Des données incohérentes coûtent tout simplement de l'argent

E-3 : Tout le monde parle de qualité des données, mais qu'est-ce que c'est exactement ?

Hendrik Becker, KPMG : La qualité des données signifie obtenir une réponse correcte à chaque question. Cela suppose de vérifier en permanence que les données sont exemptes d'erreurs, redondantes et utilisables. Outre la prévention des erreurs et des lacunes, il s'agit donc aussi de mettre les données à la disposition de différents destinataires de manière uniforme et de les rendre aussi facilement utilisables que possible.

E-3 : Quels sont les paramètres qui permettent de déterminer la qualité des données ?

Becker : La qualité des données peut être évaluée en fonction de certaines caractéristiques. Parmi ces caractéristiques figurent la qualité intrinsèque des données - par exemple la crédibilité, l'exactitude, l'objectivité, la réputation -, la qualité contextuelle des données - par exemple la valeur ajoutée, la pertinence, l'actualité, l'exhaustivité, la quantité de données -, la qualité représentative des données - par exemple l'interprétabilité, l'intelligibilité, la cohérence de la présentation, la concision - et la qualité de l'accès - par exemple la disponibilité, la sécurité d'accès.

E-3 : Quelle est l'influence de la numérisation croissante ?

Stefan Riess, KPMG : Avec la numérisation, l'activité des entreprises a considérablement évolué au cours des dernières années. C'est ainsi que de nombreux modèles commerciaux d'avenir, tels que le commerce électronique, la banque en ligne ou l'e-procurement, ont vu le jour entre-temps. Mais la numérisation a également entraîné de profonds changements au sein des entreprises elles-mêmes.

Une mise en réseau interne et externe renforcée, de nouveaux modèles de travail ou des investissements croissants dans les Data Analytics n'en sont que quelques exemples. Les données sont à la base de tous ces développements. Sans elles, le service des achats ne peut pas gérer de listes numériques de fournisseurs, le marketing ne peut pas planifier de campagnes numériques et l'entreprise ne peut pas effectuer d'analyses de données ou numériser des processus. En raison de cette énorme influence, la qualité des données utilisées revêt également une grande importance.

E-3 : Quel est le rapport avec les données de base ?

Becker : Qu'il s'agisse de processus commerciaux numérisés dans les achats, la production ou la distribution, les données de base sont pertinentes pour tous les secteurs de l'entreprise. Une gestion efficace des données de base est la base des initiatives de numérisation dans chaque organisation. Une bonne qualité des données de base n'est pas une fin en soi, mais permet à l'entreprise d'être plus efficace dans sa gestion et d'utiliser ses ressources plus efficacement.

E-3 : Quels sont les problèmes typiques liés à la mauvaise qualité des données ?

Riess : Des données incohérentes coûtent tout simplement de l'argent. Si, par exemple, un client ou un fournisseur existe plusieurs fois dans le système et que différentes conditions sont enregistrées, on peut facilement imaginer les conséquences. Une mauvaise qualité des données mobilise en outre des ressources internes et ralentit les processus.

Les données non plausibles doivent être régulièrement vérifiées, et cette vérification implique souvent plusieurs départements, comme les ventes, l'approvisionnement, les finances et l'informatique, mais la clarification finale n'est souvent pas possible. Des sources de données peu fiables peuvent également conduire à des décisions de gestion ou à des estimations de marché erronées, et donc à la perte de parts de marché. Enfin, une qualité insuffisante des données augmente le risque de non-conformité en raison du non-respect des exigences réglementaires ou du manque de transparence et de traçabilité des processus opérationnels.

E-3 : Quels sont, selon vous, les principaux avantages d'une qualité de données élevée ?

Becker : Une qualité de données élevée garantit une mise à disposition plus rapide des données pour les secteurs d'activité grâce à des flux de travail et d'informations automatisés. Les entreprises disposent de processus opérationnels fiables et d'une base sûre pour les décisions commerciales.

L'harmonisation des processus et des interfaces permet de réduire à long terme les corrections d'erreurs manuelles et ultérieures dans les enregistrements de données de base. Cela vaut également pour les efforts de coordination bilatérale dans le cadre de la transmission interne et externe des données. Enfin et surtout, une qualité élevée des données est une condition importante pour la réussite des initiatives de numérisation.

E-3 : Quelles sont les raisons d'une qualité insuffisante des données ?

Becker : Le problème commence déjà par le fait qu'il n'y a souvent aucune transparence quant à la qualité réelle des données. Les raisons d'une qualité insuffisante des données sont nombreuses. D'une part, le volume des données ne cesse d'augmenter -- par exemple, dans l'industrie alimentaire, un produit peut comporter jusqu'à 450 attributs, tels que les ingrédients, les allergènes, les prix recommandés et les informations logistiques - tandis que le nombre de sources et de domaines de responsabilité pour les données ne cesse de croître.

