Gérer les problèmes de qualité des données

La base de votre succès : Pourquoi le DQ-Issue-Management est-il rentable ?

Qu’il s’agisse de mesures de marketing, d’évaluation d’indicateurs ou de décisions opérationnelles : Le succès dépend toujours de la qualité des données sous-jacentes. C’est pourquoi une qualité de données durablement élevée est une base décisive pour une entreprise. Pour y parvenir, les données doivent être gérées en permanence. Cela permet également d’identifier les causes systématiques d’erreurs et d’imprécisions. Selon la cause, ces erreurs sont ensuite corrigées manuellement ou automatiquement – cela aussi est organisé et défini dans le DQ-Issue-Management.

Une définition est donnée : Qu’est-ce que le DQ-Issue-Management ?

La gestion des évaluations DQ décrit un processus organisé de mesure, d’évaluation et de correction des problèmes de qualité des données (DQ-Issues), qui combine des outils de mesure automatisés, un contrôle des processus et des étapes de vérification manuelle.

Un problème de qualité des données (DQ-Issue) est une erreur de qualité sur un ensemble de données de vos clients ou partenaires commerciaux. Des exemples typiques de problèmes de qualité des données sont :

> Adresses postales non valables

> Erreur dans l’orthographe d’un nom

> Noms incomplets

> Des enregistrements en double pour un client (doublons)

> Adresses obsolètes pour lesquelles une adresse de déménagement est connue

> Absence de marquage des clients décédés

> Numéros de téléphone erronés

> Adresses e-mail erronées

Plusieurs erreurs peuvent survenir par client. Les outils de qualité des données mesurent les différents aspects de la qualité des données. Pour certains problèmes, ces outils peuvent également fournir des suggestions concrètes de correction. Même si les outils peuvent faire beaucoup, il est utile de vérifier manuellement les erreurs détectées automatiquement, car les outils peuvent parfois trouver de « fausses erreurs » ou passer à côté de quelque chose. Le terme « faux positifs » regroupe les messages d’erreur d’un outil DQ qui ne sont pas de vraies erreurs. Un exemple : une rue dans un nouveau quartier n’est pas encore incluse dans les données de référence. « Faux négatifs » sont les erreurs dans les données qui n’ont pas été détectées par les outils DQ.

C’est à cela qu’il faut faire attention : Comment fonctionne le DQ-Issue-Management ?

Quelles sont les étapes nécessaires pour obtenir une qualité de données élevée et bonne à long terme ? Tout d’abord, vous définissez les indicateurs de mesure de la qualité des données. Cela comprend la qualité des adresses, la qualité des noms, les doublons, les déménagements, les personnes décédées, les erreurs dans les numéros de téléphone et les adresses e-mail, etc. Ensuite, créez un catalogue d’erreurs et définissez la priorité de chaque erreur. Ensuite, vous définissez comment chaque erreur sera vérifiée et corrigée. La planification du processus est ainsi terminée.

Vient ensuite la mise en œuvre : la qualité des données est mesurée. Les résultats sont documentés dans une base de données avec un lien compréhensible avec chaque enregistrement de données. Ensuite, les résultats sont visualisés et évalués. Les erreurs et les propositions de correction sont transmises à des collaborateurs pour traitement. Ceux-ci examinent et évaluent les erreurs/propositions de correction et les corrigent si nécessaire. Les résultats du contrôle visuel et les corrections sont enregistrés dans des listes blanches et noires qui, en cas de contrôles répétés, empêchent de marquer à nouveau les erreurs déjà traitées. La White List contient les enregistrements qui semblent erronés mais qui sont en ordre, la Black List contient les cas suspects confirmés qui sont vraiment des erreurs et les corrections possibles. Les données corrigées sont finalement réintégrées dans la source de données, par exemple votre base de données clients.

Vous avez le système, nous avons le modèle pour le processus : TOLERANT est votre partenaire expérimenté pour la gestion de l’évaluation DQ.

Nos experts chevronnés peuvent mettre en place, gérer et exploiter pour vous des processus efficaces en matière de qualité des données. Nos outils logiciels fournissent des résultats de mesure et des propositions de correction qui peuvent être utilisés comme base pour la gestion de l’évaluation de la qualité. Nous vous accompagnons et vous conseillons lors de la planification, de l’installation et de la mise en place de votre gestion DQ-Issue – en fonction de votre système et de vos processus. Nous vous montrons comment intégrer nos produits logiciels dans vos systèmes et processus afin de pouvoir tout utiliser efficacement et à long terme. Nous développons une boucle de mesure adaptée à vos exigences : vos données sont mesurées, un rapport est établi, les erreurs sont corrigées et les données sont à nouveau mesurées. Ce processus combine le diagnostic par des outils de mesure avec une correction organisée des erreurs selon des priorités, réparties en paquets de travail et en répartition des tâches. Lorsque ce circuit de mesure est établi, vous découvrez à temps les points faibles qui peuvent par exemple apparaître dans la saisie suite à un changement de personnel ou à des erreurs de système. Les erreurs de données déjà existantes sont systématiquement éliminées et vous gardez un bon aperçu de la qualité de vos données.