Objectifs:

Une gestion efficace des données implique une série de processus complexes et interdépendants qui permettent à une organisation d’utiliser ses données pour atteindre ses objectifs stratégiques. La gestion des données comprend la capacité de concevoir des données pour des applications, de les stocker et d’y accéder en toute sécurité, de les partager de manière appropriée, d’en tirer des enseignements et de s’assurer qu’elles répondent aux besoins de l’entreprise. Les affirmations relatives à la valeur des données reposent sur l’hypothèse que les données elles-mêmes sont fiables et dignes de confiance. En d’autres termes, elles sont de grande qualité.

Cependant, de nombreux facteurs peuvent saper cette hypothèse en contribuant à la mauvaise qualité des données: manque de compréhension des effets de la mauvaise qualité des données sur le succès de l’organisation, mauvaise planification, conception de systèmes « en silo », processus de développement incohérents, documentation incomplète, manque de normes ou manque de gouvernance. De nombreuses organisations ne parviennent pas à définir ce qui fait que les données sont « adaptées à leur objectif ». Toutes les disciplines de gestion des données contribuent à la qualité et l’objectif de toutes les disciplines de gestion des données devrait être d’obtenir des données de haute qualité qui soutiennent l’organisation. Étant donné que des décisions ou des actions non éclairées prises par quiconque interagit avec les données peuvent aboutir à des données de mauvaise qualité, la production de données de haute qualité nécessite un engagement et une coordination interfonctionnels. Les organisations et les équipes doivent en être conscientes et planifier des données de haute qualité, en exécutant les processus et les projets d’une manière qui tienne compte des risques liés à des conditions imprévues ou inacceptables dans les données.

Activités menées par notre équipe:

Définir des données de haute qualité

Nombreux sont ceux qui reconnaissent des données de mauvaise qualité lorsqu’ils en voient, mais moins nombreux sont ceux qui sont capables de définir ce que l’on entend par données de haute qualité. Avant de lancer un programme de qualité des données, il est utile de comprendre les besoins de l’entreprise, de définir les termes, d’identifier les points faibles de l’organisation et de commencer à établir un consensus sur les moteurs et les priorités de l’amélioration de la qualité des données. Une série de questions doit être posée pour comprendre l’état actuel et évaluer l’état de préparation de l’organisation à l’amélioration de la qualité des données.

Définir une stratégie de qualité des données

L’amélioration de la qualité des données nécessite une stratégie qui tienne compte du travail à effectuer et de la manière dont les personnes l’effectueront. Les priorités en matière de qualité des données doivent s’aligner sur la stratégie de l’entreprise. L’adoption ou le développement d’un cadre et d’une méthodologie permettra d’orienter à la fois la stratégie et les tactiques tout en fournissant un moyen de mesurer les progrès et l’impact. Un cadre devrait inclure des méthodes pour:

• Comprendre et hiérarchiser les besoins de l’entreprise
• Identifier les données clés pour répondre aux besoins de l’entreprise
• Définir les règles de gestion et les normes de qualité des données en fonction des besoins de l’entreprise
• Évaluer les données en fonction des attentes
• Partager les résultats et obtenir un retour d’information de la part des parties prenantes
• Hiérarchiser et gérer les problèmes
• Identifier et hiérarchiser les possibilités d’amélioration
• Mesurer, contrôler et rendre compte de la qualité des données
• Gérer les métadonnées produites par les processus de qualité des données
• Intégrer les contrôles de la qualité des données dans les processus commerciaux et techniques

Un cadre devrait également expliquer comment organiser la qualité des données et comment exploiter les outils de qualité des données.

Identifier les données critiques et les règles de gestion

Toutes les données n’ont pas la même importance. Les activités de gestion de la qualité des données doivent d’abord se concentrer sur les données les plus importantes de l’organisation: les données qui, si elles étaient de meilleure qualité, apporteraient une plus grande valeur à l’organisation et à ses clients. Les données peuvent être classées par ordre de priorité en fonction de facteurs tels que les exigences réglementaires, la valeur financière et l’impact direct sur les clients.

Réalisation d’une évaluation initiale de la Qualité des Données

Une fois que les besoins les plus critiques de l’entreprise et les données qui les soutiennent ont été identifiés, la partie la plus importante de l’évaluation de la qualité des données consiste à examiner ces données, à les interroger pour comprendre leur contenu et leurs relations, et à comparer les données réelles avec les règles et les attentes. La première fois qu’ils procèdent à cet examen, les analystes découvrent de nombreuses choses : des relations et des dépendances non documentées dans les données, des règles implicites, des données redondantes, des données contradictoires, etc.

Identifier les améliorations potentielles et les classer par ordre de priorité

Après avoir démontré que le processus d’amélioration peut fonctionner, l’objectif suivant est de l’appliquer de manière stratégique. Pour ce faire, il convient d’identifier les améliorations potentielles et de les classer par ordre de priorité.

L’identification peut se faire par l’établissement de profils à grande échelle sur des ensembles de données plus vastes afin de comprendre l’ampleur des problèmes existants. Elle peut également être réalisée par d’autres moyens, par exemple en interrogeant les parties prenantes sur les problèmes de données qui les affectent et en procédant à une analyse de l’impact de ces problèmes sur l’entreprise. En fin de compte, l’établissement des priorités nécessite une combinaison d’analyse des données et de discussion avec les parties prenantes.

Définition des objectifs d’amélioration de la qualité des données

Les connaissances acquises lors des évaluations préliminaires constituent la base des objectifs spécifiques du programme de qualité des données. L’amélioration peut prendre différentes formes, de la simple réparation (par exemple, la correction d’erreurs dans les enregistrements) à la correction des causes profondes. Les plans de réparation et d’amélioration doivent prendre en compte les gains rapides – les problèmes qui peuvent être résolus immédiatement à faible coût – et les changements stratégiques à plus long terme. L’objectif stratégique de ces plans doit être de s’attaquer aux causes profondes des problèmes et, avant tout, de mettre en place des mécanismes de prévention des problèmes.

Développer et déployer des opérations de qualité des données

De nombreux programmes de qualité des données sont lancés par le biais d’une série de projets d’amélioration identifiés grâce aux résultats de l’évaluation de la qualité des données. Afin de maintenir la qualité des données, un programme de qualité des données doit mettre en place un plan permettant à l’équipe de gérer les règles et les normes de qualité des données, de contrôler la conformité des données avec les règles, d’identifier et de gérer les problèmes de qualité des données et de produire des rapports sur les niveaux de qualité.