Quel rôle les équipes métier peuvent avoir dans la qualification des données ?

La qualification est un pilier fondamental du processus de gestion des données. Les données alimentent le système d’information, les outils d’aide à la décision et les stratégies d’entreprise.

Elles nécessitent donc d’être les plus pertinentes et fiables possibles. Longtemps réservée aux services informatiques, le data management tend aujourd’hui à devenir une action commune.

Cette approche de l’analytique dit en « libre-service » revient à confier une partie de la qualification et de la préparation des données aux opérationnels, utilisateurs finaux. Voyons quels sont les avantages à impliquer les équipes métier dans le processus de qualification des données.

Qu’est-ce que la qualification des données ?

La qualification des données revient à augmenter la valeur ajoutée des données détenues par une entreprise. Elle rassemble tous les procédés visant à maintenir la fiabilité et la cohérence des informations tels que le nettoyage, le dé-doublonnage, l’enrichissement des données etc…

La qualification permet l’utilisation des données conformément aux processus métier d’une organisation et favorise la prise de décision. La qualité des données, aussi appelée « data quality », est un sujet essentiel qui se retrouve au cœur des problématiques d’entreprises de toutes tailles.

Quels critères pour une donnée qualifiée ?

La qualité des données est fondée sur plusieurs critères fondamentaux. Voici les 6 critères à respecter pour une donnée qualifiée et fiable selon Axysweb :

La précision

La précision est un critère essentiel pour proposer des données de haute qualité. Les informations détenues doivent être suffisamment précises pour pouvoir être utilisées. Cette précision se mesure par rapports aux règles métiers et aux seuils définis par l’entreprise

La cohérence

Pour être définie comme qualifiée, une donnée doit être cohérente et fiable c’est-à-dire qu’elle ne doit pas comporter de valeur aberrante. Elle est en accord avec les autres bases de données du système d’information, sans les contredire.

La complétude

Une information incomplète n’apporte aucune valeur ajoutée à l’entreprise. Pour être qualifiée, les données doivent contenir tous les éléments et valeurs nécessaires pour déployer des stratégies et prendre des décisions.

L’actualité

Les données doivent être récentes et mises à jour régulièrement pour pouvoir être qualifiées. Elles restent pertinentes malgré leur utilisation dans le temps.

L’unicité

Le critère d’unicité fait référence à l’absence de doublons dans les enregistrements des jeux de données. De nombreuses erreurs seront évitées par l’organisation s’il est respecté.

La validité

La validité des données revient à faire respecter les normes définies par l’entreprise. Elle permet de savoir si une donnée est valide ou non aux yeux de la société.

L’accessibilité

Les données peuvent être les plus qualifiées possible mais si elles ne sont pas accessibles elles sont inutiles. Ce dernier critère est donc primordial, il assure que les données sont bien présente dans le système d’information est utilisables facilement par les utilisateurs.

Les grands enjeux de la qualification

La qualité des données est un pilier du data management. Cette discipline représente de grands enjeux car elle est la base de toutes les actions opérationnelles et stratégiques.

Les opérations menées à partir de données non qualifiées sont très risquées car elles peuvent avoir des conséquences lourdes pour une société. En effet, si l’analyse approximative et non certifiée, elle mènera forcement à des actions bancales.

Prenons l’exemple le plus courant lorsqu’on parle de data quality. Imaginez un fichier client comportant des adresses postales non actualisées. En s’appuyant sur ces données, l’entreprise enverra une campagne marketing par courriers à de mauvaises adresses. Elle n’atteindra pas ses objectifs. Son action aura moins d’impact et elle perdra finalement de l’argent.

Les décisions s’appuyant sur des données qualifiées ont plus de chance d’atteindre les objectifs fixés. Les décisionnaires de tous niveaux bénéficient d’une vision juste et fiable de la situation. L’identification des opportunités est favorisée et l’entreprise est davantage proactive.

Si les données sont précises, complètes, actualisées et disponibles au bon endroit les collaborateurs ne perdent plus de temps la recherche d’information. Ils accèdent directement aux ressources dont ils ont besoin pour mener leurs actions. Ce gain de temps augmente leur productivité sur des tâches utiles à forte valeur ajoutée.

