Stibo Systems - The Master Data Management Company

Guide : Améliorer la qualité de vos données grâce à la gouvernance des données de référence

Ian Piddock | 12 juin 2024 | 11 minute read
← Dos

Guide : Améliorer la qualité de vos données grâce à la gouvernance des données de référence

Master Data Management Blog by Stibo Systems logo
| 11 minutes de lecture
juin 12 2024
Guide : Améliorer la qualité de vos données grâce à la gouvernance des données de référence
15:16

Lorsqu'un directeur des données atteint l'excellence en gouvernance des données de référence, il passe de quelqu'un qui passe son temps à réagir et à réparer les choses lorsque les données deviennent désordonnées ou cassent un système, à un facilitateur proactif et omniscient du business. Cette série explore pourquoi la gouvernance des données de référence (ou Master Data) est essentielle pour : la modélisation des données, la qualité des données, le contenu enrichi, les normes industrielles et l'enrichissement des données.


Introduction

Si les employés ne peuvent pas faire confiance aux données qui leur sont fournies, ils n'auront pas la confiance nécessaire pour prendre les bonnes décisions, ce qui limite leur efficacité et leur productivité. 

Et si, par exemple, les clients ne reçoivent pas les informations correctes sur vos produits ? Eh bien, ils n'obtiendront pas un produit qui répond réellement à leurs besoins. Vous finirez par les énerver tout en perdant des ventes.

Ce ne sont là que quelques-uns des problèmes auxquels vous pourriez être confronté si la qualité de vos données n'est pas à la hauteur.

Nous avons écrit ce guide pour vous aider à définir ce à quoi ressemble une bonne qualité des données, vous montrer certaines des choses qui pourraient mal tourner si la qualité de vos données est médiocre, et vous mettre ensuite sur la voie de l'excellence en matière de qualité des données.

Découvrez comment l'amélioration de la qualité de vos données grâce à la gouvernance des données maîtresses peut élever votre rôle.

 

Back to basics qu'est-ce que la qualité des données ? 

En termes simples, la « qualité des données » se réfère à la fiabilité des données. Il s'agit de savoir si les données sont exactes, complètes, cohérentes et pertinentes pour leur utilisation prévue.

Une haute qualité des données signifie que l'information est fiable et peut être utilisée efficacement pour prendre des décisions, analyser ou à d'autres fins.

Une faible qualité des données, en revanche, signifie que les données peuvent contenir des erreurs, des incohérences ou des éléments manquants, ce qui peut conduire à des conclusions incorrectes ou à des résultats peu fiables.

Mais cela peut devenir compliqué. Lorsque vos données sont utilisées à des fins diverses, chacune peut avoir un ensemble distinct de besoins.

Vous ne pouvez donc pas mesurer la qualité de vos données sans connaître tout ce pour quoi elles pourraient être utilisées - en d'autres termes, leur contexte.

Parce qu'il s'agit de répondre à des besoins particuliers, les données peuvent être de haute qualité lorsqu'elles sont utilisées dans une application, mais de faible qualité lorsqu'elles sont utilisées dans une application qui nécessite autre chose des données.

Comment connaître les exigences ? 

De nombreuses organisations utilisent un cadre d'évaluation de la qualité des données en six parties pour déterminer la qualité des données selon les dimensions suivantes : 

  • Exhaustivité
  • Actualité
  • Validité
  • Integrité
  • Unicité 
  • Cohérence 

Cette méthode est vraiment utile pour évaluer la qualité d'un ensemble de données particulier à tout moment.

Cependant, les équipes IT utilisant une plateforme de gestion des données de référence (MDM) ne sait pas nécessairement ce qui est bon du point de vue des différentes zones de l'entreprise.

C'est pourquoi, lors de l'évaluation des données par rapport à un cadre, vous devez parler à des experts en la matière dans différents domaines.

 

Signes que la qualité de vos données peut être améliorée

Personne n'est parfait. Il y a toujours de la place pour l'amélioration. Voici donc quelques signes indiquant que la qualité de vos données pourrait être améliorée.

