La qualité des données: pour garantir un déroulement fluide de vos projets de migration et d’intégration des données

La qualité des données : un enjeu fondamental pour la migration et l’intégration des données

Il existe d’innombrables situations, aussi bien dans le domaine des données clients que dans celui des autres données enregistrées dans les bases de l’entreprise, où le manque de qualité constitue un obstacle majeur à l’intégration et à la migration des données. À la différence des adresses erronées, il n’existe pas de références ou de modèles accessibles automatiquement pour les autres types de données (par ex. les données de base des produits et des matériaux) sur lesquels on pourrait s’appuyer pour identifier et éliminer les inconsistances. La solution consiste ici à déterminer les mesures appropriées, selon le cas, avant d’effectuer la migration ou l’intégration et à élaborer des règles spécifiques pour la reprise des données.

Données non disponibles

La survenue de problèmes lors de la migration des données est inévitable si les données requises pour le système cible ne se trouvent pas dans le système source. Cela peut être le cas par exemple lors de l’intégration d’une base de données d’assistance dans un nouveau système CRM : si l’indication du titre de civilité est obligatoire dans le nouveau système (par ex. pour une prise de contact personnalisée, par e-mail ou par courrier), alors qu’elle ne l’était pas dans l’ancien, les contacts sans titre de civilité risquent d’être classés de façon erronée dans le système cible.

Données en dehors du domaine de valeurs autorisé

Restons dans notre exemple d’assistance : si le titre de civilité du contact dans le système cible est basé sur des valeurs clairement définies qui diffèrent de celles du système source et qui ne peuvent pas être adaptées (transformées), celles-ci ne seront pas reprises. Et cela, indépendamment du fait que ces erreurs soient dues à une utilisation inappropriée par l’utilisateur ou à une modification non documentée des règles définies pour le titre de civilité.

Les données sources ne sont pas au format requis

Si les données du système source sont codées dans un autre format que celui requis par le système cible, elles risquent d’être rejetées ou de fournir des résultats erronés et de poser des problèmes lors de l’utilisation ultérieure du système.

Les données contiennent des enregistrements orphelins

Dans une base de données, chaque objet de données est associé à un objet d’ordre supérieur. Par exemple, un contact est toujours assigné à une entreprise et le poste d’une offre est toujours affecté à l’offre correspondante. L’absence de ces relations dans le système source (données orphelines) entraîne des erreurs lors de la reprise des données. En effet, ces relations sont d’une importance capitale pour le modèle de données du système cible. Ceci est particulièrement problématique lors de la compilation de données provenant de systèmes distincts (par ex. systèmes ERP et CRM) avec des schémas de bases de données différents.

Données clients avec adresses erronées ou obsolètes

La migration de données est souvent le point de départ d’une analyse globale et d’un nettoyage complet des données erronées ou obsolètes. En outre, si les données doivent être combinées lors d’un processus d’intégration, l’adoption des mesures appropriées avant de lancer le processus peut améliorer considérablement la qualité des données.

Données clients avec différents formats d’adresses

L’existence de différents formats d’adresses est souvent le résultat de la compilation de données issues de plusieurs systèmes sources où les structures de données ont été définies de manières différentes. Le numéro et le libellé de la voie peuvent avoir été saisis par exemple dans le même champ au sein du système source, alors que le système cible dispose de deux champs séparés à cet effet. Dans le cas des adresses internationales, certains attributs peuvent avoir été saisis dans des champs inappropriés en raison de l’absence des champs adéquats dans l’ancien système.

Présence de doublons dans les données clients et les données d’autres types

Quel que soit le type de données utilisées, la présence de doublons risque de compromettre la fiabilité des évaluations et d’entraîner des contraintes et des coûts inutiles en raison des multiples traitements requis. Dans un système classique de gestion d’adresses, par exemple, les coordonnées d’un contact sont traitées dans leur ensemble comme une unité indépendante, ce qui donne lieu à une multitude d’enregistrements redondants pour les entreprises ayant plusieurs personnes de contact. L’intégration dans le nouveau système CRM exige dans ce cas la séparation de ces enregistrements et leur adaptation à la structure du système cible.

