Mettre en place une démarche de qualité des données : de l’analyse à l'amélioration continue
Reconnaître l'importance de la qualité des données et identifier les chantiers prioritaires sont des étapes préalables nécessaires*. Encore faut-il mettre en place une démarche structurée pour l'améliorer durablement. Dans les administrations publiques, cette démarche peut reposer sur les 4 étapes de la Roue de Deming : PLAN, DO, CHECK, ACT.
PLAN : au démarrage, définissez le niveau de qualité attendu pour les données sélectionnées (complétude, fréquence de mise à jour, précision, exhaustivité) et identifiez les causes profondes des déviations par rapport à la qualité attendue.
Ensuite, réalisez une analyse pour diagnostiquer les principaux problèmes : données manquantes, doublons, incohérences ou informations obsolètes ainsi que les solutions envisageables.
Chaque proposition d’amélioration peut être analysée, priorisée et planifiée selon une approche coûts/bénéfice. Certaines corrections peuvent être vues comme des résultats rapides et apporter directement des améliorations sensibles. D’autres pourraient nécessiter des moyens plus importants qu’il faut alors planifier comme des projets à part entière. Ces améliorations à mener, qui ont été priorisées, devront être transcrites dans un protocole de résolution.
DO : c’est la mise en œuvre du protocole de résolution. Une règle fondamentale consiste à corriger les erreurs à la source, c'est-à-dire dans le système où la donnée est créée ou maintenue. Cette approche garantit que l'ensemble des applications et processus utilisant cette information bénéficieront automatiquement de la correction. Les solutions à mettre en place ne sont pas nécessairement techniques. Souvent, cela passe par le rappel des règles d’encodage des données, la formation des nouveaux agents.
CHECK : lors de cette étape, les analyses de qualité sont répétées, pour vérifier si le problème de qualité des données est bien résolu, et que les données atteignent bien le niveau de qualité requis.
ACT : le monitoring est ensuite essentiel. Des tableaux de bord et des contrôles automatisés permettent de détecter rapidement les anomalies avant qu'elles n'affectent les services ou les processus métiers. Le suivi régulier de quelques indicateurs simples offre déjà une vision précieuse de l'état de santé des données.
Enfin, la qualité des données doit s'inscrire dans une logique d'amélioration continue associant métiers, équipes IT et responsables des données. La sensibilisation et la formation des collaborateurs restent un facteur clé de réussite.
En conclusion : après avoir identifié vos chantiers prioritaires, définissez le niveau de qualité attendu (complétude, fréquence de mise à jour, précision, exhaustivité) et identifiez les causes profondes des déviations par rapport à la qualité attendue. Mettez ensuite en place un processus clair de correction des anomalies, en privilégiant toujours la correction à la source. Cette approche progressive permet d'obtenir rapidement des résultats concrets, tout en développant une culture durable de la qualité des données.
N'hésitez pas à solliciter les ressources, guides et expertises disponibles au sein de votre administration ou auprès des acteurs régionaux de la gouvernance des données afin d'accompagner cette démarche et d'en assurer le succès.
Talent et Paradigm travaillent ensemble pour vous proposer, prochainement, une auto-formation en trois modules : Data Literacy, Data Gouvernance et Data Quality. Ces formations visent tous les collaborateurs et permettront d’augmenter les connaissances data des acteurs de la Région. Restez à l’écoute pour les dates de sortie !
* Voir article 1 : Lien externeLa qualité des données : un enjeu stratégique pour les administrations publiques bruxelloises
