I dati di prodotto raramente hanno origine in un'unica posizione. Un produttore potrebbe mantenere le specifiche in un ERP, i prezzi in un foglio di calcolo, le immagini in un'unità condivisa e le descrizioni dei prodotti in un CMS. Ogni sistema contiene un frammento. Nessuno di essi concorda. Uno chiama l'articolo "Scarpa da corsa blu, uomo". Un altro ha "Scarpa da corsa blu M". Un terzo lo elenca due volte con SKU diversi e dimensioni diverse.
La gestione dei dati anagrafici di prodotto (PMDM) è la disciplina che risolve questo problema. Crea un record autorevole unico per ogni prodotto e fa di quel record la fonte da cui prelevano tutti i sistemi collegati. Non una copia. Non una versione locale. Il master.
Che cosa sono i dati anagrafici di prodotto?
I dati anagrafici di prodotto sono le informazioni stabili e fondamentali che definiscono un prodotto. Cambiano raramente e ogni altro sistema dell'organizzazione vi fa riferimento:
- Nome, descrizione e SKU del prodotto
- Codice a barre o GTIN
- Categoria e classificazione
- Attributi fisici: dimensioni, peso, colore, materiale
- Dati di prezzo e costo
- Immagini e risorse digitali
- Dettagli su fornitore e produttore
Questo è diverso dai dati transazionali: ordini di vendita, livelli di inventario, record di spedizione. I dati transazionali cambiano costantemente e dipendono dalla correttezza dei dati anagrafici. Se il record master ha dimensioni errate, ogni prelievo in magazzino e ogni etichetta di spedizione eredita quell'errore.
I dati anagrafici di prodotto si collocano inoltre all'interno di un più ampio panorama MDM che include dati clienti, dati fornitori e dati geografici. Questi sono domini dati separati, ognuno con propri requisiti di governance. Il PMDM si concentra specificamente sul dominio del prodotto, ma in pratica raramente opera isolatamente. Un record prodotto si connette a record fornitori, record clienti e record geografici. I sistemi MDM multi-dominio gestiscono tutto questo insieme. Le implementazioni single-domain gestiscono solo i prodotti. L'approccio più adatto dipende dalla complessità organizzativa e dai requisiti di integrazione.
L'obiettivo della gestione dei dati anagrafici di prodotto è rendere il record master abbastanza affidabile che tutti smettano di mantenere la propria versione locale.
Perché le organizzazioni ne hanno effettivamente bisogno
Nei progetti implementati per i produttori industriali, incontriamo frequentemente lo stesso modello. Un'azienda lancia un prodotto. L'ERP riceve un set di attributi dal team di ingegneria. La piattaforma di e-commerce riceve una versione diversa dal marketing. Il partner retail riceve una terza versione esportata da un foglio di calcolo aggiornato sei mesi fa. Quando il prodotto raggiunge lo scaffale, tre sistemi hanno tre descrizioni diverse, due pesi diversi e almeno un prezzo in conflitto. Seguono i resi dei clienti. Poi un esercizio di riconciliazione manuale che richiede settimane.
Il costo dei dati di prodotto scadenti non è teorico. Si manifesta in spedizioni restituite, audit di conformità falliti e lanci di prodotto ritardati, il tutto misurabile.
Le industrie regolamentate lo avvertono più acutamente. Secondo il regolamento REACH dell'UE (CE 1907/2006), i produttori e gli importatori di sostanze chimiche devono registrare i dati delle sostanze presso l'Agenzia europea delle sostanze chimiche e fornire informazioni di sicurezza accurate in tutta la catena di approvvigionamento. Una classificazione di pericolo errata o un'assenza di scheda di sicurezza a quel punto non è un problema di qualità dei dati. È un problema legale, con potenziali conseguenze per l'accesso al mercato. La gestione dei dati anagrafici di prodotto fornisce la struttura di governance per catturare questi errori prima che raggiungano un sistema downstream, un audit di conformità o un cliente.
Gartner stima che la scarsa qualità dei dati costi alle organizzazioni una media di 12,9 milioni di dollari all'anno, con le incoerenze nei dati di prodotto tra i driver più frequentemente citati di fallimento operativo nella produzione e distribuzione.
Per le aziende al di fuori delle industrie regolamentate, il caso aziendale è comunque concreto: meno errori di ordine, onboarding fornitori più veloce, time-to-market più breve e meno lavoro manuale in tutte le divisioni.
