-source : DataHub, Apache Atlas, OpenMetadata (focalisés sur le scanning automatique des métadonnées et le lignage)
Solutions Editeurs / Enterprise : Collibra, Alation, Microsoft Purview, Atlan, Zeenea (gestion des politiques, workflow de validation, intégration multi-cloud)
Outils spécialisés conformité / Privacy :
OneTrust, Dastra (focus registre de traitement RGPD art. 30)
Critères de choix d'un outil :
Capacité d’automatisation (scanners de bases)
Ergonomie pour les métiers
Coût des licences, hébergement (SaaS vs On-Premise)

Bonnes pratiques de pérennisation

Automatiser vs déclaratif :
Quand privilégier les collecteurs automatiques d’API/catalogues et quand maintenir la saisie humaine manuelle
Intégration dans le cycle de vie projet (Data by Design) :
Inclure l’étape « mise à jour de la cartographie » dans la définition de projet (DoD / Definition of Done en méthode Agile).
Gestion des versions et cycle de vie :
Politique de revue périodique

Atelier pratique : Feuille de route et Kit de démarrage

Exercice :
Choisir le premier cas d'usage réel de l'entreprise d'un stagiaire
Rédiger la charte de démarrage : objectifs mesurables, sponsors à convaincre, choix de l'outillage de lancement (Phase 1 vs Phase 2)
Identifier les 3 risques majeurs du projet (résistance au changement, absence de documentation technique, manque de temps des métiers) et plan de remédiation