Qualité des données La matière première de la décision mérite votre plus grand soin
Les données sont la matière première de la décision. De la qualité des données en amont dépend donc naturellement la pertinence des décisions prises. Pourtant, ce n’est que récemment que sont apparues les démarche de qualité structurées en la matière. Comment mesurer la qualité des données ? Et comment l’améliorer durablement pour en faire une source de compétitivité ? Ces questions, pointues mais concrètes, ont été débattues à l’occasion des 8e Rencontres CIO du décisionnel, le 7 juin dernier à Paris. Decisio y assistait.
A l’heure où les systèmes d’information des entreprises gèrent des volumes de données toujours plus importants, la qualité semble parfois passer au second plan. « Mais pour prendre les bonnes décisions et nourrir le pilotage de l’entreprise, c’est bien la finesse des informations qui importe », explique Xavier Dasque, Senior Manager chez Accenture. Et qui dit finesse des informations dit qualité des données au départ.
Quatre enjeux de la qualité des données
La qualité des données consiste à « fournir les bonnes données, dans le bon format et au bon moment, » souligne Xavier Dasque. Sur le plan stratégique, il s’agit de rendre possibles des analyses efficaces, sans contestation possible. « La qualité des données permet de prendre des décisions fondées sur des faits et non des impressions », explique-t-il. L’enjeu peut également être commercial : toute information erronée sur un client dans des fichiers peut engendrer une insatisfaction - en cas de proposition commerciale inappropriée par exemple, ou d’erreur dans l’adresse... Sur le plan opérationnel, la qualité des données est facteur de productivité et de valeur ajoutée, puisqu’elle permet de « passer plus de temps sur l’interprétation des données que sur leur retraitement. » L’enjeu, enfin, peut être directement financier. La non-qualité des données peut en effet donner lieu à pénalités en cas de non-conformité à certaines normes sectorielles.
Une problématique complexe, mais très concrète
La croissance des volumes gérés par les systèmes d’information rend la question complexe, mais les problèmes liés à la qualité des données sont très concrets : une saisie incohérente, un doublon dans une adresse, une donnée externe en retard... Autant de grains de sable qui peuvent fausser les indicateurs de performance, jusqu’à les rendre parfois inutilisables. La qualité est avant tout affaire de process Mais comment s’assurer de la fiabilité des données en amont ? Pour Xavier Dasque, la qualité des données peut être mesurée selon sept dimensions : intelligibilité, complétude, conformité (aux législations en vigueur), homogénéité, exactitude, disponibilité et unicité. « Il s’agit de donner une vision unique de la vérité, » là où souvent, pour des raisons historiques, plusieurs indicateurs, issus de sources diverses, se font concurrence. Tous ces critères se mesurent bien sûr avant tout au regard des besoins réels des utilisateurs - qu’il s’agisse de pilotage stratégique ou d’efficacité opérationnelle.
Les éléments-clés d’une politique de qualité des données
Les premières politiques de qualité des données mises en œuvre en France sont riches d’enseignements concordants. Elles montrent notamment que la qualité se joue à deux niveaux. Au niveau des stocks, le référentiel unique s’impose peu à peu. Par exemple, une institution bancaire a repris toutes les données de 120 millions de contrats pour construire un « dictionnaire unique ». Au niveau des flux, tous les rejets des applications sont examinés et donnent lieu à des actions correctives - directement sur le référentiel. L’analyse continue des écarts et des rejets permet une amélioration constante de la qualité : « c’est une démarche continue et non un projet limité dans le temps ! » conclut Xavier Dasque.
Pour lancer cette démarche, deux garanties de succès doivent être réunies : le sponsoring de la Direction générale, et l’implication de tous les acteurs. Il faut, pour convaincre la Direction générale, prendre le temps de mesurer l’impact de la non-qualité et surtout démontrer que la qualité est source de compétitivité pour l’entreprise. Reste ensuite à faire preuve de pédagogie auprès des directions opérationnelles.
Les outils de la qualité
Tous les experts s’accordent à le dire : la qualité est avant tout affaire de process. Toutefois, de nouveaux outils prédictifs apparaissent peu à peu en France, permettant d’agréger des données hétérogènes et d’assurer un service en temps réel. « La frontière entre back-office et front-office se réduit, on parle aujourd’hui de continuité de la donnée », explique Christophe Chalopin, responsable des solutions intégration et qualité des données chez SAS. D’où le concept de « Master Data Management », basé sur des hubs applicatifs avec un référentiel unique et une véritable « traçabilité de la donnée ».
Démarche qualité, traçabilité : l’apparition d’un standard de qualité des données n’est pas loin. Le mouvement est d’ailleurs rendu inéluctable par le développement du partage d’informations entre entreprises. Des « contrats de service » pourraient voir le jour prochainement, où des entreprises s’engageraient sur un niveau défini de qualité des données fournies. Qu’on se le dise : sur le marché de la décision, la matière première est une valeur en hausse !
publié le 22/06/2007