La data quality fait partie des enjeux majeurs pour les organisations, aussi bien sur des dimensions décisionnelles, financières ou de performance. En effet, des données de mauvaise qualité peuvent coûter cher ; une étude menée par MIT Sloan indique que la négligence sur la qualité des données peut coûter de 15 à 25 % du chiffre d’affaires.
Ces pertes peuvent se chiffrer en opportunités manquées en lien avec de mauvaises décisions ou un déficit d’image mais également en sanctions légales et en temps passé pour traquer, nettoyer et corriger les données erronées. Les risques sont aussi bien opérationnels que financiers, légaux ou stratégiques!
In contrast, high quality data allows businesses to improve their operational performance, boost customer satisfaction and be more competitive in swiftly reorienting business strategy if need be.
Quels sont les critères de qualité applicables aux données ?
Selon PWC, Micropole, EBG dans « Qualité des données, Quelle(s) vérité(s) dans les entreprises », « la qualité des données désigne l’aptitude de l’ensemble des caractéristiques intrinsèques des données (fraîcheur, disponibilité, cohérence fonctionnelle et/ou technique, traçabilité, sécurisation, exhaustivité) à satisfaire des exigences internes (pilotage, prise de décision…) et des exigences externes (réglementations,…) à l’organisation »
Une donnée ne possède pas une qualité intrinsèque. Sa qualité ne peut être évaluée qu’à partir du moment où l’on sait ce que l’on veut en faire : Quel est l’objectif final ? Quel sera son traitement ? Quelle signification sémantique donne-t-on à l’information ? Quelles sont les attentes en termes de qualité et pourquoi ? Autrement dit, la qualité se définit en fonction de l’usage attendu par ses utilisateurs (IT, services métiers, direction…).
Cela suppose à la foisune connaissance approfondie et détaillée des processus métier qui traversent l’ensemble de l’organisation et des standards en vigueur pour permettre l’échange de données en interne et en externe.
Le RGPD impose des limites clairement définies au traitement des données à caractère personnel, tout au long de leur cycle de vie. Les données stockées ou utilisées en dehors du cadre fixé par la réglementation ne peuvent être considérées comme des « données de qualité », même si elles apportent un gain d'efficacité et de valeur à l'organisation.
A partir de ces points de considération, la qualité des données peut être jaugée à l’aune de différents indicateurs : son profil, son exactitude, sa complétude, sa conformité, son intégrité, sa consistance, sa disponibilité, son applicabilité, son intelligibilité, son intégration, sa flexibilité, sa comparabilité, sa cohérence etc. Les critères sont variés ! Rentrent en jeu également des critères de services comme la compréhensibilité, l’accessibilité ou la fraicheur de la donnée.
Mettez en place une base de données fiable pour permettre une automatisation pilotée par l'IA et une prise de décision sûre. Téléchargez le livre blanc pour découvrir comment faire de la gouvernance des données une capacité stratégique — et tirer pleinement parti de l'automatisation évolutive et de l'IA.
Raisons justifiant la mise en place d'une gestion de la qualité des données
Un processus de qualité des donnéesne se limite pas au chargementdes données pertinentes dans les systèmes d'information.Il consiste également à éliminer les données erronées, corrompues ou en double.
Si les erreurs peuvent avoir une cause technique, elles sont généralement dues à des défaillances humaines ou organisationnelles survenant à différentes étapes du cycle de vie et à différents niveaux du système d'information :
- Lors de la collecte de données, en raison d'erreurs de saisie, qu'elles soient intentionnelles ou non ;
- Lors du partage de données, en créant plusieurs versions d'un élément de données ;
- Lors de l'exportation de données, en raison de règles mal définies ou de problèmes de compatibilité
- Lors de la gestion des donnéesen cas de codage incorrect.
La gestion de la qualité des donnéesdésigne la capacité à fournir des données fiables répondant aux exigences fonctionnelles, métier et techniques des utilisateurs ; en d'autres termes, àtransformer des données de haute qualité en informations utiles.
En tant que directeur des produits, Édouard Canteest chargé de l'orientation stratégique et du développement du portefeuille de produits de SoftProject. Fort d'une excellente connaissance du marché et d'un esprit d'innovation très marqué, il promeut des solutions centrées sur le client et veille à la compétitivité à long terme de l'entreprise.
