Salut l’équipe 👋

Savez-vous combien coûtent des décisions faites en fonction de données de mauvaise qualité ? Selon Gartner, le coût de données de mauvaise qualité coûte aux entreprises plus de 10,8 millions de dollars par an.
Ce coût croît d’années en années car la quantité de données augmente considérablement et les infrastructures / systèmes deviennent de plus en plus complexes. La qualité de ces données devient donc un enjeu majeur et critique pour les entreprises.

Alors,  comment mettre en place rapidement une démarche de qualité de données (Data Quality) ? Cet article vous fournira quelques astuces intéressantes  👇

Qu’est-ce que le management de la qualité des données ?

Le management de la qualité des données est l’ensemble des actions et processus permettant de maintenir et d’ améliorer la qualité des données utilisées par une organisation. Il permet de favoriser l’efficacité des actions portant sur la donnée et d’optimiser les flux en s’assurant de l’exactitude, la pertinence et la cohérence des données, ainsi que la fiabilité des processus.

On retrouve les principales actions suivantes :

• Stratégie de Qualité de Donnée
• Profiling
• Audit
• Remédiation
• Enrichissement

⚠️ Attention ! Améliorer la qualité de ses données est souvent perçu comme une action technique et (presque) inutile – sauf que c’est essentiel car ça implique directement des aspects humains, légaux et organisationnels.
Les données étant un asset stratégique, le management de la qualité des données doit être une démarche qui se construit et vit tout long de la vie de l’entreprise et non un projet avec une date de fin.

Par où commencer ?

Les points ci-dessous sont non exhaustifs, et ont pour objectif de démarrer rapidement par des actions simples pour expérimenter. Gardez le motto suivant en-tête : “start-up then scale-up”.

✅ Prioriser les données importantes : L’idée est de prioriser les domaines d’actions (vous ne pourrez pas tout faire en même temps). . Généralement, il est important de commencer par les données clients ou produits (pour améliorer la performance du marketing, SEO, etc..). A vous d’évaluer, en fonction de votre périmètre, quelles données sont prioritaires.

Recommandation 1 : Prioriser par les données où se fait le Business et là où se trouve les problématiques commerciales déjà identifiées.

✅ Auditer les données : Après avoir sélectionné les données à corriger, il est temps de les auditer pour analyser quels sont les problèmes, impacts et idées de remédiations. L’audit doit porter sur 3 aspects :

• La donnée : quels sont les défis techniques ?  (format, standardisation, règles de calculs etc.)
• Les processus : quelles sont les contraintes  issues des processus liés au cycle de vie ou aux interactions entre différentes applications…? 
• Les collaborateurs : quelles sont les erreurs de données liées aux utilisateurs : la compréhension, la façon de mentionner la donnée… 

✅ Réaliser un plan d’actions priorisé et documenter les problèmes et exigences qualité : Pour donner suite à l’audit, il est important d’enregistrer l’ensemble des problèmes dans un journal dédié (ici on parle d’une backlog?), documenter puis prioriser (vous trouverez ici, un template à télécharger)).

Recommandation 2 : je recommande de prioriser en premier, les actions qui ont un faible coût et un fort impact afin de corriger considérablement la qualité. 

Exemples : rendre un champ obligatoire sous un certain format, corriger l’input des noms/prénoms, faire des corrections de format sur les adresses, limiter les champs libres, dédoublonnage etc.

✅ Améliorer le processus de collecte de données et remédier : Sensibiliser les collaborateurs tout en améliorant la collecte des données (directement dans les applications),   permet de corriger les problèmes à la source.

✅ Utiliser les sources externes pour enrichir les données : Selon le besoin, ne pas hésiter à utiliser des sources externes (de domaines privés ou publics) pour enrichir les données et apporter une nouvelle valeur. Ceci est surtout applicable pour les acteurs du BtoB pour la qualification des prospects, la segmentation etc. (via API LinkedIn ou autres sites, annuaires privés etc.). Cette étape est optionnelle et dépend de votre besoin.

Recommandation 3 : Essayez de condenser ce premier round de mise en qualité sur 6 mois pour créer une dynamique et commencer à inscrire cette démarche dans les habitudes. Puis réitérer !

Conclusion

Vous l’aurez compris, le management de la qualité des données est un processus clé de votre business. Il est donc important de s’inscrire dans une démarche d’amélioration continue. N’hésitez pas à utiliser la méthode PDCA (Plan-Do-Check-Act) pour apprendre et évoluer (si vous voulez en savoir plus sur la méthode PDCA, je vous recommande de lire l’article suivant).

Enfin, pour que cette démarche soit comprise et acceptée par tous, n’hésitez pas à communiquer et réaliser des micro-formations pour démocratiser la data comme asset, en prenant des exemples concrets et réels présents dans vos bases de données.

A bientôt !
Laura