{"id":2034,"date":"2023-10-15T16:36:09","date_gmt":"2023-10-15T14:36:09","guid":{"rendered":"https:\/\/xflowdata.com\/non-classifiee\/donnees-de-test-dans-les-projets-erp\/"},"modified":"2024-01-16T09:44:11","modified_gmt":"2024-01-16T08:44:11","slug":"test-data-erp-projects","status":"publish","type":"post","link":"https:\/\/xflowdata.com\/fr\/blog\/test-data-erp-projects\/","title":{"rendered":"Donn\u00e9es de test dans les projets ERP"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Ou comment fournir des donn\u00e9es significatives pour les tests lors de la pr\u00e9paration d'une migration de donn\u00e9es.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Tr\u00e8s souvent, dans les projets multifonctionnels, tels que la mise en \u0153uvre d’un progiciel de gestion int\u00e9gr\u00e9, les diff\u00e9rentes \u00e9quipes \u00e9valuent leur solution ind\u00e9pendamment les unes des autres jusqu’aux derni\u00e8res \u00e9tapes des tests. Et r\u00e9guli\u00e8rement, le projet de migration des donn\u00e9es fonctionne de la m\u00eame mani\u00e8re, en identifiant et en validant la transformation des donn\u00e9es parall\u00e8lement au reste du projet.<\/p>\n

Le risque est que la nouvelle solution et les nouveaux processus soient test\u00e9s avec des donn\u00e9es \u00ab\u00a0positives\u00a0\u00bb, c’est-\u00e0-dire des donn\u00e9es cens\u00e9es produire un r\u00e9sultat attendu, et non avec des donn\u00e9es \u00ab\u00a0n\u00e9gatives\u00a0\u00bb, c’est-\u00e0-dire des donn\u00e9es qui ne sont pas cens\u00e9es produire un r\u00e9sultat n\u00e9gatif mais qui en provoquent un. En effet, avec les solutions ERP int\u00e9gr\u00e9es d’aujourd’hui, des valeurs diff\u00e9rentes saisies dans un domaine fonctionnel peuvent avoir un impact n\u00e9gatif sur un autre domaine pour des raisons impr\u00e9vues.<\/p>\n

Pour r\u00e9duire ce risque et acc\u00e9l\u00e9rer la conception de la transformation des donn\u00e9es, il est utile de travailler avec des donn\u00e9es \u00ab\u00a0r\u00e9elles\u00a0\u00bb et de les \u00e9chantillonner de mani\u00e8re intelligente. Les donn\u00e9es r\u00e9elles sont extraites des bases de donn\u00e9es op\u00e9rationnelles, puis transform\u00e9es pour le nouveau mod\u00e8le de donn\u00e9es si n\u00e9cessaire et inject\u00e9es dans l’environnement de test. Voyons ce processus plus en d\u00e9tail.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

\u00c9chantillonnage de donn\u00e9es r\u00e9elles\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Il y a deux conditions pr\u00e9alables.<\/p>\n

    \n
  1. Premi\u00e8re condition pr\u00e9alable : vous devez \u00e9videmment savoir quelles donn\u00e9es ou quel type de donn\u00e9es sont n\u00e9cessaires. Faut-il des produits et des clients pour tester une solution de gestion des commandes ? Avons-nous besoin de nomenclatures ? Avons-nous besoin de mati\u00e8res premi\u00e8res, de documents d’ing\u00e9nierie, de pr\u00e9visions de la demande, de donn\u00e9es historiques ?<\/li>\n
  2. Deuxi\u00e8me condition pr\u00e9alable : vous devez obtenir l’accord de toutes les parties concern\u00e9es. Une fois que le champ d’application est compris, nous pouvons commencer \u00e0 s\u00e9lectionner des \u00e9l\u00e9ments de donn\u00e9es, mais il est essentiel d’expliquer le processus d’\u00e9chantillonnage et d’obtenir un alignement \u00e0 ce sujet. En effet, chaque groupe aura des exigences diff\u00e9rentes, de haut niveau \u00e0 tr\u00e8s d\u00e9taill\u00e9es, et demandera des donn\u00e9es pour satisfaire toutes ces exigences. D’apr\u00e8s mon exp\u00e9rience, moins les exigences sont d\u00e9taill\u00e9es, plus les donn\u00e9es demand\u00e9es sont nombreuses (en termes de volume). C’est ce que j’appelle le syndrome du \u00ab\u00a0juste au cas o\u00f9 (j’ai besoin de plus)\u00a0\u00bb.\n<\/li>\n<\/ol>\n

    L’absence d’alignement est une voie s\u00fbre vers des modifications du champ d’application et des demandes de changement.<\/p>\n

