Vous rêvez de passer au niveau supérieur dans votre génération de leads ? En réfléchissant à la qualité de vos données comme levier de performance, vous êtes définitivement sur le bon chemin. Trop de sociétés oublient aujourd’hui que la donnée client est une matière 100% vivante. L’information s’érode avec le temps et le spectre de la perte d’opportunité guette chaque mauvaise décision.    

Comprendre la notion de data quality  

Qu’est-ce que la data quality ?

Vous le savez, les entreprises sont clairement de plus en plus digitalisées. Nous allons donc vous épargner le couplet sur l’importance des données pour les entreprises, et passer directement au cœur du sujet : le DQM ou Data Quality Management.

Ce terme désigne les pratiques, procédures et techniques qui visent à améliorer la gestion de la qualité des données dans vos fichiers clients et prospects ! C’est un processus continu et non une action unique.

La data quality, elle, fait donc référence à la valeur de ces données basée sur une série de critères spécifiques.  

Quels sont les critères de la qualité de données ?

Ces critères ou dimensions de la data quality peuvent être évalués, interprétés et améliorés individuellement. Ils sont habituellement exprimés en pourcentage.

1 - Exhaustivité (aussi appelée « complétude »)

2 - Conformité

3 - Intégrité

4 - Flexibilité

5 - Comparabilité

6 - Cohérence  

Mettre en place la data quality  

Une équipe de data quality

La data quality requiert un ou des talents clés pour piloter ce projet continu.

Data owner, Master data manager, data analyst, CDO (chief data officer) ou encore DMO (Data Management Executive), beaucoup de nouvelles terminaisons de postes ont vu le jour ces dernières années.  

Seuls, en équipe ou à l’aide de prestataires, ces experts de la donnée suivent la plupart du temps un premier processus simple de nettoyage et d’harmonisation de la data, qui sera ensuite suivi de façon continue.  

Le processus de data quality

Le processus de mise en place de la data quality dans un contexte d’amélioration continue est réalisé en plusieurs phases habituellement :

1 - Étude des besoins, de la structure des données existantes, de leurs flux et formats

2 - Identification des données non qualitatives et correction

3 - Harmonisation des formats de données pour les rendre interopérable et compréhensibles

4 - Amélioration de l'exhaustivité des données

5 - Mise en place d’un plan de pilotage sur le long terme par un suivi de KPI clés Ces phases qui paraissent simple nécessitent en réalité de brasser de grandes quantités de données. Simultanément, il faut également bien comprendre les enjeux, défis et besoins des différentes parties prenantes.  

Les outils de data quality

Il existe des centaines d’outils pour vous accompagner dans la mise en place d’une belle qualité de données. Chaque outil dispose de champ d’expertise différents :

• la préparation des données (comme Google Dataprep ou Dataiku)
• la vérification de la qualité des données (comme Data Validation)
• la gestion des données (avec des outils comme Informatica ou SAS)
• la gestion des données de référence avec un MDM (comme Infosphere ou Talend) 

3 conseils pour votre activité

Il reste difficile de résumer les meilleurs conseils en termes de data quality en quelques lignes. Il faudrait en vérité des jours pour lister les bonnes pratiques dans ce processus. Nous avons néanmoins tenté de vous donner les 3 principaux « commandements » d’une approche de data quality :

• Concentrez-vous sur les données sérieuses et signifiantes mais avec un regard global
• Prenez le temps et les ressources nécessaire, ce processus est un investissement !
• Documentez vos exigences de qualité pour être alignés en interne et avec vos prestataires éventuels 

Mettre en place un management de la data quality est un processus qui n’est pas gratuit, loin de là. Si le gain n’est pas tant visible au départ, il est au bout du chemin, rassurez-vous. Envie de parler de la qualité de vos données dans le cadre de votre lead generation ? Contactez-nous