La qualité des données est balayée sous le tapis 

La qualité des données peut être un sujet un peu tabou au sein des entreprises. Les gens savent souvent que la qualité des données de leur organisation est mauvaise, mais ils n'aiment pas en parler. Ils supposent simplement qu'elle ne peut pas être améliorée (alerte spoiler : c'est possible), alors ils balayent le problème sous le tapis et continuent leur journée.

Lorsque les gens parlent de la qualité de leurs données, il est généralement prudent de supposer que plus les déclarations et les descriptions sur la qualité des données sont vagues, plus il est probable qu'elles soient mauvaises. Et donc, comme les gens n'en parlent pas, il est moins probable que ce soit reconnu ou atténué par l'entreprise.

Trop de données, pas assez de temps 

Le problème avec le fait que personne n'est parfait, c'est que nous faisons tous des erreurs.  

Les gens saisissent des données en fonction de leurs besoins, le plus rapidement possible, pour passer à des travaux plus intéressants. Ils n'ont pas le temps (ou la patience) de considérer les neuf autres unités commerciales que leur saisie de données pourrait affecter.

Donc, plus il y a de place pour une saisie libre et des incitations à la rapidité plutôt qu'à la qualité, plus il est probable que le facteur humain contribuera à une mauvaise qualité des données. 

Tâches de saisie de données répétitives et ennuyeuses 

Personne ne fait de la saisie de données pour s'amuser. Et quand l'ennui s'installe, les erreurs humaines suivent rapidement. Faire beaucoup de tâches de saisie de données, encore et encore, signifie que la motivation à bien faire son travail s'érode avec le temps. Et donc, la qualité des données s'érode également avec le temps.

Duplication, duplication, duplication 

L'une des plus grandes causes de problèmes de qualité des données est la duplication des enregistrements dans les données des clients et des fournisseurs. Les mêmes données pourraient être répétées dans divers systèmes CRM, ERP et comptables.

Sans aucune validation, vérification croisée ou gouvernance, le même enregistrement pourrait être dupliqué uniquement en raison de formats ou d'orthographes incohérents, par exemple B.T., British Telecom, British Telecom Ltd ou British Telecommunications.

Vous devriez empêcher cela de se produire dès le point d'entrée dans la mesure du possible, par exemple en recherchant des enregistrements correspondants avant d'en créer de nouveaux - c'est moins coûteux que de devoir corriger une erreur déjà commise.

Traitement des transactions de données malveillantes 

Une mauvaise qualité des données peut également entraîner des problèmes de traitement des transactions.  

Supposons que "Système 1" essaie de pousser des données à travers un processus dans "Système 2". Mais lorsque les données sont dans un format que Système 2 n'attendait pas, il n'est pas content. Il commence donc à taper du pied, à se comporter de manière erratique ou même à interrompre complètement le processus, rejetant les données.

Cela signifie que les employés des services commerciaux et informatiques passent beaucoup de temps à retravailler les processus ou à essayer de corriger les erreurs dans les systèmes.

Les facteurs ci-dessus peuvent tous entraîner de sérieux problèmes de confiance entre vous et vos données.

Comme vous le verrez dans la section suivante, cette érosion de la confiance peut causer toutes sortes de défis sérieux pour votre entreprise.  

Les conséquences dévastatrices d'une mauvaise qualité des données 

L'information est le pétrole du 21e siècle, et l'analyse est le moteur de combustion. "

– Peter Sondergaard

ancien vice-président exécutif, recherche et conseil, Gartner Research.

 

Les parties prenantes clés ont besoin de données de bonne qualité pour prendre les bonnes décisions commerciales. Mais si une mauvaise qualité des données signifie qu'ils ne peuvent pas faire confiance aux données qu'ils reçoivent, ils se sentiront moins informés et hésiteront à agir. 

Multiplié dans l'ensemble de votre écosystème commercial, ce ralentissement des actions confiantes peut avoir un effet dévastateur sur la rentabilité et l'avenir de votre entreprise.

Voici quelques exemples.

L'effet d'une mauvaise qualité des données sur la performance des employés 

Si les employés ne font pas confiance aux données, ils ne vont pas agir de la manière la plus efficace et la plus productive. Cela finit par provoquer plus d'erreurs opérationnelles et de gaspillage, car les gens prennent des décisions soit informées par de mauvaises données, soit ils se fient simplement à leur instinct ou à leurs habitudes.