    Pour r\u00e9aliser un bon \u00e9chantillon, il faut \u00e9galement garder \u00e0 l’esprit qu’il s’agit d’un exercice dynamique. D’apr\u00e8s mon exp\u00e9rience, la plupart des tests peuvent commencer par un \u00e9chantillon de base. Mais elle doit \u00e9voluer, en termes d’ampleur et de volume. Nous pouvons travailler \u00e0 partir d’une base de donn\u00e9es tr\u00e8s restreinte jusqu’\u00e0 une base de donn\u00e9es plus importante avec des centaines de milliers d’enregistrements.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t

    Construction d'un \u00e9chantillon de base<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t

    Dans la plupart des cas, ce sont les entreprises qui sont les mieux inform\u00e9es. Quel que soit le sujet du projet, ils savent quels sont les principaux cas de figure et connaissent les donn\u00e9es utilis\u00e9es pour ex\u00e9cuter ces cas de figure. Par exemple, si nous prenons l’exemple de la fabrication de biens, votre personnel commercial saura quels sont les diff\u00e9rents biens, ce qui les diff\u00e9rencie les uns des autres, comment ils sont fabriqu\u00e9s ou vendus, etc. Permettre de proposer un \u00e9chantillon bas\u00e9 sur des types ou des cat\u00e9gories, ou des m\u00e9thodes de production, ou des sites, ou des canaux commerciaux, ou des moyens de transport, ou des m\u00e9thodes de comptabilit\u00e9, ou des m\u00e9thodes d’entreposage, etc. Dans la gestion des actifs, il peut s’agir des cat\u00e9gories d’actifs, de leurs r\u00e8gles d’amortissement, des diff\u00e9rents types de charges qu’ils entra\u00eenent, etc.<\/p>\n

    L\u00e0 encore, un \u00e9chantillon de base de ce type est g\u00e9n\u00e9ralement suffisant pour les premi\u00e8res phases d’essai, o\u00f9 l’on a davantage besoin de polyvalence des donn\u00e9es que de volume. Mais au fur et \u00e0 mesure que les essais progressent, davantage de donn\u00e9es sont n\u00e9cessaires pour r\u00e9p\u00e9ter les sc\u00e9narios d’essai avec un nombre croissant de petites variances et pour fournir des donn\u00e9es \u00e0 des fins de formation. Pour l’instant, nous disposons d’un \u00e9chantillon de base et, en raison de sa petite taille, nous pouvons le manipuler manuellement, en mettant \u00e0 jour les enregistrements un par un si n\u00e9cessaire, et le transformer selon les besoins de la solution cible. Attention toutefois \u00e0 ne pas s\u00e9lectionner les donn\u00e9es \u00e0 la main. Vous souhaitez d\u00e9finir un ensemble de r\u00e8gles pour s\u00e9lectionner un \u00e9chantillon de donn\u00e9es, et non pour s\u00e9lectionner des enregistrements directement \u00e0 partir d’une liste ou d’une base de donn\u00e9es.<\/p>\n

    Pourquoi devrions-nous pr\u00e9parer l’\u00e9chantillon initial avec des hommes d’affaires ? En effet, lorsque nous essayons de transformer les donn\u00e9es, nous remettons en question, d\u00e8s le d\u00e9part, la qualit\u00e9 des donn\u00e9es et les r\u00e8gles de transformation avec des donn\u00e9es auxquelles nos collaborateurs peuvent se r\u00e9f\u00e9rer. Nous ne travaillons pas avec des donn\u00e9es artificielles, cr\u00e9\u00e9es \u00e0 partir d’hypoth\u00e8ses, mais avec des informations r\u00e9elles, op\u00e9rationnelles, actuelles. Cela permet de susciter l’engagement des personnes, qui travaillent avec leurs donn\u00e9es et non avec certaines donn\u00e9es. Cela permet \u00e9galement de passer \u00e0 l’action avant que l’\u00e9laboration des plans ne soit enti\u00e8rement termin\u00e9e. En effet, toutes les \u00e9quipes ne peuvent pas achever leur plan (ou leur mise en correspondance ou autre) en m\u00eame temps et cela ne signifie g\u00e9n\u00e9ralement pas qu’une \u00e9quipe peut rester inactive jusqu’\u00e0 ce que toutes les autres la rattrapent. Ils voudront commencer \u00e0 faire des essais, ne serait-ce que pour valider certaines hypoth\u00e8ses. Gr\u00e2ce \u00e0 cette approche qui consiste \u00e0 cr\u00e9er un \u00e9chantillon initial avec les professionnels, nous avons couvert les \u00e9l\u00e9ments de donn\u00e9es cl\u00e9s et les cas d’entreprise. Nous pouvons passer \u00e0 l’action, mais sans perdre d’efforts pour la migration principale des donn\u00e9es.<\/p>\n

