DQM : trois lettres qui désignent le Data Quality Management. Un ensemble d’outils, de stratégies et de bonnes pratiques visant à superviser, contrôler et gérer la manière dont les données sont centralisées et organisées au sein d’une structure. Toutes les entreprises – et les organisations publiques – disposent de nombreuses données. Bien les maintenir est un défi qui peut être quotidien, car des données non conformes, obsolètes, doublonnées ou manquantes représentent une vraie perte de valeur, de productivité et d’efficience.

Toutefois, à l’heure de l’automatisation croissante des systèmes d’information, des DMP, du machine learning, du data onboarding et des algorithmes prédictifs, la machine ne peut pas encore tout faire. L’humain est un acteur indispensable dans la collecte, le partage et l’intégration des données. Or, qui dit humain dit risque d’erreur, de négligence et d’oublis. Vraiment ?

Qu’est-ce que l’administration de données et pourquoi est-ce indispensable ?

Toutes les organisations disposent de nombreuses données qui sont fragmentées, protéiformes et issues de sources différentes, avec des formatages particuliers. Des données qui parlent des langues différentes et dont la valeur est difficilement extractible en l’état. Sans action humaine, il est complexe de les valoriser. C’est la raison pour laquelle la réconciliation, le contrôle et la validation des données sont essentiels afin de pouvoir les utiliser à bon escient.

L’administration des données est un travail crucial. Un rôle incarné par un chef d’orchestre de la donnée qui doit faire communiquer des instruments très différents pour créer une symphonie de qualité.

Une tâche qui impose notamment de :

  • vérifier et corriger les données collectées en temps réel ou a posteriori;
  • actualiser les données lorsque c’est nécessaire;
  • dédoublonner les données;
  • réconcilier les données online et offline, ainsi que les données online issues de différentes sources et plateformes;
  • assurer une mise en conformité légale avec le RGPD;
  • créer des modèles d’extraction et d’analyse pouvant être utilisés par le responsable marketing, le service support, un data scientist ou tout autre prestataire susceptible de collaborer avec vos services.

Le facteur humain dans l’administration de données

Difficile de ne pas parler de technologie, lorsqu’on parle de traitement des données. Pourtant, le facteur humain est indispensable. Certaines organisations disposent d’ailleurs de fonctions spécifiques liées à l’administration des données.

Quelques exemples :

  • Le DQM Program Manager travaille sur la qualité et la stratégie de collecte et de gestion des données;
  • Le Change Manager participe à l’adoption de nouvelles technologies et à l’accompagnement du changement;
  • Le Data Analyst ou Data Scientist créent, modélisent et conceptualisent les usages faits des données.

La problématique centrale de l’administration de données réside dans la recherche constante de la qualité. Or, pour y parvenir, il est nécessaire d’identifier les risques inhérents à la manipulation humaine. Conséquence : de nombreuses marques doivent gérer un paradoxe fonctionnel. D’un côté, le facteur humain est indispensable pour administrer les données, mais de l’autre, il est potentiellement une source d’erreurs, d’imprécisions et d’inexactitudes.

Pour y faire face, il est donc nécessaire de maîtriser le parcours de la donnée, au même titre que marketeur maîtrise le parcours du client. Chaque donnée doit être traçable à chacune de ses étapes, de sa création à son intégration. Un travail de recensement permettant de savoir quelles sont les zones susceptibles d’altérer les données. Des risques à connaître pour appliquer les bons remèdes au bon moment, le cas échéant.

Car le paysage est vaste. Entre la carte de visite reçue par un commercial, les informations entrées par un téléconseiller, et celles gérées par un vendeur en magasin, le responsable RH ou le community manager, la diversité est conséquente.

Le risque existe, il faut le gérer

Si les vendeurs de solutions d’automatisation vous disent que tout s’automatise, il faut rester prudent ! Dans l’administration des données, le but n’est pas de faire sans le facteur humain, c’est impossible. Il faut donc apprendre à gérer le risque et tirer profit des interactions humaines pour enrichir ses données. Une manière de valoriser le travail agile avec des équipes pluridisciplinaires afin de gagner en réactivité.

Exemples et bonnes pratiques :

  • Former tous les collaborateurs en contact avec des données.
  • Accompagner le changement et la transformation digitale.
  • Faire des contrôles qualité (stress test, client mystère, contrôle aléatoire).
  • Mettre à jour régulièrement ses procédures de contrôle.
  • Se doter des outils adaptés pour limiter les risques d’erreurs.

Avec l’administration des données, le facteur humain est polymorphe. Bien organisé, formé et accompagné, il crée de la valeur et peut transformer la gestion des données en avantage concurrentiel. Livré à lui-même, il encombre les processus, ralentit la collecte et en détériore l’usage. Une même pièce de monnaie, mais avec deux faces très distinctes. Laquelle choisirez-vous ?