Permettre à l'IA de décoder vos correspondances EDI dans MapForce

Parmi tous les formats de données avec lesquels un développeur d'intégration est amené à travailler, EDI est celui qui risque le plus de ralentir le processus, notamment lors de la phase de mappage. Les normes sont anciennes, les identifiants sont volontairement concis, et la structure est très complexe. Un segment comme NAD ou un groupe comme SG29 a une signification commerciale réelle et précise, mais rien dans son nom ne vous indique cette signification. Avant de pouvoir connecter un seul champ EDI à une base de données cible, vous devez savoir ce qu'il représente, ce qui implique généralement de consulter la spécification du message.

Ce travail de décodage est la partie de l'intégration EDI qui résiste à l'automatisation. Déterminer quel élément source obscur correspond à quelle colonne de destination est un processus lent et manuel qui dépend entièrement de quelqu'un qui connaît déjà le format.

C'est précisément là qu'Altova AI dans MapForce est le plus utile. Il comprend la signification de ces identifiants EDI souvent obscurs, propose les correspondances appropriées et vous permet de les accepter un par un, sans que vous ayez à traduire les spécifications au préalable.

Mappage de données EDI

MapForce prend en charge un large éventail de normes EDI, ainsi que leurs versions actuelles et antérieures, notamment :

EDIFACT
ANSI X12
HL7 (Health Level 7)
HIPAA X12
SAP IDOC (ou : Document IDOC SAP)
IATA PADIS
TRADACOMS
SWIFT
ODETTE
VDA EDI
FORTRAS

Cela signifie que vous pouvez convertir et traiter les données EDI entre n'importe quel autre format de données pris en charge, qui incluent les bases de données, XML, JSON, Excel, PDF, et bien d'autres.

Exemple concret d'intégration de données EDI

Examinons une exigence courante dans le domaine de l'intégration de données et de l'ETL : la conversion d'un document EDI vers une base de données interne et voyez comment cela fonctionne en utilisant Altova AI.

Nous commençons par importer le fichier de commande EDI source et le schéma de la base de données cible dans un nouveau projet MapForce. La base de données contient plusieurs tables – Clients, Commandes, Articles, etc. – qui sont liées par des relations, ce qui est typique d'un schéma de gestion des commandes normalisé.

Au lieu de laisser l'IA analyser l'ensemble du schéma en une seule fois, nous allons construire la table de correspondance table par table. Cela permet de concentrer les suggestions et de les rendre plus faciles à examiner.

Nous sélectionnons la table "Clients" dans la base de données cible comme point de départ, et nous demandons à Altova AI de trouver des correspondances pour mapper les données de la table "Clients" à partir de n'importe quel endroit dans la source EDI.

Elle analyse la structure des données sources et propose un ensemble de connexions, représentées en vert.

Cela propose en réalité plus de fonctionnalités que ce dont nous avons besoin pour le moment : en plus des champs relatifs aux clients, il suggère des connexions pour les articles et les identifiants d'articles. Comme nous nous concentrons délibérément sur la table des clients en premier, nous rejetons ces suggestions en décochant les cases correspondantes, puis nous cliquons sur Valider pour conserver uniquement les connexions pertinentes pour les clients.

Voici l'intérêt du processus interactif d'acceptation ou de refus : l'intelligence artificielle propose une première version élaborée, et nous décidons ensuite de ce qui doit être conservé.

Compléter les champs d'adresse

Une fois les champs clients essentiels définis, nous passons à l'adresse. Nous demandons à Altova AI de trouver des correspondances pour les champs de l'adresse, et il renvoie des résultats pour Adresse et Ville.

Nous avons encore besoin de connexions pour "State" et "Street", nous vous demandons donc de bien vouloir nous les fournir également. Ces demandes de suivi permettent d'identifier les éléments sources corrects pour les deux.

Il est important de souligner ceci : lorsque la première analyse ne couvre pas tout, vous ne revenez pas à un travail de cartographie manuel. Vous dirigez l'intelligence artificielle vers les domaines spécifiques qui restent à traiter et vous lui demandez de générer davantage de suggestions, uniquement pour ces domaines. Chaque requête réduit la quantité de travail restante.

Cartographier les articles contenus dans la commande

Maintenant, nous pouvons traiter les éléments de la ligne. Dans la base de données cible, la table Articles est liée à partir de la table Commandes, nous la sélectionnons donc là et demandons à nouveau à Altova AI de trouver les correspondances à partir de la source.

C'est la partie d'une correspondance EDI qui est généralement la plus difficile, car les données relatives aux articles se trouvent profondément à l'intérieur d'un groupe de segments imbriqués, souvent avec des noms de champs obscurs. Altova AI gère cela de manière efficace : il localise les éléments corrects à l'intérieur de SG29, le groupe de segments qui contient les détails des articles, et propose les correspondances appropriées.

Pourquoi cela est particulièrement important pour l'EDI (échange de données informatisé)

L'exemple ci-dessus est assez simple, mais il illustre les difficultés qui rendent l'intégration EDI lente lorsqu'elle est appliquée à grande échelle :

Les identifiants cryptiques sont décodés pour vous. Vous n'avez pas besoin de savoir à l'avance ce que représentent NAD, LIN ou SG29. L'IA d'Altova analyse les données et propose la correspondance.
La structure imbriquée est gérée. Les éléments de ligne intégrés dans des groupes de segments sont détectés et liés automatiquement, sans avoir à parcourir manuellement la hiérarchie.
Vous gardez le contrôle. Chaque suggestion est examinée et acceptée ou rejetée individuellement (ou toutes en même temps, lorsque cela est pertinent), de sorte qu'une première version, même très complète, ne devient jamais une "boîte noire".
L'itération est peu coûteuse. Lorsqu'une opération ne traite pas correctement un champ, vous pouvez simplement relancer l'opération pour ce champ précis, plutôt que de le corriger manuellement.
Le résultat est un projet MapForce complet. Tout est intégré à l'environnement graphique standard, prêt à être exécuté, à être automatisé avec MapForce Server, ou à être affiné comme n'importe quel autre projet de transformation de données.

Pour les équipes qui échangent régulièrement des données EDI aux formats EDIFACT, X12, HL7, HIPAA et les autres standards pris en charge par MapForce, cela transforme la partie la plus lente et la plus spécialisée du processus en une ébauche que vous pouvez examiner, plutôt qu'en un document que vous devez décoder.

Testez-le sur vos propres configurations d'échange de données électroniques

Altova AI est disponible sous forme d'abonnement complémentaire à votre licence MapForce et nécessite un contrat de support et de maintenance actif (SMP). Le moyen le plus rapide de découvrir ses fonctionnalités est de lui fournir un fichier EDI et une cible que vous connaissez déjà, et d'observer comment il gère les connexions que vous suivriez normalement manuellement.

Examine les différentes options et commencez un abonnement sur la [boutique en ligne Altova](https://shop.altova.com/\), ou découvrez-en davantage sur Altova AI dans MapForce.