Et s'ils ne se fient qu'à leur instinct, à quoi servent les données ?

Tous les problèmes que cela cause créent un effet domino qui finit par toucher des personnes extérieures à l'organisation - comme les mauvais produits envoyés aux mauvais endroits.

L'effet d'une mauvaise qualité des données sur les produits  

Les clients achètent des produits lorsque suffisamment de leurs questions ont été répondues, sur la pertinence du produit pour répondre à leurs besoins.

Ils se basent sur leur confiance dans les réponses.

Mais si une mauvaise qualité des données signifie qu'ils obtiennent de mauvaises réponses, les conséquences peuvent être les suivantes :

  • Moins de conversions sur le site web, avec plus de paniers abandonnés
  • Plus de plaintes de la part des clients qui se sentent trompés
  • Votre réputation est associée à une mauvaise expérience client
  • Des litiges surgissent, qui peuvent prendre beaucoup de temps et d'argent à régler

L'effet d'une mauvaise qualité des données sur la performance de l'entreprise

Les désaccords lors des réunions du conseil d'administration sont pains quotidiens - il n'y a rien de mal à un débat sain. Mais c'est un gros problème lorsque les désaccords sont le résultat de données mal assorties.  

Comme si deux personnes avaient des chiffres d'affaires différents, par exemple. Ou des quantités différentes de numéros d'articles de commerce mondiaux uniques (GTIN), ce qui permet au conseil de savoir combien de produits l'entreprise possède.

Vous saurez probablement que vous avez un problème de qualité des données lorsqu'il n'y a pas de réponse claire et unifiée à des questions telles que :

  • Combien d'argent avons-nous gagné l'année dernière ?
  • Combien de produits X avons-nous vendus ?
  • Quelle part de cela était du profit ?
  • Combien de clients avons-nous ?
  • Qui est notre meilleur client ?

Et sans ces réponses, votre organisation n'aura pas de stratégie commerciale efficace.

Les responsables des données devraient consulter leur glossaire commercial et leur stratégie de correspondance et examiner les points de désaccord sur les définitions des termes. À partir de là, ils peuvent déterminer où les données ne respectent pas les normes de qualité requises ou ne sont pas correctement consolidées.

L'effet d'une mauvaise qualité des données sur la communication externe 

Dans la suite de ce qui précède, si vous ne pouvez pas vous accorder sur les données de performance de votre entreprise, il est très difficile de les communiquer avec confiance au monde extérieur.

Il y a de fortes chances que vos résultats soient significativement différents de vos chiffres prévisionnels. Ou que vos engagements en matière de rapports ESG ne soient pas respectés et que les allégations écologiques ne puissent pas être étayées par des données fiables.

Cela rend plus difficile la gestion des attentes des clients, des régulateurs et des actionnaires lors de la communication de rapports.

Votre entreprise ne semble alors plus être un investissement solide, ce qui pousse les gens à regretter d'avoir acheté des actions, vos produits ou de vous avoir choisi comme fournisseur.

Et enfreindre les mandats de conformité peut entraîner des amendes importantes.

>>Commencez à construire votre fondation pour une meilleure qualité de vos données, avec cette checklist.<<

 

Bien faire les choses avec la gouvernance des données de référence  

Si la mission du directeur des données est de favoriser la confiance dans les données de l'organisation, alors leur arme principale est la gouvernance des données de référence. Des contrôles plus stricts de la gouvernance des données, qui couvrent toutes les dimensions du cadre DQAF, garantiront qu'ils peuvent auditer, résoudre et corriger les problèmes de qualité des données.

Mais une gouvernance des données solide est aussi une question de personnes. Le CDO doit avoir le profil, le mandat et les ressources pour faire le travail efficacement.

Ils doivent construire une culture où les personnes à travers l'entreprise sont responsables de la qualité des données. Cependant, c'est une rue à double sens. Les employés doivent être dans un environnement de soutien, où il leur est aussi facile que possible de remplir leurs responsabilités.

Vous pourriez faire un usage intensif des données de référence - telles que des exemples déroulants ou des recommandations de saisie de données, pour offrir des suggestions conformes et pré-validées pour la saisie des données, qui leur montrent à quoi ressemble le "bien". Ils pourront travailler plus rapidement tout en réduisant la charge mentale et en faisant toujours les choses correctement.

