mergers and acquisitions screen

16
Fusions et acquisions : les dimensions des données Un guide praque du Dr. Walid el Abed CEO Janvier 2011 Copyright Global Data Excellence 2011 Copyright Global Data Excellence 2011

Upload: gdemichael

Post on 12-Apr-2017

335 views

Category:

Data & Analytics


0 download

TRANSCRIPT

Page 1: Mergers and acquisitions screen

Fusions et acquisitions : les dimensions des donnéesUn guide pratique

du Dr. Walid el Abed

CEO

Janvier 2011

Copyright Global Data Excellence 2011Copyright Global Data Excellence 2011

Page 2: Mergers and acquisitions screen

Contenus

Preambule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2

Une approche conduite par les données facilite la flexibilité organisationnelle . . . . . .2

Hautes exigences des fusions-acquisitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4

Un cas pratique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5

Le contexte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5

Vue d’ensemble du planning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5

Impacts potentiels et problématiques à prendre en compte lors du processus d’intégration des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6

Le Data Excellence Framework . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8

Qui s’en soucie le plus ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

Les attributs du Data Excellence Framework . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

Processus standard de conversion des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

La plateforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

Fusions et acquisitions : les dimensions des données2

Page 3: Mergers and acquisitions screen

PreambuleJamais le monde n’a changé aussi vite, en particulier dans le domaine du flux de données multi canal. Le passage de l’ère industrielle à celle de l’information, les défis financiers et économiques sont déjà en train d’impacter notre comportememt et, de ce fait, nous réclamons plus d’intelligence dans les données afin d’orienter nos actions ou décisions. La survie d’une entreprise dépendra de son agilité, élément fondamental de sa pérennité et de sa croissance. Nous croyons vraiment que sans integration de données, qualité des données, et gouvernance de données, l’agilité de l’entreprise ne peut pas être atteinte. Notre société consomme de plus en plus de données, leur qualité et leur gouvernance deviennent fondamentales afin de supporter la création de valeur et de permettre la croissance. Par la suite, il est impératif de définir les cadres de travail, modèles, méthodologies, outils, et les plateformes technologiques afin d’assurer un bon niveau de cohérence et de confidentialité des données. Etant donné qu’une plate forme technologique permet le partage de l’information et des données, il est indispensable de protéger les politiques de confidentialité (au delà du firewall) afin d’augmenter la confiance entre partenaires. De plus, avec une gestion des données bien rodée, le coût total de la possession de données peut être particulièrement allégée.

Dans un monde dirigé par les données, il en va de la responsabilité des entreprises d’exécuter de tels cadres de travail, de préserver, de tester et de soutenir la valeur globale tout au long de la chaîne de l’économie.

Dans ce guide pratique, nous nous focaliserons sur les opportunités des fusions et acquisitions à travers l’implémentation du Data Excellence Framework, supporté par une plateforme harmonisée, afin d’accélérer la production des bénéfices lors des transactions.

3Fusions et acquisitions : les dimensions des données

Une approche conduite par les données facilite la flexibilité organisationnelleDepuis toujours, les lois du marché ont forcé les entreprises à jongler entre diiférents impératifs, afin de demeurer compétitives et de poursuivre leur croissance. L’inventaire suivant comprend quelques impératifs métier, ainsi que les buts qui doivent être atteints en 5 ans afin de générer de la valeur et adapter le modèle métier à la future chaîne de valeur. Dans tous les cas, la génération d‘une qualité de données gouvernée “juste à temps” est un facteur déterminant afin de remplir ces objectifs dans une économie en rapide mutation.

• pénétrer le marché avec de nouveaux produits en 30 jours

• se défaire d’une compagnie en 6 semaines

• fusionner une nouvelle entreprise en 8 semaines

• atteindre l’Excellence opérationnelle en un an

• Transformer le métier en 2 ans

• Réduire le nombre des applications de 50%

• Réduire de 75% le nombre des systèmes ERP

• Réduire le nombre des commerciaux de 60%

De plus, les entreprises étant supposées migrer d’une stratégie réactive, concentrée sur le principe d’implémentation, à une stratégie beaucoup plus proactive, dédiée à la pérennité et à un effet levier, quelques scenari prédictifs apparaissent naturellement, à l’image des exemples suivants :

La définition d’une stratégie des données doit être coordonnée et dirigée par une équipe de gestion des données qui opère au carrefour des fonctions métier.