D'autre part, cela conduit à des départements ayant des intérêts divergents pour les mêmes objets de données, trop de "décideurs" sont impliqués, il y a des droits de veto "perçus" dans le processus de saisie des données. Le concept d'autorisation est soit lacunaire, soit inexistant, il manque des responsabilités claires et des niveaux d'escalade. La gestion et l'échange manuels des données entraînent des informations incohérentes, erronées ou insuffisantes.

E-3 : Quelles conditions doivent être remplies pour établir une qualité élevée des données ?

Riess : Tout d'abord, il faut être conscient que la qualité des données n'est pas un problème purement technique, mais qu'il s'agit avant tout d'un problème d'organisation et de processus. En raison de la nature intersectorielle et intersystémique des données, une responsabilité supérieure et transparente en matière de qualité des données est nécessaire, par exemple sous la forme d'une gouvernance des données.

Des structures de gouvernance claires avec des rôles et des responsabilités définis ainsi qu'une fonction d'escalade dans la gestion des données sont indispensables pour une génération et une utilisation efficaces des données par différents groupes d'intérêt. En outre, il faut des processus de gestion des données efficaces et "vécus", si possible séparés des processus opérationnels et soutenus techniquement par exemple par des flux de travail ou des outils MDM.

Enfin, la qualité des données peut être accompagnée d'un nettoyage unique des données, éventuellement assisté par un outil. Mais à long terme, il doit être abordé de manière organisationnelle.

E-3 : Par quoi les entreprises doivent-elles commencer dans le cadre d'une initiative relative aux données de référence ?

Becker : Pour analyser la situation actuelle, il est recommandé de procéder à une analyse de la maturité. À l'aide de questionnaires et d'ateliers standardisés, les responsables peuvent d'abord se faire une idée du statu quo et identifier les points à améliorer. Cet état des lieux peut être combiné avec un contrôle de la qualité des données assisté par un système, ce qui permet de procéder à un benchmarking.

E-3 : Quelle peut être la contribution des solutions logicielles pour la gestion des données de base ?

Becker : Dans la gestion des données de base, il est essentiel de trouver le bon équilibre entre complexité et efficacité. Les processus de création, de modification et de désactivation des données de base doivent être aussi simples et légers que possible, mais aussi complexes que nécessaire pour garantir la qualité des données. Les outils MDM peuvent aider de différentes manières.

E-3 : Quels sont les exemples de solutions pour améliorer la qualité des données ?

Riess : La voie vers une meilleure qualité des données passe par la centralisation, la standardisation et les services de contrôle externes, afin de répondre aux exigences internes et externes en matière de données de base. Un exemple de données de base produit est l'introduction d'une base de données produit centralisée et automatisée. Cela permet de réduire considérablement les ressources manuelles et ultérieures nécessaires à la gestion des données de base des produits. Le résultat : la mise à disposition centralisée de différentes données provenant de sources multiples et souvent globales et de différents domaines de responsabilité.

E-3 : Qu'apporte la gestion des données de base en chiffres ?

Becker : Les résultats d'un exemple de projet mené par KPMG en Allemagne en 2020 peuvent servir de point de repère. Selon ce projet, l'entreprise participante disposait d'un modèle de données amélioré après avoir pu corriger 68 % des entrées de données erronées, obsolètes et en double.

L'efficacité du processus de gestion des données a pu être augmentée de 50 %, tandis que le nombre de personnes impliquées dans le processus des données de base a été réduit de plus de 1000 à seulement 50. En outre, une gouvernance des données solidement ancrée garantit durablement la qualité des données et des processus.

E-3 : La qualité des données n'est pas un état statique. Comment la qualité des données peut-elle être mesurée et assurée durablement ?

Riess : Tout d'abord - la qualité des données ne peut pas être mesurée de manière unidimensionnelle. Dans ce cas, il est par exemple judicieux d'utiliser un arbre d'indicateurs multidimensionnel - similaire aux instruments de contrôle (financier). Il prend d'abord en compte les caractéristiques de la qualité des données et les décompose en différents indicateurs, dont le nombre de doublons, le nombre d'incohérences et le nombre de champs de données non remplis.

Ces informations sont reliées de manière multidimensionnelle à d'autres informations pour l'analyse des causes. D'autres dimensions sont par exemple le secteur de l'entreprise dans lequel l'erreur est survenue, l'objet de données concerné, le système ou le processus dans lequel les données sont créées ou utilisées. Il convient également de réfléchir à la mise en place d'un système central de gestion des données de base.

La transparence est assurée par une carte des informations qui permet de représenter le paysage des données et les lieux de stockage. Avec les systèmes modernes de gestion des données, les analyses régulières des données et de la qualité des processus sont programmées d'avance. Ils peuvent être reliés aux systèmes de Business Intelligence existants et deviennent ainsi une partie intégrante du contrôle de gestion de l'entreprise.

E-3 : Merci pour cet entretien.