Savez-vous vraiment ce qu’est la qualité des données ?
Nous connaissons tous le vieil adage sur la qualité des données : « entrée de mauvaise qualité, sortie de mauvaise qualité » (EMQSM), ce qui implique que la plupart des problèmes de données proviennent d’informations mal créées ou mal entretenues. Cependant, il arrive souvent que les problèmes de données proviennent du manque de clarté concernant les règles de données à respecter pour assurer le succès des processus d’affaires ou les attentes liées aux besoins de production de rapports. En effet, des problèmes peuvent surgir lorsque les données sont incomplètes ou simplement utilisées (ou non utilisées) de façons inattendues lors de la conception d’une application.
Ainsi, une mauvaise qualité des données découle de plusieurs domaines. Bien que des critères techniques classiques tels que la cohérence, la conformité, l’exhaustivité, la déduplication et la vérification soient tous pertinents, la réalité demeure que si les entreprises ne peuvent pas utiliser ou se fier aux données, il y a un problème de qualité. Comme bon nombre des problèmes d’affaires sous-jacents peuvent provenir de la conception, des règles de traitement ou des exigences de production de rapports, une évaluation plus fonctionnelle de la qualité des données doit avoir lieu en parallèle de l’évaluation technique attendue. Cette réalité, cependant, a un impact significatif sur la façon dont vous définissez, mesurez, atteignez et maintenez la qualité des données. Pour dire les choses franchement : N’assumez pas que résoudre un problème ne demandera qu’une correction mineure à la source et que tout s’améliorera automatiquement lors de la nouvelle solution suivante. La qualité des données ne s’améliore souvent que si on en fait une priorité clé et qu’on y consacre des efforts proactifs.
Qualité des données : une définition fonctionnelle
À mon avis, la qualité des données ne se limite pas à un mélange d’éléments techniques et fonctionnels (comme noté ci-dessus). Cela implique aussi d’enregistrer concrètement des mesures de qualité des données afin de respecter les règles critiques et d’améliorer la qualité avec le temps. À moins d’associer ces mesures de qualité à des impacts réels sur l’entreprise, et plus particulièrement aux coûts engendrés par une mauvaise qualité des données, il sera toujours difficile de monter un dossier d’affaires pour justifier une amélioration de la qualité des données. Cela s’explique par l’impossibilité de démontrer toute réduction de coûts financiers liée à une amélioration de la qualité des données.
Ce billet vise à expliquer pourquoi les entreprises doivent investir dans la qualité des données afin d’éviter des conséquences potentiellement majeures à long terme, ou du moins pourquoi elles doivent investir dans la qualité des données de façon tactique lors de mises en œuvre, mises à niveau, changements ou développements de systèmes à grande échelle.
Ça ne se réglera pas tout seul !
La réalité toute simple est que, même avec la meilleure volonté du monde et beaucoup de travail, la qualité des données peut rester difficile à aborder. L’état réel de vos données d’affaires ne devient généralement visible que lors de grands changements. L’événement déclencheur peut être aussi simple que la mise en place de nouveaux processus d’affaires, ou aussi complexe qu’un projet de transformation numérique à grande échelle qui a été retardé, qui a demandé beaucoup plus d’efforts ou qui n’a pas permis d’obtenir les bénéfices attendus en raison de problèmes de qualité des données. Ainsi, même si de nombreux problèmes de données peuvent être tolérés dans les conceptions actuelles, les pratiques de travail ou acceptés par les utilisateurs finaux, ces mêmes problèmes deviennent bien plus évidents dans le cadre d’un changement plus important et entravent souvent, retardent ou restreignent la capacité de l’entreprise à adopter le changement et à stimuler l’innovation.
En fin de compte, tant que la qualité des données n’est pas abordée directement, elle risque souvent de ne pas être résolue. De plus, la conception, le traitement, la production de rapports, la gouvernance et la gestion des données jouent tous un rôle important dans la qualité des données.
La liste suivante présente quelques points clés pour amorcer votre réflexion sur la qualité des données et susciter le besoin d’une gestion plus large de la qualité, nécessaire pour soutenir de futures transformations d’entreprises ou des changements à grande échelle.
Comprendre les impacts de la qualité des données : Associez les mesures de qualité à l’incidence réelle sur le temps et les coûts pour l’entreprise, et, lorsque pertinent, pour l’équipe projet ou de soutien. S’il existe des risques autour de la qualité des données, il y a aussi des avantages immatériels à l’améliorer. Quelques exemples clés incluent la sécurité, la traçabilité et la conformité des données, qui sont tous des éléments fondamentaux et ne peuvent pas toujours être entièrement « chiffrés », mais peuvent avoir un impact significatif en cas de problème.