Page 4: Mergers and acquisitions screen

• Acquisition d’un nouveau métier

• Abandon d’un métier existant (dans sa totalité ou partiellement)

• réorganisation interne

• Création d’un nouveau métier, en local comme à l’international

• Décomposition d’un métier, en local comme à l’international

• Consolidation des forces de vente

• Délocalisation de l’activité d’une usine à une autre

• Developpement dû à un facteur extérieur comme un changement législatif ou fiscal

• L’ampleur d’un service d’implementation partagé

Afin de remplir ces objectifs métier, une stratégie des données intélligible est indispensable et doit être intégrée à la stratégie globale de l’entreprise. La définition d’une stratégie des données doit être coordonnée et dirigée par une équipe de gestion des données qui opère au carrefour des fonctions métier. Afin d’assurer la pérennité du business et sa croissance, le système d’information de l’entreprise doit être capable de supporter les changements de processus des données d’une manière déterminée, rapide et souple (de premier plan) et doit prévoir le changement de réalignement des données, ainsi que leur hiérarchisation afin de refléter, à l’interne comme à l’externe, les changements conduits dans un contexte métier. Ainsi l’intrégration et l’ampleur des services partagés devront être permises et même accélérées, afin de fournir un service léger, efficace, peu coûteux, conduit en arrière plan. La modernisation des métiers, l’efficacité opérationnelle, et les fusions acquisitions réussies reposent toutes sur une haute qualité des données, rapidement atteignable.

Les objectifs de ce guide pratique sont d’éclairer les différentes considérations autour des données lors de l’acquisition d’un nouveau métier. Il illustre la stratégie de données, le cadre de travail, la méthodologie, et la plateforme nécéssaires pour :

4

Visualiser les impacts des changements organisationnels sur les systèmes et les processus de l’entreprise, dans le but de gérer les changements dus à une acquisition .

Permettre aux entreprises d’intégrer progressivement les changements métier pour chaque scénario de changement .

User du système d’information de l’entreprise comme d’un levier facilitant la flexibilité du métier ainsi que l’implémentation de services partagés.

Les fusions et acquisitions impliquent des processus vastes et compliqués, du point de vue de l’intégration de données. Afin de fournir une vue pratique des défis propres à une acquisition, nous baserons notre travail sur un scénario crédible, typique de la vie d’une entreprise. Puis, nous illustrerons les challenges que l’entreprise devra relever et finalement, nous proposerons un cadre de travail et les meilleures pratiques qui permettent une intégration plus douce de l’entreprise récemment acquise.

Les fusions et acquisitions

impliquent des processus vastes et

compliqués, du point de vue de l’intégration de

données.

Fusions et acquisitions : les dimensions des données

Hautes exigences des fusions et acquisitionsDans cette partie, nous soulignerons quelques paramètres-clé et les questions que l’on doit poser et résoudre avant de signer le contrat. Ces points décisifs devraient grandement influencer notre cas pratique .

Page 5: Mergers and acquisitions screen

5

Quelles similitudes pouvont nous établir entre l’échelle, les délais et les modèles métiers ?

• La taille, la géographie et les “paysages”

• un avis anticipé permet de dégager les opportunités du planning

Quels sont les critères qui déterminent une intégration rapide contre une integration tardive ?

• Les bénéfices métier face aux facteurs politiques, changement de gestion

• rapides économies d’infrastructure/ ou sur les accords de license

Que faut il faire dans les 100 premiers jours ?

• rapide consolidation financière

• implementation du Back-office en tant que services partagés

Quelle approche d’intégration choisir?

• Adopter une stratégie “par opposition”

• les contraintes de délais

L’effort et l’objectif liés à ces hautes exigences dependent des délais d’exécution qui peuvent varier de trois mois à trois ans.

