Dans un rapport, l’institut Gartner suggère qu’une pauvre gestion de qualité des données coûte en moyenne aux organisations près de 12 millions de dollars par an.

En 1999, la NASA perd un satellite valant de 125 millions de dollars à construire car deux équipes n’utilisaient pas les mêmes systèmes de mesure. Une simple divergence d’unité de mesures démontre parfaitement comment la donnée non fiable impacte directement la prise de décision dans une organisation

Dans ce module, vous apprendrez ce qu’est exactement la qualité de données et comprendrez le coût caché d’une mauvaise gestion de la qualité de données.

Le problème invisible

La plupart du temps, la qualité des données est invisible jusqu’à ce qu’elle devienne une crise. Par exemple, imaginez une entreprise qui lance une toute nouvelle campagne marketing en s’appuyant sur des bases de données clients dont la majorité des clients sont des doublons.

La campagne marketing a de fortes chances d’échouer car elle cible seulement la moitié des utilisateurs. En parallèle, les messages de communication sont envoyés en même temps au même clients ! Pour y remédier, les employées sont souvent obligés de compenser manuellement les erreurs tout en prenant de mauvaises décisions. À cet effet, l’entreprise perd un temps précieux.

De plus, elle perd la confiance des utilisateurs et provoque chez eux, une frustration de plus en plus forte car l’organisation est incapable de répondre aux besoins utilisateurs.

Les six dimensions de données de mauvaise qualité

La plupart des grandes organisations décompte six dimensions qui caractérise une donnée comme étant de mauvaise qualité. Lorsqu’elles appairassent ensemble, cela provoque un impact néfaste pour la performance de l’entreprise et la bonne cohésion entre les départements au niveau global :

  • Exactitude : Un client enregistré avec deux orthographes différentes (Dupont / Dupond)
  • Complétude : Présence de champs vides dans la base de données (email manquant, date de naissance…)
  • Actualité : Adresse postale non mis à jour
  • Validité : Le code postal à 4 chiffres au lieu de 5
  • Unicité : Le même client est enregistré trois fois dans la même base de données

D’où vient la donnée de mauvaise qualité ?

Les problèmes de qualité de données viennent rarement par hasard. Elles s’accumulent progressivement et souvent de manière silencieuse à travers des processus et habitudes de saisies qui restent jamais questionnées pendant des années. Comprendre l’origine du problème est évidemment la première étape pour résoudre la situation.

Aussi, l’être humain peut faire des erreurs d’inattention. Plus la donnée est ingérée manuellement, plus les erreurs s’accumulent : Un nom mal écrit, un chiffre manquant ou bien une date incorrecte.

La donnée de mauvaise qualité provient aussi de l’écosystème informatique de l’entreprise : des outils construits en silos, sans interopérabilité prévue. Quand la donnée traverse le CRM, l’ERP et la plateforme marketing, elle se fragmente à chaque interface. Un client unique génère trois identités fantômes dans trois systèmes distincts.

Mais il faut rappeler une réalité fondamentale : la donnée possède une durée de vie limitée. Ce qui est exact aujourd’hui peut devenir faux en quelques jours. Sans normes et standards pour les encadrer, les données perdent leur intégrité dès leur création. Des champs de formulaire en texte libre non structurés, des formats incohérents, des informations qui ne cesseront jamais d’être obsolètes. Enfin, les silos organisationnels sont sans doute la source la plus courante de mauvaise qualité des données. Quand les équipes travaillent isolées les unes des autres, elles développent leurs propres définitions, formats et standards pour les mêmes données.

En conclusion, reconnaître l’existence de données de mauvaise qualité au sein de l’organisation est en soi un signe positif. Cela témoigne d’une honnêteté organisationnelle et marque le point de départ d’une action de remédiation indispensable. Celle-ci requiert naturellement de déployer des moyens financiers et humains à travers une implication forte de la part des décideurs stratégiques de l’entreprise.