Maîtriser la qualité des données pour gérer les risques

Les effets indésirables provoqués par les données de mauvaise qualité

La qualité des données, compte tenu de leur importance aujourd’hui dans les modèles économiques, est aussi importante que celle des biens et des services. A l’ère du Big Data et de la complexité croissante des process, une information dégradée est un grain de sable aux effets multiples. Règlementaire d’abord, car nombre d’entreprises de différents secteurs ont des comptes à rendre auprès d’instances de régulation, ceci sous forme déclarative à partir de données traitées en interne. Toute erreur ou manipulation diverse induit alors de la non-conformité. Économique ensuite, l’information étant à l’origine de la décision, ses défauts altèrent la clairvoyance des décideurs et brouillent leurs anticipations. Financier également, puisque les arbitrages se nourrissant d’indicateurs et autres signaux de marché, leur inexactitude déforme la réalité et compromet alors les diagnostics. Opérationnel enfin, les process étant consommateurs d’informations, celles dont les attributs sont douteux éloignent les résultats des objectifs. Une mauvaise qualité des données est ainsi la cause de nombre d’effets indésirables aux conséquences multiples pour une organisation. La maîtrise de l’information est donc indispensable en matière de gestion des risques.

Maîtriser la qualité des données à partir des causes déficientes en matière d'informations

Comme pour tout dispositif de maîtrise des risques, avant de penser aux solutions, encore faut-il avoir une idée claire et distincte des problèmes. La mise en place d’une démarche structurée pour la qualité des données doit s’appuyer sur les anomalies et les insuffisances constatées et qui déforment l’information. Celles-ci sont habituellement les suivantes :

  • Erreur de saisie : le traitement des données suppose qu’elles soient préalablement intégrées dans un système. Cette phase d’alimentation conditionne la suite du process. En cas de saisie incorrecte, les traitements sont dès le départ voués à produire des résultats erronés.
  • Contrôle détectif insuffisant : la prévention en termes de contrôle est une nécessité, la détection l’est tout autant puisque rien ne garantit l’absence d’anomalie. L’incapacité pour une organisation d’être alertée de tout dysfonctionnement interdit les actions correctives nécessaires dans des délais appropriés. L’erreur alors perdure jusqu’à être perdue dans la masse des opérations et des traitements.
  • Défaut de responsabilisation : tous les collaborateurs d’une entreprise sont à responsabiliser concernant la qualité des données car chacun est à la fois consommateur et producteur d’informations. A défaut, les contrôles en la matière seront très certainement laissés de côté par celles et ceux qui en ont la charge mais non le devoir de les réaliser.
  • Désynchronisation des outils : la donnée concentre des flux d’informations issues ou traitées dans différents outils. Il importe que ceux-ci communiquent efficacement, sans rupture, ni doublon, et surtout de façon synchronisée. A défaut, les données sont altérées par des informations incomplètes.
  • Absence de piste d’audit : être capable de tracer le chemin emprunté par toute information dans tout système ou process est de nature à garantir la qualité des données. Si tel n’est pas le cas, l’organisation n’est alors plus en mesure de comprendre la façon dont sont construits ses reportings qui servent notamment au pilotage de ses activités.
  • Ressources informatiques inadaptées : des moyens disproportionnés augmentent le coût de l’information, des ressources insuffisantes dégradent elles la qualité des données.
  • Biais algorithmiques : les modèles de plus en plus sont au centre des systèmes d’informations et des process décisionnels. Les algorithmes sont intéressants en apportant des capacités inégalées de traitement pour analyser ce qui est, et de simulation pour anticiper ce qui sera. Ils sont cependant limités par la pertinence des hypothèses qui les fondent. Que celles-ci soient biaisées, et alors le moteur algorithmique se grippe…

Jean-François Caron

Président de la SAS FormaConseils

www.formaconseils.org

 


A découvrir une formation e-learning

(cliquez sur l'image pour accéder au programme de formation)

Cette formation vous intéresse, vous avez des questions, n'hésitez pas à me contacter :

- par mail : jfcaron@outlook.fr

- par tel / whatsapp : 336 80 24 16 25

Je vous répondrai dans les 24 heures.

Un commentaire à propos du texte, une question concernant la formation on-line, n'hésitez pas à laisser votre message ci-dessous

Note : veuillez remplir les champs marqués d'un *.