L’exemple suivant nous montrera qu’intégrer une nouvelle acquisition s’avère complexe, peu importe l’activité de l’entreprise. Du point de vue “données”, toute organisation (services financiers, industriel, ou de pouvoirs publics par exemple) relève les mêmes défis lors de l’integration d’une nouvelle acquisition. l’intégration des nouvelles données métier doit prendre en compte les contraintes légales et financières de l’acquéreur. L’acquisition doit aussi comprendre les meilleures pratiques de l’acquéreur, les standards de données, et les règles métier afin d’assurer que le seuil des indicateurs clé de performance (KPIs), relatifs à la qualité des données, est atteint avant l’intégration, ce qui garantira la continuité du métier tout en réduisant les risques.

Le cas pratiqueUne multinationale avec $25 milliards de chiffre d’affaire décide de capter un métier émergent en faisant l’acquisition d’une compagnie leader de $3 milliards de CA, basée sur l’association de produits et services. Cette acquisition s’inscrit dans la logique de l’objectif métier : devenir le leader mondial de ce marché particulier.

Fusions et acquisitions : les dimensions des données

Le contexteLa compagnie acquise affiche plus de 50 produits et services différents, qu’ils faudra intégrer au coeur du système et des processus de l’acquéreur. Les produits et services sont répartis dans plus de 30 pays et livrés par trois usines comportant un nombre de sous-traitants industriels ainsi que divers partenaires .

Le contrat stipule que l’acquéreur est autorisé à utiliser les marques de la société acquise pour une durée de 12 mois après l’acquisition, ce qui implique que tous les produits et services doivent être re-brandés dans la première année de signature. De tels termes de contrat viennent ajouter à la complexité de l’activité et aux délais déjà serrés.

Page 6: Mergers and acquisitions screen

6

Les compagnies acquérante et acquise observent différents procédés, contraintes financières et légales, ainsi que diverses pratiques de gestion de données.

La première évaluation révèle que la qualité des données est pauvre — des données avec doublons, obsolètes et incohérentes— de plus, il n’existe aucune formalisation des bonnes pratiques, ni aucune plateforme d’intégration.

Le processus financier complexe de commande de cash n’est pas du tout harmonisé entre les différents pays.

Un modèle métier très compliqué implique de multiples couches de partenaires.

Chaque service utilise ses propres systèmes de master data, fonctionnant en langage local en fonction des différents pays. Il n’y a pas de standard de données commun ou d’approche commune de partage de données .

En outre, certaines dispositions légales doivent être respectées en fonction des pays. Au final, les contraintes humaines finissent d’ajouter à la complexité de la situation, à cause de conflits de planning : les ressources techniques sont déjà pleinement occupées par d’autres activités de migration (dans cet exemple) et les forces vives de l’entreprise ne seront pas disponibles pour valider les données migrées.

Cet exemple crédible d’acquisition d’une nouvelle activité, devra être considérée comme cadre de travail dans un contexte de prime implementation.

Vue d’ensemble du planningUne vue d’ensemble du planning montre le volume de master data devant être intégré dans les délais impartis par le projet

Figure 1. Délais d’un projet d’intégration d’une société leader.

Fusions et acquisition : les dimensions des données

Page 7: Mergers and acquisitions screen

7

Impacts potentiels et problématiques à prendre en compte lors d’un processus d’integration de donnéesLes données sont en général la dimension oubliée lors d’une acquisition ; une fois le contrat d’acquisition signé, on pense que l’intégration des données se fera d’un coup de baguette magique. Tandis que les responsables métier imaginent que les informaticiens géreront la conversion de données depuis l’entreprise acquise vers leur propre système ; les informaticiens pensent que les responsables métier connaissent et comprennent les données relatives aux règles métier, celles là même qui doivent faire partie du processus de conversion.

La figure 2 montre quelques impacts métier potentiels dus aux données mal converties au regard des bonnes règles métier.

