Garantir la Qualité des données
Nous sommes dans un monde d’immédiateté. Les employés, les directions, les consommateurs, les partenaires ont l’habitude d’accéder et d’exploiter de la donnée. Les défauts de qualité et d’accessibilité génèrent instantanément des incompréhensions.
Le contexte de la data a évolué. Par le passé, acquérir de la data représentait un coût important : collecte, stockage… Ces freins ont été levés et l’acquisition de données structurées ou non est maintenant massive. Cependant, elle engendre aussi des impératifs de qualité pour la rendre exploitable et activable.
La prise en compte de l’enjeu de qualité passe par trois étapes :
Découverte
Prendre conscience des défauts et de leurs impacts sur l’organisation
Diagnostic
Analyser les causes à travers tout le cycle de la donnée
Correction
Intervenir pour garantir la fiabilité des données.
Les défauts liés à la data peuvent provenir de multiples sources : modélisation, dictionnaire de données, collecte, identification, partage, export, mise à jour… La gravité de leurs impacts est proportionnelle au délai nécessaire pour leur correction. Corrigés à la collecte, les conséquences sont minimes, elles sont plus importantes si la donnée a déjà circulé au sein de l’organisation et elles entrainent des réactions en chaine si les données ont déjà été utilisées !
La qualité des données n’est pas intrinsèque ! Elle s’évalue toujours au regard de son usage et des exigences réglementaires.
Quels dispositifs proposons-nous pour améliorer la qualité des données ?
Nous vous accompagnons pour améliorer et garantir la fiabilité de vos données au travers d’activités de planification, de mise en œuvre et de contrôle :
Auditer
- Identifier les problématiques liées aux données et leurs sources
- Evaluer la qualité des données par domaine
- Recueillir les exigences des différents services et préciser les enjeux de conformité règlementaire (RGPD …), d’accessibilité et de sécurité
- Définir la feuille de route à suivre
Cadrer en amont
- Profiler les données et étudier la structure des tables
- Définir les dictionnaires de données et les glossaires métiers
- Modéliser les données et les référentiels
- Préciser les responsabilités autour de la data
Cartographier les données
- Intervenir sur les cartographies applicatives, des flux, des données…
- Mettre en place une démarche d’architecture du système d’information sur les différentes strates
Choisir les socles techniques
- Aider au choix des solutions techniques pour les données
- Concevoir les plateformes d’échange de données (API; message broker, ETL, EDI, iPaaS, …) et les modèles d’échanges
- Concevoir les plateforme de données (Data Lake, Data Mesh, Data Visualisation, framework d’IA)
- Choisir les solutions de gisement de données partagés (MDM, référentiels, …)
- Définir les bonnes pratiques et solutions de gestion de la qualité et de la sécurité des données.
- Prendre en compte l’impact RSE des données
Mettre en place les référentiels
- Identifier les zones de stockages de l’information
- Aider au choix des outils
- Mettre en place ou renforcer la gouvernance des données dans l’organisation
- Définir les indicateurs de qualité des référentiels
Former autour de la donnée
Découvrez notre Parcours de formation
Notre démarche pour
fiabiliser vos données
Notre démarche de data quality est étroitement liée à la vision métier et aux enjeux propres à chaque secteur d’activité. C’est l’usage qui porte la valeur de la donnée. La qualité des données doit donc être interrogée au regard des processus métier et des exigences internes et externes à l’organisation !
Projexion est un cabinet de conseil en organisation dont la vocation est d’accompagner les entreprises dans leur transformation.
- Notre “collectif d’expertises” regroupe à la fois des compétences IT, organisationnelles et métiers dans des secteurs variés. Nous sommes convaincus que les enjeux de qualité des données doivent toujours être perçus à l’aune des attentes des utilisateurs.
- Nous sommes totalement indépendants des éditeurs de logiciels. L’objectivité et le pragmatisme sont des valeurs centrales pour tous nos consultants.
- Notre démarche architecturale garantit d’appréhender le Système d’Information dans sa globalité et toutes les dimensions de la data quality.
Quelques exemples de
missions réalisées autour de la qualité des données
Pour une enseigne de grande distribution
Nous avons assisté cette enseigne dans la construction d’un référentiel de données au cœur du SI (Produits, Fournisseurs, Nomenclatures, Sites, Offres, Assortiment, Tarifaire, etc.). Nous avons aussi participé à la mise en œuvre du référentiel sur différents aspects : modélisation des données, intégration et diffusion des données.
Nous l’avons également accompagnée sur l’étude des flux d’échanges externalisés, et avons élaboré avec elle un appel d’offres pour le choix et la mise en œuvre d’une plateforme EDI.
Pour un groupe d’enseignes spécialisées dans le bricolage
Nous avons réalisé pour ce groupe une étude autour d’un projet de migration des données. Nous l’avons ensuite accompagné dans la mise en œuvre.
Pour un organisme de financement et rachat de crédit
Nous avons réalisé pour ce client une mission de management de transition avec la responsabilité du pôle Data Quality.
Pour un groupe de grande distribution
Nous avons accompagné la mise en place de la norme GS1 au sein de la direction des achats dans un contexte international.
Carrefour d’apprentissage
Découvrez notre carrefour d’apprentissage digital où se croisent talents, technologies et méthodes au service de vos organisations !
Retour d’expérience – Mise en place d’un framework d’architecture d’entreprise
Retours d'expérienceData stewardship et gouvernance : Quel est le rôle du business Data steward au sein de la DSI?
Retours d'expérienceRetour d’expérience sur l’accompagnement d’un projet de Cloud Data Platform au service de la data visualisation dans le retail
Retours d'expérienceLe retour d’expérience de deux architectes d’entreprise sur la gestion de l’obsolescence et de la dette du système d’information
Retours d'expérience