Les données qualifiées optimisent les processus internes, améliorent les ventes, le ROI des campagnes marketing, mais impactent également le service client, la logistique et plus globalement l’image de marque de l’entreprise.

Comme nous l’avons vu en introduction, la qualification et la préparation des données tendent de plus en plus à devenir une action collective.

Ce concept appelé analytique en libre-service consiste à impliquer les utilisateurs métier dans la gestion de la qualité des données, au même titre que le service informatique et les data scientists.

Ces opérationnels connaissent bien la data et savent exactement ce dont ils ont besoin en tant qu’utilisateurs finaux. Nous assistons ainsi à la création de nouveaux postes tels que les data stewards ayant pour mission de faire le lien entre les métiers et les responsables des données.

L’analytique en libre-service touche de plus en plus d’entreprise. Ces dernières ont réalisé que la participation d’un plus grand nombre de collaborateurs pouvait être favorable au processus de qualification.

Voici une liste des 7 avantages principaux à impliquer ses équipes dans le long travail de qualité des données.

La définition d’un cadre de travail commun

Avant de rendre la data quality en libre-service possible, il est indispensable de définir un cadre de référence qui servira de base à toutes les actions.

Il convient alors de s’accorder sur plusieurs points qui serviront à mesurer la qualité des données tels que :

• Le degré de précision des données souhaité
• Les critères de complétion, de mise à jour et de validité
• Les valeurs de référence permettant les comparaisons, ect…

Ce cadre commun va permettre aux différentes équipes de travailler ensemble dans la même direction. Il favorise la bonne collaboration.

La création de règles adaptées aux métiers

L’avantage le plus direct à impliquer les métiers dans le processus de qualification est leur connaissance du terrain. Leur participation va permettre la création de règles de qualification des données directement à partir de leurs besoins métiers.

Les services client, commercial, marketing ou encore logistique vont ainsi pouvoir exposer clairement leurs attentes et y répondre au mieux.

Mieux organiser et encadrer la qualification

Le développement de la qualité des données en libre-service est également bénéfique quant à l’organisation et l’encadrement du processus.

Pour réalisation ce projet l’entreprise va devoir généraliser les outils de gestion des données en configurant les rôles et accès de chaque utilisateur.

La qualification sera mieux encadrée grâce à des workflow et des contrôles de qualité bien définis.

Accélérer le processus qualification

Plus il y aura de services impliqués dans la qualification des données, plus elle sera rapide et facile à maintenir.

En effet, en transférant une partie des responsabilités aux utilisateurs le service informatique peut consacrer plus de temps à régler des problématiques techniques tout en gardant le contrôle.

De leur côté les utilisateurs gagnent du temps car ils ne sont plus dépendants pour accéder à telle ou telle donnée. Ils sont capables de collecter et nettoyer les données dont ils ont besoin pour agir rapidement.

Privilégier la collaboration entre les services

Langages différents, besoins divergents, il est fréquent que le département informatique rencontre des problèmes de communication avec les autres services.

L’implication des équipes opérationnelles dans la gestion des données va privilégier la collaboration entre les services.

L’instauration du libre-service va permettre de combler ce fossé, en donnant une nouvelle place aussi bien à l’utilisateur qu’au service informatique.

Ce dernier reste le principal gérant des données, mais à également une mission de conseiller pour aider les utilisateurs à devenir plus autonomes.

Répondre au besoin d‘autonomie des métiers

L’objectif de l’analytique en libre-service est de permettre à l’utilisateur d’accéder aux données dont il a besoin sans aucune dépendance. Elle répond donc à un besoin d’autonomie et de pro-activité.

Les solutions de qualification et de préparation des données en libre-service permettant de donner le contrôle aux utilisateurs métier tout en maîtrisant les actions de chacun.

Les utilisateurs sont autonomes pour gérer leurs données au niveau opérationnel, sans pour autant avoir un impact négatif sur l’entreprise.

Développer une culture orientée data

Les données sont des ressources de plus en plus vitales pour les organisations. Elles doivent se tourner de plus en plus vers une culture orientée données pour mieux vendre, mieux communiquer, et développer des stratégies performantes.

L’implication des équipes dans la data quality permet de démocratiser l'accès aux données et de développer un peu plus cette culture.