 

La confiance est la base 

Si vous voulez utiliser vos données pour maximiser la valeur commerciale de votre organisation, la confiance est essentielle.

Lorsque vous fournissez des données de haute qualité - ce que garantit une bonne gouvernance des master data à chaque fois - vous pouvez faire confiance à votre analyse de données, ce qui signifie que les gens peuvent prendre les bonnes décisions, qui conduisent aux bonnes actions.

Mais les données elles-mêmes ne sont qu'une partie de l'équation. La manière dont les gens traitent les données est essentielle.

C'est pourquoi une gouvernance solide des master data rend la saisie des données infaillible. Avec les bonnes validations et règles métier en place, il est très facile de saisir les bonnes informations dans les formulaires.

Un message d'erreur apparaîtra pour corriger votre formatage, en fournissant soit une suggestion, soit une liste d'exemples pré-formatés parmi lesquels choisir.

Cela signifie que les employés peuvent faire plus sans que l'ennui ne s'installe et ne leur enlève leur concentration.

Et la certitude que tout le monde dispose d'informations exactes donne du pouvoir aux "knowledge workers", aux analystes et au personnel opérationnel, ce qui à son tour donne du pouvoir au conseil d'administration en garantissant que les prévisions et les rapports sont exacts et crédibles.

tLe cycle de la confiance

Diagram Design

Une base de données client non unifiée, des lacunes occasionnelles dans les données et le stockage des données clients dans les systèmes ERP ont conduit l'organisation manufacturière Manitou Group à faire face à un manque de visibilité à travers l'organisation et à un temps excessif passé à vérifier et à ressaisir les données.  

Mais après avoir mis en place la plateforme de gestion des données maîtres de Stibo Systems, l'organisation dispose désormais d'une source unique de données clients fiables, permettant de meilleures expériences grâce à une authentification client plus rapide. 

Lisez l'étude de cas complète pour découvrir comment Manitou Group a réussi à :  

  • Réduction significative du temps de saisie des données
  • Harmonisation des processus autour des données 
  • Amélioration de la qualité des rapports et des tableaux de bord éclairants 

 

Frappez un grand coup : trois grandes victoires pour améliorer la qualité des données 

Voici trois façons de marquer des points en améliorant la qualité des données dans toute votre organisation, grâce à une gouvernance solide des données maîtres : 

Réaliser un exercice de profilage des données 

Vous vous souvenez du cadre d'évaluation de la qualité des données en six parties dont nous avons parlé ? Eh bien, il est temps de le mettre en pratique.

Tout d'abord, vous devez déterminer le ou les problèmes à l'origine de votre problème de qualité des données, et leur ampleur.

L'évaluation doit impliquer des experts en la matière de tous les domaines d'activité pour identifier les problèmes de qualité des données en fonction du contexte de l'entreprise.

Cela vous fournira ensuite un audit complet sous forme de feux tricolores des facteurs suivants dans votre domaine :

  • Exhaustivité  
  • Actualité 
  • Validité  
  • Intégrité 
  • Unicité 
  • Cohérence  

Déplacer le contrôle de la qualité des données en amont 

Une fois le problème identifié, il est temps de réduire le risque qu'il se reproduise.

Vous voudrez mettre en place des processus et des contrôles de qualité des données aussi en amont que possible, idéalement au point d'entrée.

Pour comprendre pourquoi, pensez au jeu du 'téléphone' de notre enfance. Plus il y a de voix non vérifiées autorisées à répéter ce qu'elles veulent, au lieu de la réponse vraie et correcte, plus les erreurs sont probables et répandues. 

En plaçant les contrôles en amont, vous obtenez la première personne pour crier la réponse correcte à tout le monde - il n'y a aucune chance que quelqu'un plus bas dans la ligne entende mal.

Consolider et fusionner les enregistrements en double 

Comme toute personne ayant collectionné des Pokémon ou des cartes le sait, les doublons sont ennuyeux. C'est frustrant d'obtenir votre cinquième Pikachu alors que ce que vous voulez vraiment, c'est un Charizard.

