Skip to content
Menu
Menu

La qualité de la donnée : Comment relever le défi ?

Retrouvez toute l’actualité de la Data & IA dans notre newsletter Data & Décision

La qualité de la donnée : Comment relever le défi ?

Temps de lecture : 3 minutes

La qualité de la donnée : Comment relever le défi ?

Temps de lecture : 3 minutes

Au cours du salon du « commerce et retail Big Data World », Ider Oudad a eu l’occasion d’animer la table ronde sur le thème de « Relever le défi de la qualité de la donnée ».

Ce qu’il faut savoir, c’est qu’aujourd’hui, la qualité de donnée c’est un prérequis indispensable pour réussir à valoriser ses données au service de sa performance.

Comment fait-on pour relever le défi d’avoir des données de qualité ?

 

La qualité créée de la valeur

 

La qualité de donnée ça sert à quoi ? Il existe 2 façons pour créer de la valeur avec la qualité de donnée :

  • On peut réussir à créer de la valeur en utilisant des données de qualité pour diminuer les coûts. On pourra alors s’affranchir d’une resaisie manuelle, cela permet aussi de prendre des décisions grâce à des bonnes informations, enfin cela nous protège de manquement légal (RGPD par exemple).
  • D’un autre côté, on peut générer du revenu avec des données de qualité. Cela permet par exemple, de contacter tous mes clients, de mieux comprendre leurs interactions et leurs comportements car j’ai une vision 360° précise.

La qualité de la donnée n’est pas une notion absolue

 

Améliorer la qualité de la donnée est une quête sans fin, donc potentiellement un coût énorme. Pour créer de la valeur grâce à la qualité de donnée il faut :

  • définir le niveau de qualité en fonction d’un objectif. Après avoir défini un objectif, il faut définir un seuil d’acceptance de qualité puis des actions correctives éventuellement à mener.
  • Contraster ce que l’on peut appeler le formatage, qui est une vision technique. Tandis que la fiabilité, elle est une vision métier. Pour être un peu plus explicite : prenons l’exemple d’un document recensant des adresses mails. Posséder 100 adresses mails avec un bon formatage (xx@xxx.fr) n’assure pas que ces adresses mails sont à jour et de pouvoir rentrer en contact avec les clients. Le suivi des indicateurs mesurant l’aspect technique est communément répandu contrairement au suivi d’indicateurs mesurant l’aspect métier . Alors, si le premier est nécessaire, le second est indispensable pour créer la valeur.
  • S’assurer de la création de valeur avec de la qualité de données en définissant des indicateurs de circulation de la donnée au sein de l’entreprise. Il faut penser la data comme un actif. Pour maintenir cet actif, il faut bien sûr investir sur une démarche de qualité de donnée dont l’objectif est de produire les informations suffisantes pour prendre de bonnes décisions.

Voici un exemple : pour prévoir mon CA annuel, je n’ai pas besoin du même niveau de précision que si je devais faire une analyse par client sur un périmètre géographique précis. Une fois les indicateurs et objectifs définis, ce qu’il manque c’est : faire comprendre aux équipes opérationnelles les bénéfices à tirer des données.

 

La qualité de la donnée est affaire déresponsabilisation plus que de compétence

 

Comme nous l’avions expliqué, il est capital de communiquer à son équipe opérationnelle pour leur faire comprendre l’enjeu de la qualité de donnée. Pour cela, il faut :

  • Expliquer au métier et au terrain l’intérêt et l’importance d’une bonne qualité de donnée. Ici par exemple, ce sera de dire à un vendeur, que pour atteindre un objectif de vente, il faudra systématiquement demander les mails des prospects, pour les recontacter plus tard. C’est une donnée de qualité qui permettra de vendre davantage et par conséquent d’atteindre les objectifs.
  • Progresser par petit avec des objectifs clairs et précis : préférer 30 minutes par semaine pour améliorer la qualité d’une donnée, primordiale pour contacter des clients, plutôt qu’une initiative sur toutes les données client à temps plein pendant 3 mois.
  • Faire prendre conscience du problème avant de vouloir entamer une démarche qualité de donnée : lier directement clairement les efforts pour mettre en qualité de la donnée à un bénéfice attendu.

 

En résumé, relever le défi de la qualité de la donnée, c’est embarquer chaque équipe opérationnelle en mettant en perspective le bénéfice attendu pour chaque effort de mise en qualité de la donnée.

Vous souhaitez avoir plus de détails sur ce sujet et savoir comment l’adapter à votre entreprise ? N’hésitez pas à nous contacter pour recevoir notre benchmark et un audit sur-mesure !