Règles Cadre Dimension de la DQ

KPI Impacts métier

Bénéfices métier

Toutes les banques doivent comporter le code ISO du pays, en cinquième ou sixième position du swift code

Toutes les entrées actives de banques

Exactitude 86% 14% correspondent à des millions de dollars en retards de paiement

Toutes les transactions nécessitant un swift code sont un échec

Coûts de retravail, jours de vente, énorme flot financier, mauvaise provision de dette

Exécution fluide (Agilité)et une plus grande confiance

Toutes les transactions entre pays doivent inclure un code de transfert de prix pour chaque entrée

Toutes les entrées de transfert de prix

Complétude 86% 14% des entrées de transferts de prix ne peuvent être réalisés

Un transfert de prix incorrect conduit à de faux prix sur le marché et à de fausses taxes

Mauvais reporting financier

Une approche “pas à pas” du

data excellence framework est

essentielle pour le succès de

l’integration de la compagnie

acquise, afin d’atteindre

pleinement la valeur espérée de cette acquisition.

Fusions et acquisition : les dimensions des données

Page 8: Mergers and acquisitions screen

8

Règles Cadre Dimensions de la DQ

KPI Impacts métier

Bénéfices métier

Tous les produits avec le même code barre imprimé sur l’emballage doivent avoir un code de production commun

Toutes les entrées actives de biens

Exactitude 90,9% 9.1% des bonnes entrées sont mal classifiées pour des questions de calcul de coûts

Ré-allocation de revenu pour de nombreuses corrections

Prise de décision améliorée

Table 1. Règles métier, dimensions de la qualité de donnée, bénéfices métier

Pour toutes les acceptions d’un métier, il est nécessaire d’identifier et d’appliquer un certain nombre de règles métier afin d’éviter tous les impacts métier potentiels pendant un processus de conversion de données. Une méthodologie et un framework très structurés doivent être suivis pour assurer que toutes les incontournables règles métier, dans tous les aspects fonctionnels, sont prises en compte pendant la conversion des données. L’intégration de données est capitale pour réussir une acquisition, et si les données ne sont pas cohérentes avec les règles métier, la résolution d’un tel cas business serait compromis.

Le Data Excellence FrameworkLe data excellence framework englobe des processus communs intelligibles, ainsi que les “best practices” grâce à une méthodologie qui peut être comprise et partagée à tous les niveaux de l’entreprise. La vision à long termes du data excellence framework est de permettre à l’entreprise de choisir un nouveau paradigme : dans l’imaginaire collectif de l’entreprise “La culture de la qualité des données doit être perçue comme une seconde nature” pour atteindre le succès.

Une approche “pas à pas” du data excellence framework est essentielle pour le succès de l’integration de la compagnie acquise, afin d’atteindre pleinement la valeur espérée de cette acquisition. La mission du framework est de permettre à l’entreprise d’être fiable, intelligente, et agile en utilisant la plus haute qualité des données afin de renforcer ces partenaires en affaires, ses employés et ses investisseurs.

Ce framework, conduit par les règles métier, assure une intégration des données réussie et optimale à travers la génération des chiffres de la qualité des données (KPI), la gestion des exceptions ainsi que l’inclusion du seuil approprié qui autorise tous les processus métiers à s’exécuter de façon fluide juste après la phase d’intégration.

Fusions et acquisitions : les dimensions des données

Page 9: Mergers and acquisitions screen

9

Le data excellence framework definit les règles business en tant que règles auxquelles les données devraient obéir, dans le but d’exécuter les processus métier de façon adéquate. Chaque règle métier est associée à une des dimensions suivantes :

Exactitude

Complétude

Cohérence

Spécificité

Non Obsolescence

Par exemple, la cohérence des données est une règle métier typiquement placée sous la responsabilité du CIO, car il ou elle a besoin de s’assurer que toutes les données destinées à des objectifs “reporting” et operationnels est cohérente dans tout le système. Il est crucial d’adopter une approche pratique de la qualité des données et de se focaliser sur les règles métier les plus importantes plutôt que de chercher à atteindre les 100% de qualité, ce qui n’est pas réalisable dans les délais impartis dans un contexte d’acquisition. Les initiatives traditionnelles de conversion de données ou d’intégration de données, un niveau optimal de qualité des données doit être visé afin d’éviter les retards d’intégration de l’acquisition.

La figure 2 montre une vue réaliste de l’effort perçu entre l’effort d’intégration des données et celui relatif à la qualité des données au coeur du cycle de gestion des données en tant que partie intégrante d’un processus d’acquisition .