Et en ce qui concerne les enregistrements en double, cela va au-delà de l'ennui. Cela rend la maintenance de la qualité des données plus difficile.

Parce que vous pourriez corriger l'adresse de 'Adam Smith,' mais pas les adresses de 'Adam Smyth,' 'Adam Smythe,' ou même 'Adum Smith.' Même s'ils sont en réalité la même personne, simplement orthographiés différemment.

Et comment saurez-vous combien 'Adam' a effectué des achats ? Ou combien de crédit vous leur avez accordé ? C'est pourquoi vous devez consolider les données, en vous assurant qu'il existe un identifiant unique qui peut être utilisé pour empêcher la récurrence des entités en double.

Garder le score 

Comment savez-vous quand une victoire est réelle ?

 

En utilisant votre méthodologie vue plus haut pour établir des métriques pour chaque type de données/enregistrement - comme les enregistrements de produits, par exemple. Ces métriques vous montrent à quoi devrait ressembler une donnée de bonne qualité, afin que vous puissiez garantir la qualité des données à l'avenir.

Ce qu'il faut rechercher dans une plateforme de master data management

Lorsque vous avez la bonne plateforme de gestion des données de référence, qui soutient une forte qualité des données, voici quelques-unes des choses que vous pourrez accomplir :

  • Détecter les erreurs de qualité des données dans un ensemble de données, avec une interface utilisateur configurée pour le profilage des données. Elle recherchera les modèles de conformité des données, puis repèrera les valeurs aberrantes et les doublons, l'automatisation aidant le processus.
  • Visualiser les progrès vers les indicateurs clés de performance (KPI) de la qualité des données et suivre la qualité des données au fil du temps en utilisant un tableau de bord KPI de suffisance des données, basé sur les métriques de suffisance des données que vous avez déterminées.

Donnez à vos équipes la puissance de l'IA

 

La gouvernance assistée par l'IA peut rendre la vie beaucoup plus facile pour quiconque fait de la saisie de données :

  • Les données de référence pilotées par l'IA donnent des suggestions basées sur des informations conformes qui ont été saisies dans le passé.
  • La classification des produits assistée par l'IA permet une intégration rapide et précise des produits.
  • Des modèles de machine learning entraînés peuvent être utilisés pour recommander automatiquement la manière de traiter les enregistrements potentiellement dupliqués.
  • L'IA peut être utilisée pour simplifier le processus de correspondance en évaluant la similarité des noms de clients.

Prenez une longueur d'avance sur la qualité de vos données, en téléchargeant notre checklist  ici.

 

 
 

Master Data Management Blog by Stibo Systems logo

En tant que directeur de la stratégie de solutions pour la gestion des données de base des produits chez Stibo Systems, Ian aide les organisations à optimiser leurs résultats commerciaux grâce à la fourniture de solutions technologiques qui soutiennent les initiatives de transformation numérique. Ian a plus de 15 ans d'expérience dans l'industrie des logiciels d'entreprise et un œil attentif pour savoir où les clients peuvent capitaliser sur les données et l'innovation numérique.

Articles de blog par thématique

  • Gouvernance des données
  • Stratégie MDM
  • Retail et distribution
  • Voir plus
  • Fabrication
  • Données produit et PIM
  • Durabilité
  • Qualité des données
  • CPG
  • Données client et partie
  • Données fournisseur
  • IA et machine learning
  • Données de localisation
  • Services financiers

Guide : Améliorer la qualité de vos données grâce à la gouvernance des données de référence

6/12/24

Guide : Mieux modéliser les données d'entreprise grâce à la gouvernance des données de référence

5/29/24

Guide : 4 façons pour mettre en œuvre du Master Data Management

5/28/24

Guide : Comment se conformer aux normes industrielles grâce à la Gouvernance des données de référence

5/24/24

Guide : contenus enrichis & parfaits grâce au Master Data Management

5/21/24

Les 8 meilleures pratiques pour la Gestion des données de référence Clients

5/16/24

Retour sur la NRF 2024 : à l'ère de l'IA, de meilleures données peuvent faire toute la différence

3/17/24

Assurer la résilience de la chaîne d'approvisionnement : Stratégies et exemples

3/11/24

Responsabilité climatique et traçabilité dans le retail

3/4/24

Le Master Data Management peut améliorer votre solution ERP

2/27/24

Tendances 2024 de la Data Gouvernance

2/27/24

Pérennisez votre activité retail avec le Commerce modulaire

2/20/24

Les 3 avantages du commerce headless associé à une solution PIM

2/13/24

Qu'est-ce que le Smart Manufacturing et pourquoi est-ce important ?

