Les dimensions de la qualité des données : pourquoi le « suffisamment bon » détruit la confiance

IBM a estimé, dans une évaluation devenue célèbre, que la mauvaise qualité des données coûte 3 100 milliards de dollars par an à l'économie américaine. Gartner chiffre le coût moyen pour une organisation à 12,9 millions de dollars par an.

Ces chiffres restent abstraits jusqu'à ce qu'on relie des coûts précis à des défaillances précises de qualité des données : une banque qui envoie des offres de prêt à des clients décédés. Un industriel qui expédie des produits à de mauvaises adresses à cause de codes postaux en doublon. Un hôpital qui administre un dosage erroné à cause d'une erreur de conversion d'unité dans le système EHR. Une prévision de demande d'un distributeur fausse de 40 % parce que l'historique des ventes incluait les retours.

La qualité des données n'est pas un sujet technique. C'est un risque business avec un prix mesurable.

Les six dimensions de la qualité des données

Le DAMA-DMBOKDAMA-DMBOKData Management Body of Knowledge, référentiel de l'association DAMA définissant les 11 domaines de gestion des données (gouvernance, qualité, architecture, sécurité, etc.). définit six dimensions de la qualité des données. Tout problème de qualité renvoie à au moins l'une d'entre elles :

1. Exactitude, la donnée représente-t-elle correctement l'entité ou l'événement réel qu'elle décrit ? L'adresse d'un client est exacte si elle correspond à son adresse réelle. Défaillances d'exactitude : « Paris » saisi « Parsi » à cause d'une faute de frappe ; montants de transaction mal arrondis ; poids produit enregistré dans la mauvaise unité.

2. Complétude, tous les éléments de données requis sont-ils présents ? Une fiche client sans adresse e-mail est incomplète si l'e-mail est requis par le processus métier. Les défaillances de complétude sont souvent systémiques : champs optionnels qui devraient être obligatoires, intégrations APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète → qui perdent des champs, scripts de migration qui ne transfèrent pas tous les attributs.

3. Cohérence, la même donnée est-elle représentée de la même manière dans tous les systèmes ? Une date de naissance enregistrée en JJ/MM/AAAA dans le CRMCRMCustomer Relationship Management : logiciel et stratégie pour gérer et analyser les interactions clients tout au long de leur cycle de vie.Voir la définition complète → mais en MM/JJ/AAAA dans le système de facturation est une incohérence. Les défaillances de cohérence sont la première cause des débats « quel système a raison ? ».

4. Fraîcheur, la donnée est-elle disponible au moment où on en a besoin, et reflète-t-elle l'état actuel ? Un score de crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →édit mis à jour tous les mois est suffisamment frais pour une revue annuelle de crédit immobilier, pas pour une décision de prêt en temps réel. Ces défaillances apparaissent souvent sous la forme « on savait, mais la donnée n'avait pas encore été rafraîchie ».

5. Validité, la donnée respecte-t-elle les formats, plages de valeurs et règles métier définis ? Un numéro de téléphone à 11 chiffres dans un champ défini pour 10 est invalide. Une date de transaction dans le futur est invalide. Les défaillances de validité sont les plus faciles à détecter et corriger au point de saisie.

6. Unicité, chaque entité réelle est-elle représentée exactement une fois ? Les fiches clients en doublon sont une défaillance d'unicité. La déduplication est l'une des initiatives de qualité des données les plus courantes, et l'une de celles dont on sous-estime le plus la complexité.

Mesurer la qualité des données : du subjectif au quantitatif

« Notre qualité de données est plutôt bonne » n'est pas une mesure. « Nos données de référence clients sont complètes à 94 %, exactes à 87 % et cohérentes à 91 % entre le CRM et la facturation » en est une.

Scoring de qualité des données : pour chaque domaine de données, définissez un score de qualité comme moyenne pondérée des six dimensions. Pondérez les dimensions selon leur importance business. Pour des données clients utilisées en marketing, la complétude et l'exactitude des coordonnées peuvent peser lourd. Pour des données financières utilisées en reporting, ce sont la cohérence et la fraîcheur qui comptent le plus.

Profiling : avant de scorer, il faut profiler. Les outils de data profiling (Great Expectations, Informatica Data QualityData QualityLe degré d'aptitude des données à l'usage prévu : exactes, complètes, cohérentes, à jour, valides et uniques. Une data quality faible fragilise l'analytics, le reporting et l'IA.Voir la définition complète →, Ataccama) analysent les jeux de données pour révéler : taux de valeurs nulles, distributions de valeurs, violations de format, taux de doublons, défauts d'intégrité référentielle. Profiler un nouveau jeu de données pour la première fois est presque toujours révélateur, et souvent alarmant.

Dashboards de qualité : le CDO doit disposer d'un dashboard de qualité des données en temps réel montrant les scores par domaine et leur évolution. Ce dashboard doit être partagé avec les data owners de chaque domaine : rendre la qualité visible est le premier pas pour la rendre redevable.

Le business case de l'investissement en qualité des données

Le calcul de ROIROIReturn on Investment : le rapport entre le profit net et le coût d'un investissement. Un ROI de 300 % signifie que chaque dollar investi en rapporte 3.Voir la définition complète → de la qualité des données est simple :

Coût actuel de la mauvaise qualité : quantifiez au moins un coût mesurable, temps de reprise, corrections d'erreurs, réclamations clients, amendes réglementaires, opportunités manquées faute de données complètes.

Coût de l'initiative qualité : licences d'outils + implémentation + stewardship continu + profiling et monitoring.

État cible : quel score de qualité allez-vous atteindre, et quel résultat business cela permet-il ?

Un opérateur télécom européen a calculé que 12 % de son budget marketing était gaspillé à cibler des clients inactifs à cause d'une complétude et d'une exactitude insuffisantes. Une initiative qualité de 50 KKLe nombre moyen de nouveaux utilisateurs que chaque utilisateur existant génère par recommandation. Au-dessus de 1,0, la croissance s'auto-alimente et devient exponentielle.Voir la définition complète →€ ayant réduit ce gaspillage de 50 % a généré 3 M€ d'économies annuelles sur un budget marketing de 25 M€, soit un ROI de 60x. C'est le langage que les CFO comprennent.