    En r\u00e9sum\u00e9, nous permettons plusieurs choses :<\/p>\n

      \n
    • L’engagement des entreprises ;<\/li>\n
    • Donn\u00e9es pour le prototypage et les premiers essais ;<\/li>\n
    • Des donn\u00e9es coh\u00e9rentes pour l’ensemble du projet et non pour une seule \u00e9quipe ;<\/li>\n
    • Passer rapidement \u00e0 l’action.\n<\/li>\n<\/ul>\n

      Que se passe-t-il si vous \u00eates mis au d\u00e9fi et que certaines personnes veulent beaucoup plus de donn\u00e9es ou des donn\u00e9es diff\u00e9rentes ? D’apr\u00e8s mon exp\u00e9rience, la r\u00e9ponse \u00e0 une question br\u00e8ve fait des merveilles : pourquoi ? Pourquoi l’\u00e9chantillon initial ne fonctionne-t-il pas ? Pourquoi ont-ils besoin de plus de donn\u00e9es ou de donn\u00e9es diff\u00e9rentes ? Tr\u00e8s souvent, les donn\u00e9es suppl\u00e9mentaires ne seront de toute fa\u00e7on pas utilis\u00e9es : il s’agit seulement d’un \u00ab\u00a0juste au cas o\u00f9\u00a0\u00bb. Avec ces informations en main, vous pouvez repousser ou accepter les faits, en fonction du temps et des ressources disponibles.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

      \n\t\t\t\t
      \n\t\t\t\t\t

      Profilage et intelligence \u00e9conomique\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t\t\t\t\t

      Id\u00e9alement, cet exercice doit avoir lieu au d\u00e9but du projet, avant ou pendant la phase d’\u00e9laboration du projet. Du moins, cela devrait \u00eatre fait imm\u00e9diatement apr\u00e8s la cr\u00e9ation d’un \u00e9chantillon initial.<\/p>\n

      Grosso modo, le profilage consiste \u00e0 identifier des sch\u00e9mas dans les donn\u00e9es. Il est souvent utilis\u00e9 dans l’optique de la qualit\u00e9 des donn\u00e9es et permet de d\u00e9finir des r\u00e8gles de qualit\u00e9 des donn\u00e9es, mais il est facile de s’arr\u00eater l\u00e0. Si cette analyse reste la pierre angulaire de la migration, le profilage lui-m\u00eame peut \u00eatre plus efficace. En effet, nous pouvons utiliser la grande quantit\u00e9 d’informations collect\u00e9es pour comprendre \u00e9galement comment l’entreprise est structur\u00e9e. L’examen des donn\u00e9es op\u00e9rationnelles ou transactionnelles permet de d\u00e9gager quelques \u00e9l\u00e9ments :<\/p>\n

        \n
      • Donn\u00e9es de base, telles que les clients, les mat\u00e9riaux ou les actifs<\/li>\n
      • Donn\u00e9es transactionnelles, telles que les commandes de vente ou les connaissements<\/li>\n
      • Donn\u00e9es de r\u00e9f\u00e9rence, telles que les types de commandes, les codes d’usine ou les conditions de paiement\n<\/li>\n<\/ul>\n

        Ces donn\u00e9es permettront de r\u00e9pondre \u00e0 des questions telles que \u00ab\u00a0quels types de commandes sont utilis\u00e9s par quels types de clients, dans quels pays et \u00e0 partir de quel entrep\u00f4t sont-ils approvisionn\u00e9s ?\u00a0\u00bb.<\/p>\n

        Nous ne pouvons pas entrer dans les d\u00e9tails ici, car il existe de nombreux cas particuliers, mais la logique est simple. Avec toutes ces informations, nous avons une bonne compr\u00e9hension des donn\u00e9es et de la logique d’entreprise qui les unit. Nous sommes pr\u00eats \u00e0 discuter des nouveaux \u00e9chantillons.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

        \n\t\t\t\t
        \n\t\t\t\t\t

        R\u00e9\u00e9chantillonnage\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Nous sommes d\u00e9sormais en mesure de ventiler les donn\u00e9es en fonction des sc\u00e9narios commerciaux que nous devons tester. Et nous pouvons encore limiter les donn\u00e9es \u00e0 l’aide de filtres suppl\u00e9mentaires, comme une p\u00e9riode de temps. Par exemple : s\u00e9lection des donn\u00e9es utilis\u00e9es au cours des six derniers mois d’activit\u00e9. Il est \u00e9vident qu’il y aura des sc\u00e9narios qui ne s’inscriront pas dans cette fen\u00eatre. Mais elles seront facilement identifi\u00e9es en comparant le profilage avec les donn\u00e9es s\u00e9lectionn\u00e9es, et les donn\u00e9es correspondantes pourront alors \u00eatre ajout\u00e9es \u00e0 l’\u00e9chantillon.<\/p>\n

