La gestion de la qualité des données et des données de base comme condition préalable à la numérisation et à l'optimisation des processus

Ce qui nous amène au mot-clé "données". Compte tenu des exigences de la transformation numérique, les données sont de plus en plus au centre des préoccupations des entreprises. Les entreprises sont aujourd'hui guidées par les données. Il n'existe pratiquement aucun processus sans données. Or, les données de base sont la condition préalable pour que les données et l'analytique offrent une valeur ajoutée afin d'améliorer efficacement les processus et de faire avancer la numérisation. La gestion des processus ainsi que la gestion de la qualité des données et des données de base sont donc les deux faces d'une même médaille.

Un problème qui s'aggrave mutuellement : D'une part, la qualité des données laisse souvent à désirer ; d'autre part, beaucoup évitent de prendre des initiatives en matière de données de base parce qu'elles sont considérées comme complexes et coûteuses. Pourtant, l'inaction n'est pas une option, les coûts d'une mauvaise qualité des données sont trop élevés ; en outre, la numérisation et l'optimisation des processus sont plus difficiles et la croissance est entravée. Mais il existe des moyens de maîtriser la gestion de la qualité des données et des données de base.

Relever le statu quo de la qualité des données et le rendre transparent

Pas mal d'entreprises ont un problème avec leurs données de base. L'outil Data Quality Analyzer (DQA) de zetVisions leur permet d'aller au fond de ce problème et de détecter dans leurs systèmes SAP les enregistrements incohérents, en double, incomplets et obsolètes dans les domaines des données de base - clients/fournisseurs (partenaires commerciaux), données de base produits et articles. Les règles de validation permettent de créer des règles de qualité des données qui sont regroupées en ensembles de règles pour vérifier la cohérence, l'exhaustivité, l'actualité et l'unicité des données. Les jeux de règles servent à attribuer un score de qualité à un ensemble de données de base.

Pour chaque ensemble de données de base, il est ainsi possible d'évaluer s'il est bien, suffisamment ou insuffisamment géré. La pondération peut être définie librement pour chaque règle d'un ensemble de règles. Il est en outre possible de définir des indicateurs de performance clés, c'est-à-dire des "seuils" à partir desquels les enregistrements sont considérés comme bons, suffisants ou défectueux. Les jeux de règles sont appliqués à tour de rôle, ce qui permet de représenter les tendances sur une longue période.

Vers l'excellence des données de référence

Le Data Quality Analyzer, qui peut être développé en une solution complète de gestion des données de base (zetVisions SPoT), est le point d'entrée pour maîtriser la qualité des données. L'objectif final est la Master Data Excellence (MDE). Il ne s'agit pas uniquement d'une solution logicielle, mais d'une offre de services élargie autour de la gestion des données de base. De l'analyse, de la définition et de l'implémentation des processus à la mise en place de l'outil logiciel, en passant par la gestion du changement et les directives pour la planification, le contrôle et la mise à disposition des données (gouvernance des données), MDE offre un service complet de bout en bout pour la gestion des données de base. L'illustration suivante montre les étapes de la mise en place de MDE :

Lorsque les étapes de l'évaluation réelle des potentiels jusqu'au développement du modèle d'exploitation MDE sont terminées, l'implémentation suit. En général, un projet de mise en œuvre se déroule en plusieurs étapes, comme le montre le schéma ci-dessous :

Une fois le modèle d'exploitation MDE implémenté avec succès, il doit être surveillé dans le cadre d'un processus d'amélioration continue. Dans zetVisions SPoT, il est possible d'observer en permanence les processus mis en œuvre grâce au monitoring intégré des processus, qui fournit des indices sur les points à améliorer. La surveillance continue de la qualité des données peut à son tour être effectuée par le DQA.

Le thème de la Master Data Excellence n'est en premier lieu pas un thème technologique et donc pas non plus un thème purement informatique. Dans les entreprises, elle doit être menée conjointement par les services spécialisés et l'informatique. L'expérience montre que le soutien de la direction, une gouvernance des données structurée et ciblée ainsi que l'optimisation des processus font partie des facteurs de réussite des modèles d'exploitation MDM. Un modèle d'exploitation MDM intervient dans les structures, les processus et les "territoires" traditionnels. C'est pourquoi une gestion du changement concomitante fait partie des facteurs de réussite, afin de transformer les personnes concernées en participants et de les "emmener" dans le nouveau monde. Enfin, une solution logicielle professionnelle ne peut qu'apporter son soutien.

Pour en savoir plus sur le thème "Gestion de la qualité des données et des données de base comme condition préalable à la numérisation et à l'optimisation des processus", vous pourrez assister à la conférence "No SurpRISE with SAP" à une présentation d'Andreas Stock, Head of Marketing & Presales de zetVisions GmbH, le 2 juin 2022 à 10h00.