La « data » est devenue un asset, et sa qualité est au coeur de la performance de l’entreprise.
Les données sont rattachées à 2 enjeux étroitement imbriqués :
- L’optimisation opérationnelle : libérer du temps aux acteurs internes et fiabiliser ce qui est exposé dans les « fronts digitaux« .
- Maîtriser l’information : permettre aux experts de la « data » de valoriser les données, notamment au sein d’analyses et d’indicateurs métiers.
1. Il existe un socle d'exigences communes qui définissent les principaux critères de qualité
- La complétude.
- L’exactitude et la cohérence entre les données.
- Le respect des valeurs et des formats.
- L’unicité.
- Et aussi la validité dans le temps : la donnée doit être la plus récente et toujours exacte.
2. La Qualité des données fait partie d'une matrice plus large : la gouvernance des données
La gouvernance s’organise autour des bonnes pratiques suivantes :
- Un » profiling » de la donnée pour la comprendre, tant sur le plan de sa structure que de sa qualité.
- Une organisation et un suivi/reporting du cycle de vie de la donnée.
- Des » Data Owners » pour prioriser les besoins des équipes métiers.
- Des » Product Owners » pour piloter la mise à niveau des applications.
- Une équipe de » Data Stewards » pour gérer les données au quotidien.
3. Préparer les données est la clé d'entrée vers la qualité de l'information
👉🏼 Rassembler, combiner, structurer et organiser les données.
- Le cataloging et l’attention portée aux métadonnées qui faciliteront la recherche et l’extraction.
- Des » workflows » de transformation (complétude, correction, validation).
- Le stockage selon un modèle qui accélère l’accès aux données.
- L’enrichissement grâce au croisement avec des bases externes, pour corriger ou compléter certaines valeurs.
- Des traitements algorithmiques et/ou de ML pour ajouter des indicateurs qui qualifient l’information et augmentent son utilisabilité.
A retenir
Pour associer efficacité opérationnelle et pilotage des données, une réponse s’impose de plus en plus : la centralisation des données au sein des plateformes :
- Pour les données référentielles : les MDM (Master Data Management).
- Pour toutes les données : les plateformes de données d’entreprise, et de plus en plus en mode « Lakehouse ».
La clé de réussite ?
👉🏼 Mêler expertise technique et expertise métier en capitalisant sur les savoirs des Data Engineers et des Data Analysts.