        Reprenons nos commandes de vente : nous avons peut-\u00eatre identifi\u00e9 les types de commandes utilis\u00e9s par les diff\u00e9rents clients, les produits qu’ils ach\u00e8tent g\u00e9n\u00e9ralement, les conditions d’exp\u00e9dition convenues, etc. Pour nous aider \u00e0 \u00e9chantillonner les donn\u00e9es, nous pouvons \u00e9galement \u00e9tablir des classements et s\u00e9lectionner, par exemple, les 10 premiers clients en termes de volume de ventes ou de volume de transactions. Nous pouvons \u00e9galement identifier les produits qui r\u00e9alisent 80 % des ventes, etc. En combinant les cas d’entreprise identifi\u00e9s avec ces classements, nous pouvons construire une base de donn\u00e9es tr\u00e8s solide.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

        \n\t\t\t\t
        \n\t\t\t\t\t

        Soutenir davantage le projet\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        Gr\u00e2ce \u00e0 ce nouvel ensemble d’informations, nous sommes d\u00e9sormais en mesure d’aider le projet g\u00e9n\u00e9ral en apportant un \u00e9clairage plus approfondi sur certains sc\u00e9narios d’entreprise. Nous disposons d’un inventaire des transactions et des tendances, de mani\u00e8re \u00e0 pouvoir les classer, mais aussi de mani\u00e8re \u00e0 pouvoir rep\u00e9rer les exceptions significatives (une commande annuelle qui repr\u00e9sente une bonne partie du chiffre d’affaires, par exemple) et les bizarreries. Tous ces \u00e9l\u00e9ments peuvent contribuer \u00e0 am\u00e9liorer le plan, en incluant des cas n\u00e9glig\u00e9s et en \u00e9liminant le bruit.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

        \n\t\t\t\t
        \n\t\t\t\t\t

        Conclusion\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t\t\t\t\t

        J’ai montr\u00e9 l’int\u00e9r\u00eat de construire des \u00e9chantillons et d’ex\u00e9cuter le profilage des donn\u00e9es pour l’intelligence \u00e9conomique d\u00e8s le d\u00e9but du projet. Ce nouvel ensemble d’informations peut soutenir la migration des donn\u00e9es et le projet g\u00e9n\u00e9ral avec une grande efficacit\u00e9 \u00e0 plusieurs \u00e9gards :<\/p>\n

          \n
        • Impliquer les entreprises \u00e0 un stade pr\u00e9coce et de mani\u00e8re constructive ;<\/li>\n
        • Am\u00e9liorer la compr\u00e9hension de l’entreprise pour toutes les parties concern\u00e9es ;<\/li>\n
        • Fournir des donn\u00e9es significatives pour les essais avec des volumes g\u00e9rables.<\/li>\n<\/ul>\n

          Il est parfois difficile de suivre cette approche. Il y a des clients qui refuseront le profilage des donn\u00e9es par crainte de ce qu’il pourrait r\u00e9v\u00e9ler et des personnes qui contesteront les r\u00e9sultats. Il est certain qu’il n’y a pas de \u00ab\u00a0taille unique\u00a0\u00bb. Dans ce cas, j’essaie d’\u00e9duquer les parties prenantes avec quelques exemples ou de garder les r\u00e9sultats pour l’\u00e9quipe de projet uniquement.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

          Tr\u00e8s souvent, dans les projets multifonctionnels, tels que la mise en \u0153uvre d’un progiciel de gestion int\u00e9gr\u00e9, les diff\u00e9rentes \u00e9quipes \u00e9valuent leur solution ind\u00e9pendamment les unes des autres jusqu’aux derni\u00e8res \u00e9tapes des tests. Et r\u00e9guli\u00e8rement, le projet de migration des donn\u00e9es fonctionne de la m\u00eame mani\u00e8re, en identifiant et en validant la transformation des donn\u00e9es parall\u00e8lement au reste du projet.<\/p>\n","protected":false},"author":5,"featured_media":1925,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[18],"tags":[],"class_list":["post-2034","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog"],"_links":{"self":[{"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/posts\/2034","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/comments?post=2034"}],"version-history":[{"count":7,"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/posts\/2034\/revisions"}],"predecessor-version":[{"id":2530,"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/posts\/2034\/revisions\/2530"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/media\/1925"}],"wp:attachment":[{"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/media?parent=2034"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/categories?post=2034"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/xflowdata.com\/fr\/wp-json\/wp\/v2\/tags?post=2034"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}