Figure 2. l’effort perçu associé à la gouvernance des données dans le temps

Les initiatives traditionnelles de conversion de données ou d’intégration de données, un niveau optimal de qualité des données doit être visé afin d’éviter les retards d’intégration de l’acquisition.

Fusions et acquisitions : les dimensions des données

Un des aspects clé du Data Excellence Framework est de fournir un processus simple et sans détour afin de gouverner les règles métier de la qualité des données, de montrer les résultats qui permettent les corrections, et de relier les KPIs de la qualité des données à l’impact métier, ce qui déterminera l’optimisation de mes prochaines priorités de travail (figure 3).

Page 10: Mergers and acquisitions screen

10

Figure 3. le processus des données lié aux KPI’s

En outre, Le Data Excellence Framework definit les rôles organisationels requis durant la phase de conversion. Les rôles nécessaires dans le cadre d’une gouvernance des données réussie reposent sur le principe d’intendance, comprenant les référents, les intendants, et les responsables des données, tous trois supportés par le groupe de data Excellence et mis en oeuvre par le Data Excellence Framework (voir figure 4).

Figure 4 : Rôles et responsabilités au coeur du Data Excellence Framework

Les rôles nécessaires dans le

cadre d’une gouvernance des données réussie reposent sur le

principe de Data Stewardship,

comprenant les référents de

données, les data stewards, et les

responsables données.

Fusions et acquisitions : les dimensions de données

Page 11: Mergers and acquisitions screen

11

Qui s’en soucit le plus ?L’implication et l’adhésion du “senior management” est déterminante pour que l’acquisition réussisse. Pour les convaincre, soyez sûrs de mettre en lumière l’impact métier et les bénéfices remarqués sur les processus et sur les règles métier qui leur correspondent.

CFO (risque, cohérence, reporting)

Contrôles et rapports fiables basés, sur des données fiables et sur la transparence

COO (efficacité opérationnelle, exécution fluide)

Agilité et efficacité opérationnelle, basées sur une intelligence accrue

CIO (ajustement des coûts, garant des métiers)

Ajustement des coûts basés sur l’établissement de services

Permettant au métier d’atteindre les objectifs

Les attributs du Data Excellence Framework

Le framework facilite l’exécution simultannée d’une multitude de projets d’intégration de données — Par exemple, des projets parralèlles dans les différentes entités de l’entreprise acquise. Les caractéristiques suivantes sont les clés de compréhension du framework, permettant une intégration rapide des données de la nouvelle entreprise.

Des métiers et des processus de gestion de données harmonisés

Des structures de données standardisées, basées si possible sur les standards de l’industrie (ex : les codes ISO d’un pays)

Des bonnes pratiques définies

Une plateforme d’intégration des données standardisée

Des accords généraux avec des fournisseurs de solutions

Un niveau croissant des garants de données et des bonnes pratiques dans les fonctions métier

Un mode d’emploi intelligible dans le cadre de la gestion du changement

Un programme de gouvernance

Une équipe de conversion des données, force de proposition

Le processus de la gestion du changement

Une méthodologie d’implémentation

Processus standard de conversion des donnéesCe paragraphe décrit une approche de haut niveau afin d’accélérer et de garantir une intégration des données réussie. La méthodologie, supportée par une plateforme intelligible d’intégration des données, représente un véritable avantage compétitif, assure une intégration rapide et réussie de l’acquisition et permet à l’entreprise d’“industrialiser” l’intégration et d’être pleinement équipée pour affronter les impératifs métier, quelqu’ils soient, peu importe le changement organisationnel.

Fusions et acquisitions : les dimensions des données

Page 12: Mergers and acquisitions screen

12

Ci dessous, vous trouverez les étapes standards de la conversion de données :

• Identifier les sources de données.

• Definir les objets de données présents dans le cadre de la conversion de données : Le terme “objet de donnée” désigne tous les enregistrements qui remplissent le même objectif (ex : Client, fournisseur ou enregistrement de matériaux.)

• Préparer la structure des objets de données (DOS): le DOS rassemble et organise l’information du point de vue de l’application cible et indique de quelle façon l’application cible utilisera l’objet de données. Pour chaque objet de données il existe un DOS.

