Les douze salopards

Mais quelle valeur peuvent avoir des décisions prétendument directives qui reposent sur des sources douteuses ou contaminées ? Qu'elles soient obsolètes, enregistrées deux fois ou tout simplement incomplètes, les raisons de la mauvaise qualité des informations sont multiples. Le problème des données sales touche particulièrement les entreprises qui collectent de grandes quantités de données. "Si le chaos est déjà visible, le nettoyage de printemps est plus que nécessaire".Andreas Köninger, expert en numérisation et membre du conseil d'administration de SinkaCom, le sait. "Enfin, plus les mémoires sont riches, plus l'épuration est difficile". Heureusement, des mesures au niveau structurel peuvent améliorer considérablement l'hygiène des données et garantir ainsi un reporting fiable. 

Contrairement à l'idée reçue, beaucoup ne sert pas toujours à grand-chose en matière de gestion des données. Au contraire, la frénésie de collecte est plutôt contre-productive. "Dans la pratique, on constate régulièrement qu'outre la complexité, les efforts et les coûts augmentent de manière exponentielle, tandis que la qualité des données diminue encore plus", souligne Andreas Köninger. La première étape pour améliorer la situation consiste donc à remettre en question ses propres processus. Quel est l'objectif de la collecte d'informations ? Favorisent-elles l'optimisation des processus ? Peut-on déduire des chiffres clés de ces connaissances ? Si les données ne sont pas pertinentes, il vaut la peine de les supprimer afin d'éclaircir le maquis. Une telle démarche est également conforme au principe de minimisation des données du RGPD.

"Pour permettre une analyse efficace à l'étape suivante, il faut une forme de compatibilité entre tous les formats de données utilisés".Andreas Köninger le sait. "Cela commence par un langage d'entreprise unique et s'arrête à la conversion entièrement automatisée des informations". En effet, ce n'est que lorsque tous les services utilisent la même désignation pour un processus commercial ou un client, par exemple, que les impuretés telles que les doublons peuvent être détectées. Ainsi, des désignations différentes comme "directeur" et "président de la direction" peuvent suggérer aux machines plusieurs postes, alors qu'il s'agit du même poste.

En cas de doute, des applications autonomes aident à transférer les informations dans le format souhaité et corrigent automatiquement les imprécisions. Surtout si des transmissions arrivent régulièrement de partenaires externes, un programme spécialisé ou une interface bien conçue réduit le potentiel de données sales. Si l'on parvient à uniformiser toutes les informations pertinentes dans tous les départements et à les rendre ainsi lisibles, un grand pas aura été franchi. Les structures allégées font des miracles contre les données sales.