Tre casi d'uso per la gestione dei dati anagrafici di prodotto
Gartner descrive tre scenari in cui le organizzazioni devono effettivamente gestire i dati anagrafici di prodotto. Comprendere questi scenari aiuta a definire l'ambito di un'implementazione prima di selezionare gli strumenti.
Lo scenario buy-side riguarda i prodotti e i materiali acquistati dai fornitori. I dati di prodotto provengono dall'esterno dell'organizzazione e gli attributi che arrivano con essi sono spesso incompleti o incoerenti con gli standard interni. L'MDM viene utilizzato qui per convalidare, arricchire e riclassificare i dati fornitori in arrivo prima che entrino nei sistemi operativi.
Lo scenario interno riguarda i dati di prodotto mentre si spostano da sistema a sistema all'interno dell'organizzazione: da PLM o ERP a PIM, da PIM alle piattaforme di e-commerce. Ogni passaggio è un punto in cui i dati possono degradarsi. Flussi di lavoro strutturati e regole di convalida gestiscono queste transizioni.
Lo scenario sell-side riguarda la pubblicazione dei dati di prodotto su canali esterni: partner retail, marketplace, distributori e piattaforme di commercio diretto. La sindacazione dei canali, la distribuzione dei dati corretti nel formato corretto a ogni destinazione, è la preoccupazione principale qui.
La maggior parte delle organizzazioni affronta tutti e tre contemporaneamente. Ma le implementazioni che cercano di risolvere tutti e tre contemporaneamente tendono a incontrare problemi di ambito. Iniziare con lo scenario più urgente è quasi sempre il percorso migliore.
Cinque componenti di un sistema di gestione dei dati anagrafici di prodotto funzionante
La tecnologia da sola non risolve un problema di dati. Il PMDM funziona quando la tecnologia, il processo e la responsabilità sono allineati. Cinque componenti lo permettono.
Modello di dati. Il modello di dati definisce l'aspetto di un record di prodotto: quali attributi sono obbligatori, come vengono categorizzati i prodotti, quali convenzioni di denominazione si applicano e come le varianti e i bundle si relazionano ai record padre. Senza un modello di dati condiviso, ogni sistema inventa la propria struttura e il problema di riconciliazione ritorna immediatamente. Gli standard GS1 forniscono un framework ampiamente adottato per gli identificatori di prodotto e lo scambio di dati, particolarmente rilevante per i produttori e i distributori che lavorano con partner retail.
Regole di qualità dei dati. Le regole di qualità definiscono l'aspetto di un record valido nella pratica: campi obbligatori compilati, tipi di dati corretti, unità e formati standardizzati. I record che non rispettano questi controlli vengono contrassegnati prima di raggiungere qualsiasi sistema downstream. La profilazione dei dati, che valuta lo stato attuale dei record per identificare lacune, duplicati e incoerenze, è in genere il primo passo per comprendere cosa le regole devono coprire.
Governance dei dati anagrafici. Chi può creare un record di prodotto? Chi può modificarlo? Chi risolve un conflitto quando due sistemi non sono d'accordo? La governance assegna queste responsabilità attraverso ruoli definiti: un data owner stabilisce la politica, i data steward si occupano della supervisione operativa e della risoluzione delle eccezioni, e i custodi tecnici gestiscono l'integrazione e la convalida. Senza proprietari nominati e processi definiti, il sistema PMDM diventa un altro luogo in cui i dati si accumulano e nessuno è responsabile.
Integrazione di sistema. Il sistema MDM deve connettersi al resto del panorama: ERP, PLM, piattaforme di e-commerce, portali fornitori, marketplace. Il livello di integrazione è ciò che rende utile il record master. I cambiamenti si propagano verso l'esterno. I sistemi downstream smettono di mantenere le proprie copie.
Flusso di lavoro e approvazioni. La maggior parte dei problemi di qualità dei dati entra in un sistema al momento della creazione, non dopo. I flussi di lavoro strutturati controllano come un record di prodotto si sposta dalla creazione attraverso l'arricchimento, la revisione e l'approvazione prima della pubblicazione, il che applica la qualità alla fonte piuttosto che richiedere la pulizia successivamente.
Come funziona la gestione dei dati anagrafici di prodotto nella pratica
Un nuovo prodotto entra nel sistema. Ecco cosa succede in un ambiente PMDM che funziona correttamente.
