Intelligence artificielle, blockchain, analyses prédictives, etc. - aujourd'hui, les entreprises misent de plus en plus sur les nouvelles technologies et procédures. Elles en attendent un avantage par rapport à la concurrence, plus d'efficacité et de meilleures décisions. C'est la qualité des données qui est décisive pour que tout cela fonctionne. Mais que signifie au juste le concept de qualité des données? Quels en sont les critères? Et pourquoi une qualité élevée des données est-elle si importante pour s'imposer à long terme dans la concurrence? Cet article fournit les réponses à ces questions.
Les données coûtent de l'argent. C'est un fait. Un suivi des données d'une grande qualité coûte même encore plus cher. Mais quelle serait l'alternative? Laisser les données livrées à elles-mêmes? Et prendre ensuite des décisions basées sur des informations fausses ou obsolètes? Tolérer des processus compliqués? Écoper d'une amende pour cause de non-respect de la conformité? Voire même courir des risques financiers importants?
Les données erronées, incomplètes ou de mauvaise qualité ont le potentiel de causer beaucoup de dommages. Selon Gartner, ce sont des montants de plusieurs millions qui sont perdus ainsi. Ne pas s'occuper de ses données et de leur qualité n'est donc pas une alternative. Certes, les projets et initiatives ayant pour but d'améliorer et de maintenir la qualité des données sont complexes et chers - et souvent intimidants. Mais le coût de l'inaction est bien plus élevé.
Selon Gartner Research, les données de mauvaise qualité causent des dommages s'élevant à 9.7 millions de dollars par an dans les entreprises.
Pour résister dans la concurrence et s'imposer comme entreprise qui réussit, il est absolument indispensable d'avoir le contrôle de ses données et d'en assurer une qualité élevée. Il n'est pas étonnant de voir la qualité des données figurer tout en haut de la liste des priorités chez beaucoup d'entreprises et CEO. Seuls ceux qui parviennent à mettre les données à disposition de l'entreprise dans une forme complète, correcte et à jour, réussissent à long terme sans claquer de l'argent inutilement.
Nous allons regarder la «qualité des données» de plus près dans cet article. Il est alors intéressant de jeter un coup d'œil sur les trois aspects suivants:
- Pourquoi la qualité des données est si importante pour les entreprises.
- Les critères d’une qualité élevée des données.
- Comment obtenir une qualité élevée des données et la préserver à long terme.
Les raisons d'une qualité élevée des données
Regardons pourquoi la qualité des données est si décisive dans le monde des affaires. Beaucoup d'avantages et de possibilités s'ouvrent à ceux qui mettent à disposition les bonnes données dans la bonne qualité.
1 Décisions
Plus la qualité des données est élevée, plus les collaborateurs font confiance aux décisions qu'ils prennent. Cela réduit les risques et augmente aussi bien l'output que l'efficacité.
La part de tous les CEO qui se soucient de la qualité des données qui sont à la base de leurs décisions. «2016 Global CEO Outlook», KMPG International.
2 Productivité
Une qualité élevée des données entraîne une augmentation de la productivité. Au lieu de valider des données et corriger des erreurs, les collaborateurs ont plus de temps à consacrer à leur véritable travail.
3 Conformité
Une qualité élevée des données fait souvent la différence entre le respect des règlementations et des amendes à plusieurs millions.
4 Marketing
Seules les données correctes permettent de réaliser un ciblage précis et une communication personnalisée. Cela devient de plus en plus difficile et important, surtout dans l'environnement omnicanal actuel.,
Les critères d'une qualité élevée des données
Nous savons à présent pourquoi il est important de tenir des données d'une grande qualité. Regardons maintenant ce qui caractérise la qualité au juste. Il s'agit des 4 critères suivants.
1 Exactitude
Il paraît logique à première vue que les données et informations doivent être justes. Les informations incorrectes n'ont tout simplement rien à faire dans une base de données. Les données correctes garantissent que les mailings parviennent bien au destinataire et - encore mieux - qu'elles représentent par exemple des hiérarchies d'entreprises avec toutes leurs connexions.
Mais l'exactitude dépend aussi du contexte et de la situation. Pour une entreprise, on a par exemple une liste de 10 numéros de téléphone. Mais si on appelle le marketing, on a peu de chances d'obtenir des renseignements sur les finances. En parlant de l'exactitude de données, il n'y a pas de «vérité» qui détermine qu'une information est juste ou non. L'exactitude connaît beaucoup de nuances. Ce qui est judicieux dans un cas, est complètement inutile ailleurs.
2 Intégralité
Seuls les données et paquets de données restituant toutes les informations disponibles sont complètes. Si par exemple seuls deux tiers de tous les achats d'un client sont saisis, ce paquet de données ne reflète pas la vraie valeur du client, mais il sera sous-estimé. Il y a des chances que le paquet de données va rester dans cet état pendant un bon moment. Ce qui signifie que l'entreprise va passer à côté de son véritable potentiel. S'il s'agit d'un client qui serait capable d'une bonne performance, il va de soi que c'est très fâcheux.
3 Standard
Les données standardisées sont très importantes pour l'utilisateur. Elles permettent de les recouper facilement. Un exemple sont les informations relatives aux adresses. Les adresses à Tokyo sont présentées d'une autre manière que celles en Suisse ou aux États Unis. Seuls des standards fermement définis permettent d'importer de nouveaux paquets de données automatiquement et correctement et surtout d'identifier et d'éliminer les doublons.
4 Fiabilité
Les sources de données doivent être fiables et crédibles, tout en remplissant un objectif. C'est seulement si elles répondent à ces critères et qu'elles sont dignes de confiance que les utilisateurs vont s'en servir - et c'est uniquement ainsi que des décisions fondées et correctes voient le jour.
Les 5 étapes pour obtenir une qualité élevée des données
Vous savez à présent pourquoi la qualité des données est si importante et vous en connaissez les critères. Vous aimeriez sans doute savoir maintenant comment faire pour améliorer la qualité de vos données.
1 Définir des objectifs
Avant de commencer à nettoyer des données, vous devez avoir une idée claire du business case que vous voulez résoudre. Pour cela, il faut intégrer toutes les parties prenantes.
2 Identifier les données
Les données se trouvent le plus souvent dans différents silos, donc dans différents systèmes CRM, listes Excel et parfois même sur papier.
Part des entreprises ayant une performance au top et qui font du suivi dans les domaines des données et de l’analytique une priorité stratégique. "2016 Global CEO Outlook", KPMG International.
3 Évaluation
Après avoir fait l'inventaire des données, on procède à une évaluation de la qualité actuelle des données. Cela comprend aussi les processus et les outils.
4 Définir des paramètres
Ici, il s'agit de comprendre les causes de la mauvaise qualité des données. Il se peut que certaines informations soient systématiquement mal saisies par les collaborateurs.
5 Surveiller
La qualité des données étant un sujet continu, une surveillance permanente ou périodique est incontournable.
Les données de base: Venez chercher notre infographie gratuite
Vous avez sûrement compris maintenant pourquoi des données d'une qualité élevée sont si importantes pour votre réussite. Si vous souhaitez vous procurer une vue d'ensemble du sujet des données de base, téléchargez dès maintenant notre infographie gratuite "Master Data".
