Heureusement les choses ont bien changées depuis.
Un sujet devenu d’actualité
La qualité de données, si ce n’est pas un sujet récent – du moins techniquement – est aujourd’hui, on peut le dire, un sujet mature qui entre au cœur des préoccupations de tous. Oui tous, car cette prise de conscience transparait tant du côté de l’IT (ou de la Maîtrise d’œuvre) que des métiers (ou Maîtrise d’ouvrage).
Prise de conscience, certes mais … Pourquoi ?
Et bien j’y vois plusieurs raison à cela:
1) La vague des progiciels
La première peut-être est que la vague initiale de déploiement des progiciels (particulièrement les ERP) est dorénavant terminée. Tous les SI – ou presque – en possède un ! Mais ces ERP qui devaient faire converger et unifier les informations de l’entreprise, ont-ils été à la hauteur des ambitions qui pesaient sur eux ? ont-ils répondus aux attentes des utilisateurs ? Une chose est sûre : les besoins en termes d’intégration n’ont cessés de croître depuis, et continuent à croître encore. Ces progiciels sont en outre bien souvent trop fermés et peu performant vis-à-vis de l’extérieur. De plus tout nouveau déploiement représente souvent un coût prohibitif : d’où l’apparition de nombreuses applications satellites. En d’autre terme l’unification de la gestion des informations via l’utilisation des ERP n’est sans doute pas à la hauteur de ses ambitions passées !
2) Les fusions & acquisitions
La seconde raison est une conséquence du nombre incroyable de fusions et acquisitions des entreprises qui a eu lieu ces dernières années. En effet ces changements organisationnels ont eu un impact direct sur les SI et il a donc fallu songer à Décommissionner, Archiver et bien sûr Migrer un nombre colossal d’applications et donc de données. Or bien souvent ces démarches ont été réalisées de manière artisanales et par conséquence hasardeuses : d’où l’insertion de données inutilisables, inappropriées ou pire erronées dans les nouveaux systèmes.
3) L’augmentation des volumes de données traités
La troisième et dernière raison que j’évoquerai ici, et qui est aussi un facteur aggravant de la détérioration des données, est due à l’augmentation considérable et exponentielle des volumes d’informations dans les systèmes informatiques. C’est ce que l’on nomme aujourd’hui le phénomène de « Big Data » qui, s’il ne touche pas encore toutes les entreprises ne va certainement pas tarder à se manifester. Les données qu’elles soient structurées ou non doivent en effet être stockées à tout prix et bien souvent sous n’importe quel format, elles doivent être présentes dans le SI … pour … ? Mais pourquoi ? À quoi cela sert-il si elles ne sont pas exploitables ? Voilà un enjeu de taille pour les entreprise qui voudront exploiter réellement leurs données, et pourquoi pas celles issues du monde extérieur (comme les partenaires, les médias et réseaux sociaux, etc…).
Prendre le problème à bras le corp
Il n’y a donc pas 40 façons de mener à bien un projet de qualité de données.
Pour bien réussir ce type de projet il faut tout d’abord bien appréhender ses caractéristiques particulières : un projet de qualité de données n’est pas un projet « ordinaire ». Tout d’abord ce dernier doit parfaitement s’intégrer dans la stratégie IT de l’entreprise. Toute démarche ponctuelle, si elle n’est pas vouée à l’échec au démarrage, ne pourra s’inscrire dans le temps, et devra donc être remise en cause ultérieurement. Deuxièmement, un projet de qualité de données ne s’arrête pas au déploiement, il doit au contraire sans arrêt se réajuster selon les différents aléas qui vont modifier les données sources. C’est donc intrinsèquement un projet itératif qui doit être flexible et réactif à toute nouvelle demande ou modification afin de pouvoir rapidement prendre en compte de nouvelles règles de redressement (découvertes bien après le déploiement). Pour finir (et ce n’est pas le critère le moins important), un projet de qualité de données doit être vu comme un sous-projet d’un projet d’ensemble : Business Intelligence, Migration, Mise à jour progiciel, etc… qui lui-même est inscrit dans le schéma directeur de l’entreprise.
La qualité de données ne doit pas être géré coté IT
Pour conclure, un projet de qualité de données est avant tout un projet de la Maîtrise d’ouvrage ! Ce type de projet – s’il doit être « contrôlé » par la MOE – ne peut en effet réussir sans une grande implication des personnes qui connaissent la réelle signification des informations. La DSI ou la MOE ne peut donc pas mener seule un projet tel que celui-ci ! Certains me diront qu’avec un bon dossier de spécifications tout devrait bien se passer. Et bien avec de la chance peut-être ! En tout cas, cela serait sans prendre en compte la dimension changeante et parfois même « aléatoire » des données que l’on va traiter. Car traiter des données, c’est traiter de l’information; et l’information n’a du sens que pour ceux qui la connaisse ! Tenez … si vous parlez à peine Anglais, vous pourrez toujours lire un livre, mais serez-vous à même d’en corriger les fautes ? Il faut donc laisser la main à ceux qui connaissent les données, et leur donner le plus de capacité d’intervention dans le projet.
La Collaboration un élément fondamental
Mais ce n’est pas tout, le processus de traitement/qualité des données n’étant bien souvent pas un processus entièrement automatisable, il est important d’y ajouter des interventions humaines pour un certain nombre d’actions et à certains moments. Informatica Data Quality permet aussi l’implication des MOA lors des phases de redressement d’informations (gestion des rejets, recyclage) mais permet aussi l’arbitrage manuel lors de la détection préalable (en logique floue) de potentiels doublons.Pour résumer Informatica Data Quality n’est plus seulement un outil de développement pour la qualité de données, il est surtout une plate-forme collaborative IT/Métiers qui permet à tous les intervenants (métiers et développeurs) d’un projet de qualité de données de travailler de concert.
Ingénieur en informatique avec plus de 20 ans d’expérience dans la gestion et l’utilisation de données, Benoit CAYLA a mis son expertise au profit de projets très variés tels que l’intégration, la gouvernance, l’analyse, l’IA, la mise en place de MDM ou de solution PIM pour le compte de diverses entreprises spécialisées dans la donnée (dont IBM, Informatica et Tableau). Ces riches expériences l’ont naturellement conduit à intervenir dans des projets de plus grande envergure autour de la gestion et de la valorisation des données, et ce principalement dans des secteurs d’activités tels que l’industrie, la grande distribution, l’assurance et la finance. Également, passionné d’IA (Machine Learning, NLP et Deep Learning), l’auteur a rejoint Blue Prism en 2019 et travaille aujourd’hui en tant qu’expert data/IA et processus. Son sens pédagogique ainsi que son expertise l’ont aussi amené à animer un blog en français (datacorner.fr) ayant pour but de montrer comment comprendre, analyser et utiliser ses données le plus simplement possible.
One Reply to “La qualité des données, un projet métier avant tout”