Data Quality Scorecard

Data Quality Scorecard

Une qualité des données mesurable

Les données de référence font désormais partie des biens de l’entreprise. Leur valeur est reconnue par les sociétés et nombreuses sont celles qui souhaitent ancrer la qualité des données dans leur stratégie sous la forme d’un indicateur clé de performance (KPI). Mais la mesure de la qualité des données, son évaluation et sa surveillance en continu constituent un véritable défi.

Alors, quelles actions concrètes pour évaluer la qualité des données ? Et comment identifier les domaines dans lesquels une optimisation s’impose ? La réponse : le Data Quality Scorecard d’Uniserv. Cette solution fournit des informations sur la manière dont les données d’entreprise contribuent effectivement au bon déroulement des processus opérationnels et analytiques ainsi que des projets basés sur des données. Les données de référence de l’entreprise sont régulièrement vérifiées afin de garantir qu’elles respectent les règles métier prédéfinies. Ce contrôle donne lieu à un score de qualité des données. Sur cette base, des mesures d’optimisation personnalisées sont alors définies et mises en œuvre en fonction des règles métier de l’entreprise. Vous êtes ainsi à même de détecter très tôt les tendances négatives en matière de qualité des données et d’appliquer rapidement des mesures correctives, avant qu’un dommage ne survienne.

La solution Data Quality Scorecard d’Uniserv constitue donc un instrument essentiel pour gérer efficacement la qualité des données dans votre entreprise. Elle vous propose des indicateurs clés de performance avec lesquels vous pouvez mesurer la qualité de vos données régulièrement, sur une période donnée et selon des règles métier définies.

Fonctions

Contrairement à la simple surveillance au niveau des enregistrements de données, la solution Data Quality Scorecard vérifie l'ensemble du stock de données par rapport à des règles métiers définies par l'utilisateur. Le système peut être configuré individuellement en fonction du scénario : une grande variété de sources de données peuvent être connectées. En outre, le processus de contrôle automatisé nécessite un minimum d'efforts manuels et se trouve donc moins sujet aux erreurs.

Les résultats des tests sont agrégés à différents niveaux et peuvent être pondérés et analysés selon des règles personnalisées. Les règles se réfèrent à des champs individuels, mais elles peuvent aussi être transversales. En outre, les scores sont générés au niveau du terrain et, le cas échéant, au niveau du dossier. Par agrégation, des scores peuvent également être générés sur un groupe de champs, tels que les éléments de nom et d'adresse, afin de déterminer si ces enregistrements sont uniques.

À la fin se trouve le score de qualité des données, un ICP qui peut être utilisé pour évaluer la qualité des données de l'ensemble des données de base de l'entreprise. Il peut être lu sans effort en quelques clics sur une interface basée sur un navigateur. Il est également possible de cartographier des domaines d'activité ou des processus (configurations) individuels à l'aide de la DQ Scorecard. Ainsi, chaque scénario - par exemple une campagne de marketing par e-mail - a son propre score de qualité des données et peut être examiné séparément. Ces scores de QD basés sur des scénarios peuvent être agrégés à une collection supérieure lors d'une étape d'agrégation supplémentaire, obtenant ainsi un score de QD supérieur qui cartographie la qualité des données dans différentes zones.

La fonctionnalité de drill-down vous permet de voir exactement quelles configurations et règles ou quelles entités ont conduit à un score de qualité des données plus faible - en d'autres termes, où les problèmes et les faiblesses sont cachés. De cette manière, des mesures ciblées d'optimisation de la qualité des données peuvent être déterminées. L'effet de la mesure est ensuite reflété dans la prochaine évaluation de la DQ Scorecard.

Les identifiants des enregistrements de données qui ont échappé aux règles et doivent être optimisés sont désormais également disponibles via une simple fonction d'exportation. La boucle est ainsi bouclée, puisque des mesures opérationnelles ciblées peuvent désormais être prises pour optimiser la qualité des données et améliorer le score de qualité des données. La qualité des données devient ainsi transparente et contrôlable.

Sans vision d'ensemble sur la qualité de vos données, les défis suivants se posent :

  • Absence d’indicateurs clés de performance sur la qualité des données
  • Absence de règles métier vérifiables de manière automatisée
  • Surveillance insuffisante de la qualité des données dans les domaines stratégiques
  • Manque de suivi des mesures d’optimisation engagées

L'introduction de la Data Quality Scorecard vous offre de nombreux avantages :

  • Soutien opérationnel dans la mise en œuvre de la stratégie de gouvernance des données

  • Cartographie de la qualité des données au niveau des systèmes et des processus

  • Possibilité de créer un score de QD contenant les scores individuels de QD des scénarios

  • Des mesures de qualité des données contrôlables et documentables, qui peuvent être réajustées si nécessaire

  • Contrôle ciblé des mesures d'optimisation à l'aide de la fonctionnalité drill-down

  • L'exportation éventuelle des identifiants des jeux de données concernés

  • Affichage des scores de QD dans un tableau de bord basé sur un navigateur

  • Mise en avant de Business Cases par la pondération des règles individuelles

  • Concept d'autorisation basé sur l'utilisateur

  • Combinaison technique avec d'autres solutions de qualité des données