Détailler les exigences et règles relatives aux données : Les conceptions de solutions, tant à l’intérieur qu’entre les systèmes, peuvent inclure de nombreuses règles de gestion des données. Celles-ci peuvent être connues des spécialistes ou découvertes grâce à l’analyse des règles de données. Dans tous les cas, la question cruciale est de cibler les objets et attributs de données susceptibles de bénéficier le plus d’un contrôle renforcé au moyen de règles et de rapports liés aux coûts et aux impacts d’affaires. En outre, des exigences générales de qualité des données et de gestion, production de rapports et contrôle connexes sont également essentielles pour déterminer les bons outils, processus, livrables et solutions opérationnelles à retenir, le tout lié à des attentes clés.
Évaluer l’état actuel et les axes d’amélioration : Comprendre la qualité et l’utilisation de vos propres données est une étape critique pour rendre possible toute évaluation de votre gestion des données et de votre modèle d’exploitation. Une fois l’évaluation réalisée, il est alors possible d’élaborer un plan plus efficace pour améliorer non seulement les données, mais également les autres aspects de la solution de données. L’évaluation de la qualité des données n’est toutefois pas un événement ponctuel; c’est un processus continu. De la même façon, les améliorations possibles de la qualité et de la prestation des données sont des cibles changeantes – il peut donc être nécessaire de lancer ou de mettre à jour le processus périodique actuel, ce qui reste une étape cruciale pour planifier la suite.
Identifier votre approche en matière de gouvernance et d’exécution : S’il existe des produits et des cadres pour la gouvernance des données de référence ainsi que des chaînes d’outils pour l’exécution, il peut s’agir d’une étape majeure à franchir d’un seul coup. Il est donc essentiel de s’entendre sur votre propre approche de la gouvernance et de la prestation tout en maximisant l’utilisation des outils et applications disponibles selon vos compétences et ressources. Cette approche peut inclure plusieurs étapes, allant des premiers domaines ciblés à l’utilisation de solutions procédurales ou orientées, pouvant alors ouvrir la voie à des solutions plus approfondies. Cette démarche permet de concrétiser ou de valider des approches et de déployer plus largement la gouvernance et les solutions opérationnelles de gestion des données.
Les points ci-dessus ne sont que quelques domaines à considérer. Le défi est de s’assurer de manière proactive que les données ne deviennent pas un obstacle aux changements, aux transformations ou aux innovations. La plupart des entreprises disposent d’un certain niveau de gouvernance centrale des données, de gestion de la qualité et de prestation. Cependant, vous pouvez réénergiser votre approche des données en utilisant des outils de profilage et des solutions d’exploration de données pour mieux comprendre vos données et les règles potentielles, la qualité, la gouvernance des données et les possibilités opérationnelles. Adopter une vision des données axée sur les affaires contribue également à arrimer la solution à des besoins réels, à des coûts et à des avantages concrets. L’angle d’affaires viendra généralement de l’organisation elle-même, vue par l’utilisateur final, mais il ne faut pas oublier de tenir compte de facteurs externes, par exemple l’adoption de simplifications de processus pour respecter les solutions logicielles standards ou l’utilisation d’un mode de prestation natif infonuagique pour externaliser la dette technique hors des applications.
Alors, quelles devraient être vos prochaines étapes ?
En résumé, mes principales recommandations sont d’intégrer la qualité des données tôt dans tout programme de changement, et sur une base continue. Réévaluez la qualité actuelle et la gouvernance en lien avec les exigences de données, les impacts physiques liés aux coûts et aux risques, et servez-vous des outils, plateformes et services disponibles pouvant alimenter le processus de façon plus complète. N’oubliez pas d’inclure à la fois votre perspective d’affaires et votre vision technique. Ensuite, je suggère que les principales parties prenantes se réunissent pour convenir d’une orientation, selon l’état d’avancement de votre parcours de qualité des données et de vos besoins. Cela pourrait impliquer des mesures tactiques précises et/ou une initiative stratégique de plus grande envergure. En somme, la qualité des données est tout simplement un enjeu que vous ne pouvez pas ignorer, car il est certain qu’il finira par vous rattraper !
La gestion de la qualité des données est un sujet beaucoup plus vaste que je traiterai dans de prochains billets. HCLTech souhaite discuter avec les entreprises qui possèdent de grands environnements SAP sur place et qui désirent comprendre comment transformer leur capacité de livraison et maximiser l’utilisation du nuage.
