Le zéro défaut en matière de qualité des données : un doux rêve ?
Michel Bruley
Il est essentiel de bien comprendre l’intérêt d’une bonne qualité des données, ses effets en termes de coûts et d’efficacité. La qualité des données est très importante pour les analyses qui visent à éclairer les décisions, pour la gestion des opérations, pour la relation client par exemple, elle participe grandement au succès de l’entreprise. Mais au sein de la plupart des organismes, sous la pression des objectifs de réduction des coûts, la qualité est sous financée, abordée de façon parcellaire, sans vision d’ensemble, ni perspective de long terme.
La gestion de la qualité des données démarre avec la définition des données, elle continue avec la maîtrise des processus de création, de mise à jour et de transformation tout au long du cycle de vie des données. Les erreurs qui affectent les données peuvent être faites à n’importe quel moment de la chaîne d’information, et plus particulièrement lorsque les données sont utilisées dans d’autres processus que celui où elles ont été créées. Le management de la qualité des données est donc complexe, et nécessite de mobiliser de nombreux acteurs de tous les horizons de l’entreprise (informaticiens, utilisateurs métier opérationnels, analystes, etc.)
L’identification des sources de données de mauvaises qualité est une condition nécessaire et un préalable indispensable à toute initiative d’amélioration, mais encore faut-il que les enjeux, les gains espérés, soient suffisamment élevés pour justifier des coûts souvent importants. Cependant les fortes demandes d’accès et d’analyse des données auxquelles les systèmes d’information doivent faire face aujourd’hui, notamment en provenance des directions, créent une exigence très forte quant à la qualité des données délivrées. Ainsi dans de nombreuses entreprises les données sont considérées comme une ressource précieuse, essentielle même, pour des décisions pouvant avoir un impact fort sur la marche des affaires.
Lorsque des études sont faites à l’intérieur des entreprises sur ce thème de la qualité des données, les répondants disent régulièrement qu’ils n’ont pas une vision claire des rôles, des responsabilités, des processus et des coûts. Dans ces conditions, pour répondre aux problèmes de qualité des données et mieux profiter d’une vision d’ensemble des données de l’entreprise, de nombreuses sociétés mettent en place une équipe de gestion de la qualité des données. Cette équipe de gestion a pour objectif de permettre une bonne exploitation des informations-clés d’une société. Multifonctionnelle elle réunit des représentants de chaque ligne d’activités et de chaque fonction de l’entreprise. Ils sont chargés de gérer les données et les informations pour l’ensemble de la société. Des représentants des services informatiques fournissent support et conseils à l’organisation sur de nombreux points, et plus particulièrement ceux liés à l’utilisation des outils d’infrastructure.
Pour aller plus loin sur le sujet vous pouvez utilement consulter mes autres articles sur la qualité des données dans le système d’information décisionnel : cliquez ici
> A LIRE EN CE MOMENT SUR DECIDEO
-
MongoDB for Startups s'élargit pour offrir aux fondateurs un démarrage plus rapide et plus intelligent dès le lancement
-
Une étude Riverbed révèle que les entreprises du secteur industriel ont doublé leurs investissements dans l'IA, mais que seulement 37 % d'entre elles sont pleinement préparées sa mise en œuvre
-
L’écart d’exécution de l’IA : pourquoi la majorité des entreprises peinent encore à produire des résultats
-
Compliance : Altares lance la première IA dédiée au traitement des faux positifs
-
Impossible de stopper le shadow AI : voici comment en faire une force
-
Seules 7 % des entreprises considèrent que leurs données sont entièrement prêtes pour l’IA, selon une nouvelle enquête menée par Cloudera et Harvard Business Review Analytic Services
-
Denodo Platform 9.4 accélère la transition vers une IA agentique opérationnelle et performante
-
Sauvegarder, c’est gouverner : la donnée au cœur de la résilience numérique
-
La moitié des entreprises françaises s’efforcent de développer des capacités IA agentiques fiables, mais le talent, le coût et la réglementation/l’éthique restent des obstacles
-
Pourquoi ne devrait-on plus avoir peur de l’optimisation mathématique ?