• Publier une cartographie des données : en identifiant une source pour chaque champs present dans le DOS.

• Imaginer la transformation : la logique qui autorisera la modification ou la dérive de la valeur du champs de données cible, dès lors que la valeur du champs de données se base sur les règles métier et leur validation.

• Tester le processus.

• Executer et charger.

Les deux figures suivantes illustrent un processus de conversion de données de haut niveau, mis bout à bout.

Figure 5. Le flux de conversion de données

Fusions et acquisitions : les dimensions des données

Page 13: Mergers and acquisitions screen

13

Figure 6 . Processus de conversion des données

La plateformeUne plateforme technique (voir figure 7) est indispensable pour accélérer et supporter le Data Excellence Framework. Cette plateforme doit être compréhensible et adaptée afin d’accompagner toutes les étapes du cycle de vie des données, là où le Data Excellence Framework s’applique. La plateforme doit également supporter de multiples projets parallèles d’implémentation suivant ces étapes :

Pendant la préparation des données, quand la plateforme supporte l’exécution du framework sur la base du lègue, afin d’évaluer la qualité des données prêtes pour la migration.

Figure 7. La plateforme technique

Une plateforme technique (voir

Figure 7) est indispensable pour

accélérer et supporter le Data

Excellence Framework.

Fusions et acquisitions : les dimensions des données

Pendant la phase de conversion des données, quand la plateforme supporte l’exécution du framework en tant que partie intégrante du processus de validation des données et avant chargement dans le stock cible

Pendant la phase de maintenance, durant laquelle les données du nouveau stock sont testées régulièrement

Pendant la phase d’enregistrement direct, à l’instar d’un outil de capture de données.

Page 14: Mergers and acquisitions screen

ConclusionsPour mesurer la réussite d’une fusion-acquisition, il est impératif d’instaurer des critères clairs, relatifs à la dimension des données. Sans quoi, la situation serait incomplète.

Dans notre exemple, l’acquisition est un succès. L’intégration de la nouvelle entreprise s’est faite dans les temps, atteignant le niveau de qualité de données requis :

Tous les produits et services du projet-cadre ont été intégrés aux nouveaux processus métier ainsi qu’aux systèmes.

Les unités de service des divers pays sont maintenant opérationnelles et leur activité a intégré les processus, les systèmes et les bonnes pratiques de l’acquéreur.

Tous les produits et services ont été re-brandés.

Les seuils de la qualité des données ont été atteints.

Seuls un Data Excellence Framework détaillé, de bonnes pratiques soutenues par une plateforme technologique compréhensible, fiable et souple ; ainsi que des modèles de gouvernance des données impliquant les métiers et l’IT ont rendu possible l’intégration de la nouvelle entreprise.

Notre vision de la future chaîne de valeur est que tout type de stratégie métier réussira, si et seulement si elle comprend une stratégie des données claire, touchant tous les impératifs métier. Une stratégie de données rendue possible par des cadres de travail adaptés et une plateforme technologique saura cultiver l’état d’esprit “bon du premier coup”, dépassant ainsi les limites des départements et unités de services, du point de vue de la création de valeur.

La haute qualité des données demeure vitale pour la pérennité et la croissance d’une entreprise. Des données fiables représentent un véritable avantage compétitif. Ainsi, il est grand temps de gérer les données comme un atout.

Le changement de culture est déterminant dans tout procédé de fusion et acquisition. Ce genre de situation exige un effort considérable afin de garantir le succès de la gestion du changement.

Pour cela, il s’agira d’introduire et d’exécuter ce data excellence framework fiable, supporté par une solide plateforme technologique, véritable accélérateur d’intégration des données ; sans oublier d’accompagner une gouvernance des données conduite par les métiers, alors que l’entreprise se focalisera sur son changement de culture.

14 Fusions et acquisitions : les dimensions des données

Page 15: Mergers and acquisitions screen

Fusions et acquisitions : les dimensions des données 15

Page 16: Mergers and acquisitions screen

Contact Details:Email: [email protected]: +41 22 795 78 18Website: www.globaldataexcellence.com