Combinaison des données provenant de différentes sources

La compilation automatique des données par comparaison des chaînes de caractères ne suffit pas à elle seule pour garantir un résultat optimal, car les objets sont souvent enregistrés avec des noms différents dans les systèmes mis en place. Ceci peut être dû aux divergences entre les normes utilisées pour enregistrer les données de base ou aux différences entre les structures de données des systèmes source et cible. Si on place par exemple les coordonnées des contacts dans les catégories Entreprise et Interlocuteur au sein de la BDD des ventes, alors qu’on a saisi les coordonnées de l’entreprise et de l’interlocuteur dans un même enregistrement dans la BDD d’assistance, il faudra réorganiser et regrouper les données d’assistance et les combiner avec les données de ventes avant de les intégrer dans le nouveau système CRM.

Les solutions Data Quality d’Uniserv pour la migration et l’intégration des données – analyse, surveillance, nettoyage

Les solutions modulaires Data Quality vous aident à transférer les données en toute simplicité vers les autres systèmes de votre infrastructure informatique. Ainsi, vous serez capable d’assurer le bon déroulement des activités opérationnelles tout en améliorant rapidement la productivité de vos nouvelles applications grâce à la qualité optimale des données. De plus, vous serez en mesure de respecter les contraintes temporelles et budgétaires de tous vos projets de migration et d’intégration des données.

Data Quality Explorer pour la migration des données : avec DQ Explorer, vous pouvez évaluer l'état actuel de vos données avant de les transférer au nouveau système, notamment lorsque la documentation des anciens systèmes est insuffisante. Cette analyse permet de déduire les règles de transformation pour le processus de migration.

Data Quality Monitor pour la migration des données : avec DQ Monitor, vous pouvez surveiller et répertorier (en mode hors ligne) les cas de violation des règles métier définies. Ceci est particulièrement important si l’assainissement des données erronées doit s’effectuer au sein de l’ancien système et que celui-ci ne dispose pas d’un mécanisme de contrôle approprié.

Data Quality Batch Suite pour la migration des données : suite logicielle complète permettant la reprise en mode batch des données à partir de différentes sources, la modification de la structure des enregistrements et des contenus des champs, la vérification et l’apurement des données ainsi que la mise à disposition des données dans le format approprié pour leur intégration ultérieure dans les nouveaux systèmes.

Notre contribution pour une migration réussie des données : profilage des sources de données de l’ancien système et surveillance des valeurs seuils selon des règles métier bien définies. Intégration des données provenant de différentes sources, transformation des structures des enregistrements et des contenus des champs, identification automatique des doublons et assemblage par grappes des données des noms et des adresses. Des fonctions de validation, d’enrichissement et de consolidation des données sont également mises à votre disposition pour compléter l’ensemble d’outils Data Quality dédiés à la migration des données. DQ Explorer, DQ Monitor et DQ Batch Suite – notre contribution à la réussite de votre projet de migration des données.

Avec les solutions Data Quality pour la migration et l’intégration des données, vous bénéficiez, entre autres, des avantages suivants :

• Analyse complète des données existantes et des structures de données (Data Profiling)
• Rapidité de mise en œuvre des modifications apportées à la structure des enregistrements et au contenu des champs
• Contrôle de la qualité des données dans les systèmes source et cible lors de la modification ou de l’ajout de nouvelles entrées (Data Quality Monitoring)
• Nettoyage efficace des données via l’élimination des erreurs, doublons et entrées non autorisées (Data Cleansing) selon des règles bien définies et comparaison des données traitées avec des données de référence
• Rapidité d’utilisation des systèmes performants mis en place grâce à la parfaite intégration et à la compilation de données de haute qualité provenant de différents systèmes