In primo luogo, il record viene caricato da un foglio di calcolo fornitore, da una voce ERP o da una presentazione manuale ed è etichettato con la sua fonte. Il sistema esegue quindi il rilevamento dei duplicati. Se il prodotto esiste già con un nome o uno SKU diverso, il potenziale duplicato emerge per la revisione. Quando due record di origine in conflitto sullo stesso attributo, le regole di sopravvivenza determinano quale valore ha la precedenza. Queste regole sono decisioni aziendali: l'ERP può essere autorevole per gli attributi logistici, mentre il PIM governa le descrizioni di marketing. Un record confermato e risolto dai conflitti avanza come record d'oro, l'unica fonte di verità per quel prodotto.
Nella fase di arricchimento, il record viene convalidato rispetto al modello di dati. Gli attributi mancanti vengono contrassegnati. I valori non conformi vengono corretti. Contenuti aggiuntivi come descrizioni, immagini e traduzioni vengono aggiunti dal team rilevante. Quindi il record passa attraverso l'approvazione: un data steward o un product manager autorizza prima della pubblicazione.
Una volta approvato, il record d'oro si distribuisce nei sistemi collegati. L'ERP ottiene i dati operativi di cui ha bisogno. La piattaforma di e-commerce ottiene il contenuto di marketing. I partner retail ricevono i dati nei loro formati richiesti. Quando qualcosa cambia, il ciclo si ripete.
Un record d'oro è buono solo quanto la governance attorno ad esso. La tecnologia è la parte più facile. La parte più difficile è garantire che ogni team che tocca i dati di prodotto lavori dallo stesso record e sia d'accordo su chi lo possiede.
Gestione dei dati anagrafici di prodotto: approcci di implementazione
Esistono tre modelli strutturali per la gestione dei dati anagrafici di prodotto. Quale si adatta dipende da quanti sistemi sorgente l'organizzazione ha, quanto sono sostituibili e quanta il controllo centrale è realistico.
Il modello centralizzato è il più pulito sulla carta. Tutti i dati di prodotto vivono in un sistema. Ogni altra piattaforma ne consuma ed è proprietaria di nulla. Massima coerenza, ma richiede un investimento significativo e un vero cambiamento organizzativo, poiché i team che in precedenza possedevano i propri dati devono rinunciarvi, il che raramente accade senza attrito.
Il modello consolidato è più comune nella pratica. I dati si estraggono da più sistemi sorgente in un hub centrale, vengono puliti e uniti in un record d'oro e i sistemi sorgente continuano a funzionare indipendentemente. Un distributore chimico con cui abbiamo lavorato aveva dati di prodotto distribuiti su tre istanze ERP regionali, ognuna mantenuta da un team di paese diverso. Nessuno poteva essere dismesso. L'approccio consolidato ha permesso loro di costruire un record centrale pulito senza smantellare ciò che funzionava già. I sistemi sorgente sono rimasti in posizione; l'hub MDM è diventato il punto di riferimento da cui tutto è stato pubblicato.
Il modello federato salta completamente l'hub centrale. Ogni sistema gestisce i propri dati, ma gli standard e gli identificatori condivisi sono concordati in tutta l'organizzazione e il livello MDM coordina i conflitti. Questo funziona nelle grandi aziende decentralizzate come conglomerati e produttori multi-marca, dove nessun singolo team ha l'autorità di centralizzare tutto. Ma dipende fortemente dalla governance. Senza di essa, i conflitti si spostano semplicemente dal livello dei dati al livello dei processi.
La maggior parte delle organizzazioni che iniziano per la prima volta utilizzano un approccio consolidato, definito a una singola categoria di prodotto o punto di integrazione. Un rollout limitato di successo costruisce le abitudini di governance organizzativa e la fiducia che un'implementazione più ampia dipende da.
Strumenti per la gestione dei dati anagrafici di prodotto
Quattro categorie di strumenti sono rilevanti qui. Comprendere la differenza tra loro risparmia molto tempo di valutazione sprecato.
Le piattaforme MDM dedicate sono costruite per la governance dei dati su scala enterprise. Le loro capacità principali sono la deduplicazione, la sopravvivenza, la creazione di record d'oro e l'integrazione con paesaggi di sistemi complessi. Sono potenti e costose e richiedono team di dati dedicati per funzionare efficacemente. Gli esempi includono Informatica MDM, Stibo STEP, SAP Master Data Governance e IBM InfoSphere MDM.
