La qualité des données, pilier de la confiance

Vos données sont un atout stratégique majeur qui procurent un avantage concurrentiel si elles sont exactes et utilisables. La qualité des données est définie différemment par l'entreprise et l’IT. D’un point de vue business, elle est définie par sa facilité d'accès, son actualisation et sa pertinence. De son côté, le service informatique définit la qualité des données par la capacité à réussir ou échouer des tests. Chaque définition est correcte, mais pour garantir que les données répondent aux attentes de l'entreprise, vous avez besoin d'un lien tangible lors de la mesure et du reporting sur les conditions de qualité des données.

‍

Quelques chiffres qui entourent la qualité des données de l’entreprise ?

‍

• 62% des organisations s'appuient sur des données de prospects jusqu'à 40% inexactes 
• 7% des prospects contenaient des adresses e-mail / physiques non valides : trappes à mailings. 
• 37% des adresses emails changent annuellement. 
• 30% des organisations n’ont pas de stratégie pour mettre à jour des données imprécises ou incomplètes.

‍

Quelques questions à se poser sur la qualité des données de votre entreprise ?

‍

• Quel est le niveau de qualité des données que je possède ? 
• Les données sont-elles « aptes à être utilisées » dans leurs rôles opérationnels, décisionnels et autres prévus » ou elles doivent se conformer à des normes bien établies, afin de pouvoir être utilisées ? 

‍

Exemples de soucis de qualité : prévoir des exemples en français 

‍

Les formats de dates aux Etats-Unis de la forme ‘Mois-Jour-Année’ sont différents de ceux en Europe ’Jour-Mois-Année’. Avec des données internationales, on doit prendre en considération le pays d'origine pour savoir si la date représente le 6 juillet 2021 ou le 7 juin 2021. Les dates (au nombre de 25 types dans Excel), sont complexes et doivent être formatées correctement ! (inconsistance) 

Les erreurs humaines : I pour 1, “O” pour “0” et les unités de mesures multiples (invalidation)

Prix en euros, pounds, dollars (inconsistance)

La même information est entrée de multiples fois mais exprimée différemment (le nom d’une personne de manière différente) (redondance)

‍

Quand doit-on monitorer la qualité de ses données ?

‍

• Nettoyage des données et migration des systèmes hérités vers les systèmes plus récents Intégration de plusieurs sources de données 
• Identification des doublons et meilleur ajout de nouvelles données 
• Profilage et standardisation des données pour un meilleur reporting sur tableaux de bords 
• Qualité des données en temps réel dans les systèmes opérationnels utilisant des services Web.

‍

Echangeons sur le potentiel de vos données et comment nous pouvons les valoriser en nous laissant votre contact ci-dessous.

‍