11/30/23

Transformation digitale : 5 raisons d’échec courantes dans le secteur manufacturier

11/30/23

5 défis majeurs dans le secteur manufacturier

11/30/23

Tendances et perspectives de l’industrie manufacturière — 2023-2025

11/30/23

Global Summit 2023 du CGF : Assurer une croissance durable grâce à la collaboration et à l'innovation

7/27/23

Relever les défis des chaînes d'approvisionnement avec le MDM

7/11/23

Utiliser l'IA générative exige des données gouvernées

6/6/23

Comment exploiter l'IoT avec le Master Data Management

5/31/23

La gouvernance des données, une approche essentielle pour la gestion des actifs

3/30/23

4 méthodes pour réduire les retours du e-commerce

3/28/23

Passeports numériques des produits

3/16/23

4 styles courants de mise en œuvre du Master Data Management

3/14/23

Dans le retail, la durabilité exige des données « gouvernées »

2/22/23

Qu’est-ce que la gestion augmentée des données ?

2/16/23

NRF 2023 : Le retail s’oriente vers l'IA et l'automatisation pour une plus grande efficacité

2/13/23

CPG et FMCG, quelle différence ?

2/3/23

Comment calculer l’Eco-Score des produits alimentaires

1/4/23

Le Retail du Futur

12/21/22

Le MDM de Stibo Systems introduit de nouveaux standards d’échange industriels

12/15/22

Stratégies omnicanales pour le retail

12/14/22

Qu'est-ce que la distribution omnicanale et quel est le rôle de la gestion des données ?

11/8/22

La transformation digitale dans le secteur des CPG

7/25/22

Créez une culture de transparence des données

7/18/22

La gestion des données produit lors des fusions et des acquisitions

6/7/22

Qu’est-ce que le Data as a Service (DaaS) ?

5/24/22

Défis de la chaîne d'approvisionnement dans l'industrie CPG

5/18/22

Migration des données vers SAP S/4HANA - Une approche rapide et sûre avec le MDM

5/3/22

Qu’est-ce qu'une donnée synthétique ? Et pourquoi ont-elles besoin du MDM ?

4/22/22

Gouvernance des données : les cinq écueils à éviter

3/9/22

Gagner dans le retail en libérant toute la puissance des données

3/3/22

Silos de données. Comment les transformer en zones de visibilité ?

2/23/22

Stratégie de monétisation des données de référence, quel ROI ?

2/15/22

La transparence des données pour un retail durable

2/10/22

Quatre tendances dans l'industrie automobile

11/11/21

Quels obstacles entravent la reprise du retail mondial ?

11/4/21

Cinq étapes pour une feuille de route MDM stratégique

10/28/21

Nettoyage des données : priorité des PGC

10/21/21

Besoin de Big Data ? Pensez d'abord Small Data

10/14/21

Prenez-vous des décisions à partir d’informations HCO/HCP erronées ?

10/7/21

Comment améliorer votre gestion de données

9/23/21

Retail : Neuf façons dont le MDM améliore l'expérience client

9/16/21

Produits alimentaires : vers la transformation digitale avec le MDM

9/9/21

Tendances et opportunités du secteur des CPG en 2023

9/2/21

Pourquoi les données revendeurs sont importantes pour les fabricants

8/31/21

MDM multidomaine ou MDM à domaines multiples ?

8/26/21

Comment mettre en place une source unique de vérité avec le MDM

8/12/21

Qu'est-ce que le Master Data Management ? Pourquoi en a-t-on besoin ?

8/5/21

Comment obtenir davantage de valeur de vos données

7/29/21

Le MDM multidomaine pour des expériences client hyper-personnalisées

7/7/21
Vous avez aimé cet article ?

Inscrivez-vous pour recevoir les prochains articles par e-mail