I sistemi PIM si concentrano sull'arricchimento dei contenuti e sulla distribuzione tramite canali. Supportano descrizioni di marketing, gestione delle risorse digitali, localizzazione e sindacazione a canali di vendita e marketplace. Gestiscono bene il contenuto di prodotto ma non sono costruiti per la governance multi-dominio o la deduplicazione complessa. Gli esempi includono Akeneo, Salsify, Syndigo e Plytix.
I sistemi ERP gestiscono le operazioni aziendali principali: inventario, procurement, finanza, gestione degli ordini. Contengono dati di prodotto come parte di processi operativi più ampi ma non sono progettati per la governance o il lavoro sui contenuti. Servono come fonte di dati primaria e punto di integrazione piuttosto che come soluzione PMDM. I sistemi PLM occupano una posizione simile: autorevoli per dati di ingegneria e sviluppo di prodotto, ma non costruiti per la distribuzione cross-channel o la governance dei dati anagrafici.
Le piattaforme ibride combinano la capacità MDM e PIM in un singolo sistema, il che elimina la necessità di mantenere due strumenti separati e semplifica l'architettura.
Pimcore è una piattaforma open-source che integra le capacità MDM, PIM, DAM e CMS. È costruita attorno a un modello di dati completamente configurabile basato su oggetti e si adatta alle organizzazioni più grandi che necessitano di una soluzione altamente personalizzata.
AtroPIM è un sistema PIM open-source e modulare costruito sulla piattaforma AtroCore, che stessa funziona come un livello di gestione e integrazione dei dati anagrafici. AtroCore fornisce la fondazione PMDM: entità configurabili, gestione degli attributi, autorizzazioni basate su ruoli, automazione dei flussi di lavoro e un'API REST che copre il 100% della funzionalità del sistema comprese le configurazioni personalizzate. AtroPIM estende questo con capacità specifiche per i prodotti: pubblicazione multi-canale, gestione del catalogo, DAM, contenuti multilingue e integrazioni native con piattaforme di e-commerce tra cui Magento 2, Shopware, WooCommerce e Shopify, nonché sistemi ERP. L'architettura modulare significa che le organizzazioni possono iniziare con il core gratuito e aggiungere moduli premium per l'arricchimento assistito da IA, la gestione avanzata della qualità dei dati e i feed di importazione/esportazione automatizzati man mano che le loro esigenze crescono, senza migrare piattaforme o sostenere costi di licenza crescenti. Sono supportati sia la distribuzione cloud che on-premises.
Per le organizzazioni di medie dimensioni che necessitano di più di un PIM di base ma non sono ancora pronte per il costo e la complessità di una piattaforma MDM enterprise dedicata, i sistemi ibridi come AtroPIM vale la pena esaminare da vicino.
| Capacità | Piattaforme MDM | Sistemi PIM | ERP / PLM | Ibrido (AtroPIM, Pimcore) |
|---|---|---|---|---|
| Scopo primario | Governance dei dati e record d'oro | Arricchimento dei contenuti e distribuzione tramite canali | Gestione dei processi aziendali e del ciclo di vita del prodotto | Governance e contenuti in un sistema |
| Utenti primari | Architetti di dati, IT, data steward | Product manager, marketer | Ingegneria, finanza, operazioni | Misto, dipende dalla configurazione |
| Qualità dei dati e deduplicazione | Forte | Da basica a moderata | Limitata | Da moderata a forte |
| Arricchimento dei contenuti | Limitato | Forte | Minimo | Forte |
| Sindacazione dei canali | Limitata | Forte | Non supportato | Forte |
| Flusso di lavoro e approvazioni | Avanzato | Da moderato a avanzato | Moderato | Da moderato a avanzato |
| Complessità di integrazione | Alta | Moderata | Alta | Moderata |
| Migliore per | Grandi aziende con ecosistemi di dati complessi | Brand e retailer con cataloghi di grandi dimensioni | Gestione dei processi operativi e del ciclo di vita del prodotto | Organizzazioni che desiderano una soluzione MDM e PIM unificata |
Molte organizzazioni più grandi gestiscono tutti e tre in combinazione: ERP per le operazioni, una piattaforma MDM dedicata per la governance e un PIM per il contenuto e la distribuzione. Le aziende di medie dimensioni più spesso si consolidano in una piattaforma ibrida per ridurre la complessità dell'architettura e il costo totale.
