Le problème de la qualité des données se pose avec d'autant plus d'acuité que les volumes à traiter augmentent et que les applications tendent à se diversifier. Outre cela, les pressions réglementaires et les exigences de contrôle interne obligent les entreprises à s'intéresser de plus en plus à la qualité de leurs données. Devenue un enjeu essentiel pour les entreprises, elle est aussi maintenant source de compétitivité. Tel est le postulat évoqué lors des huitièmes rencontres CIO SAS, organisé le 07 juin à Paris.

Ainsi, la qualité des données va au delà de la simple répercussion financière, elle influe entre autre sur la perception qu'ont les clients de l'entreprise. « Elle s'étend à tous les types de données recueillies et utilisées dans les entreprises : celles relatives aux fournisseurs, aux produits, et plus généralement, à tout le spectre des applications décisionnelles » rappelle Christophe Chalopin, responsable Solutions Integration et Qualité des données chez SAS.

Cependant, trop de sociétés négligent encore la gestion de ces informations et se retrouvent à exploiter des données fausses ou obsolètes. Ce qui entraîne de nombreux impacts sur le pilotage de l'entreprise. Par exemple, en marketing, une campagne manquera sa cible si les informations clients ne correspondent pas. Pour pallier ce genre de problème, une gestion de la qualité des données s'impose. "C'est elle qui va garantir la fiabilité et la cohérence des données de l'entreprise" confie Xavier Dasque, Senior Manager chez Accenture.

« Cette démarche doit s'appuyer sur des outils adaptés mais surtout être associée à tous les acteurs concernés » insiste François Corona, responsable du département référentiel, la Banque Postale. Dans cette optique, la solution choisie doit être bâtie selon les processus internes de l'entreprise. Car la difficulté ne réside pas dans les outils à mettre en place mais plus dans l'intégration des contrôles métiers qui garantit la qualité des données, de la naissance de la donnée et tout au long de son cycle de vie. Ainsi, tous les intervenants présents à cette matinée s'accordent sur le fait que la réussite d'un projet de gestion de qualité des données tient autant à la technologie qu'aux acteurs.

Du côté technologie, plusieurs outils existent pour améliorer la cohérence des données. Si jusqu'ici, les DSI avaient recours à des solutions d'intégration de type ETL (pour extraction, transfert et chargement de données) conçues à la fois pour rassembler et nettoyer les données avant de les transférer au sein d'un entrepôt sur lequel des requêtes peuvent ensuite être réalisées, les outils de gestion de qualité des données peuvent également jouer un rôle dans ce processus. On parlera désormais d'outils prédictifs en temps réel mais aussi de Master Data Management (MDM). Ces derniers ont l'avantage de regrouper l'ensemble des données à la source au sein d'un unique référentiel. Concrètement, les solutions de MDM s'appuient sur une base centralisée dans laquelle sont stockées les données servant de référence. Celles-ci peuvent ensuite être déclinées et adaptées selon les besoins. Le référentiel permet de rattacher ces désignations liées au contexte des données servant de base. Ce qui permet d'assurer la qualité des données en évitant de faire des erreurs.

Reste ensuite à savoir si la démarche entreprise sur la qualité des données a été efficace. Pour la mesurer, Xavier Dasque a identifié 7 critères : l'intelligibilité, la complétude, la conformité, l'homogénéité, l'exactitude, la disponibilité et l'unicité.

. Web-profils.com, la place de marché du conseil et de l'ingénierie