Cosa fare bene prima di iniziare la gestione dei dati anagrafici di prodotto
Le iniziative PMDM falliscono più spesso per ragioni organizzative che tecniche. Queste sono le aree che vale la pena risolvere prima di impegnarsi in un'implementazione.
Sponsorizzazione esecutiva. PMDM si estende su IT, prodotto, marketing e operazioni. Senza il supporto senior, è difficile allineare gli stakeholder o assicurare il budget su questi team. L'iniziativa si blocca al primo conflitto dipartimentale sulla proprietà dei dati.
Proprietà dei dati. Ogni record di prodotto ha bisogno di un proprietario nominato. Non un team. Un ruolo, idealmente una persona. L'ambiguità qui produce lacune di responsabilità che si compongono nel tempo e sono difficili da correggere dopo che il sistema è in diretta. La ricerca del Info-Tech Research Group scopre che fino al 75% delle iniziative di governance falliscono principalmente perché la proprietà è poco chiara.
Volume e struttura di dati attuali. Il numero di prodotti, fonti di dati e velocità di cambiamento modeleranno la portata e la selezione degli strumenti. Valutare questo prima di valutare le piattaforme, non durante.
Panorama dei sistemi esistenti. La soluzione PMDM dovrà integrarsi con ciò che è già in posizione. Le organizzazioni sottovalutano costantemente la complessità e il costo dell'integrazione quando saltano questa valutazione.
Ambito. Iniziare con una categoria di prodotto, un mercato o un punto di integrazione riduce il rischio. Un rollout limitato di successo costruisce la fiducia organizzativa e le abitudini di governance dei dati da cui dipende un'implementazione più ampia.
Manutenzione continua. I dati di prodotto cambiano continuamente. PMDM non è un progetto con una data di fine. È una capacità operativa. La dotazione di personale, i processi di manutenzione e le strutture di governance devono essere definiti fin dall'inizio. Gli KPI di qualità dei dati come i tassi di completamento dei record, i conteggi dei duplicati e i tassi di guasto della convalida devono essere definiti prima della messa in diretta e tracciati dal primo giorno.
Modelli di fallimento comuni
La maggior parte dei progetti PMDM incontra gli stessi pochi problemi. Alcuni sono evitabili con una migliore pianificazione. Alcuni sono semplicemente sottovalutati fino a quando non emergono. Ma il modello nelle implementazioni di gestione dei dati anagrafici di prodotto fallite è coerente abbastanza da valere la pena esaminare prima di iniziare.
Lo scope creep è il più comune. I team tentano di risolvere tutti i problemi di dati contemporaneamente, il progetto diventa ingestibile e i risultati impiegano troppo tempo a materializzarsi. La fiducia degli stakeholder si erode prima che il sistema fornisca qualcosa di utile.
La migrazione dei dati viene costantemente sottovalutata. I dati storici contengono incoerenze, duplicati e lacune che non sono visibili fino all'inizio della migrazione. Le organizzazioni che budgetano realisticamente per la profilazione e la pulizia dei dati tendono ad avere implementazioni più fluide. Quelle che non lo fanno trascorrono il primo anno a spegnere incendi relativi ai problemi di qualità dei dati nel loro nuovo sistema.
La negligenza della manutenzione dopo la messa in diretta è l'altro modello persistente. Senza processi di stewardship attivi per mantenere il record d'oro attuale, il sistema PMDM gradualmente deriva dalla realtà operativa. Entro diciotto mesi, i team iniziano di nuovo a mantenere le copie locali, che è dove la maggior parte di loro ha iniziato.
I nostri clienti sono venuti da noi con esattamente questa situazione. Un produttore di attrezzature industriali di medie dimensioni è andato in diretta con una nuova configurazione MDM, l'ha gestito bene per il primo anno, quindi ha perso le due persone responsabili della stewardship dei dati a causa di una riorganizzazione. Nessuno le ha sostituite formalmente. Diciotto mesi dopo, i product manager avevano ricostruito i propri fogli di calcolo sul lato perché i record master non erano più affidabili. Il sistema era ancora in esecuzione. La governance attorno ad esso non lo era.
La maggior parte dei fallimenti MDM non sono tecnici. Il sistema funziona. La governance attorno ad esso non lo fa.