Définition des dimensions de qualité des données
Les dimensions de qualité des données sont les caractéristiques individuelles utilisées pour décrire et mesurer la qualité d'un ensemble de données, par exemple sa précision, son exhaustivité et son actualité. Au lieu de juger la qualité des données simplement comme « bonne » ou « mauvaise », les dimensions la décomposent en qualités spécifiques qui peuvent chacune être vérifiées, mesurées et améliorées séparément.
Quelles sont les principales dimensions de la qualité des données ?
Différents référentiels utilisent des listes légèrement différentes, mais six dimensions apparaissent dans la plupart d'entre eux :
- Exactitude : les données décrivent correctement le fait réel. L'adresse enregistrée d'un client est l'adresse où il habite réellement.
- Exhaustivité : toutes les informations requises sont présentes. Un enregistrement de produit sans poids ou sans description est incomplet.
- Cohérence : les mêmes informations correspondent entre les enregistrements et les systèmes. Un fournisseur ne doit pas avoir un compte bancaire dans le système ERP et un compte différent dans l'outil d'approvisionnement.
- Actualité : les données sont à jour et disponibles quand elles sont nécessaires. Une liste de prix qui n'a pas été mise à jour depuis l'année dernière échoue à ce test, même si elle était correcte à l'époque.
- Validité : les données respectent le format et les règles attendus. Les dates sont des dates réelles, les adresses e-mail contiennent un « @ », et les codes pays proviennent d'une liste approuvée.
- Unicité : chaque entité du monde réel n'est enregistrée qu'une seule fois. Le même client ne doit pas apparaître sous trois enregistrements distincts.
Certains référentiels en ajoutent d'autres, comme l'intégrité (les liens entre les enregistrements sont intacts, par exemple chaque commande fait référence à un client qui existe) et la pertinence (les données sont réellement utiles pour leur objectif).
Pourquoi les dimensions sont-elles utiles ?
Les dimensions donnent aux équipes un langage commun pour décrire les problèmes de données. Dire « les données client sont mauvaises » ne pointe pas vers une solution, mais dire « les données client sont 95 % complètes mais contiennent de nombreux doublons » montre exactement où se concentrer. Les dimensions aident aussi les organisations à fixer des objectifs clairs, à suivre les progrès au fil du temps et à assigner la bonne solution au bon problème : les doublons demandent une dédoublonnage, tandis que les données obsolètes demandent des mises à jour régulières.
Comment les dimensions de qualité des données sont-elles mesurées ?
Chaque dimension est généralement transformée en une ou plusieurs règles mesurables, avec des résultats exprimés sous forme de pourcentage ou de nombre. Par exemple, l'exhaustivité peut être mesurée comme la part des enregistrements avec tous les champs obligatoires remplis, et l'unicité comme le nombre de doublons suspectés. Ces vérifications sont souvent exécutées via le profilage des données, et les résultats sont généralement résumés dans une fiche de pointage ou un tableau de bord examiné régulièrement.
Certaines dimensions sont plus difficiles à mesurer que d'autres. La validité peut être vérifiée automatiquement par rapport aux règles de format, mais l'exactitude nécessite souvent de comparer les données à une source externe, comme une base de données d'adresses postales, ou de la confirmer directement auprès du client ou du fournisseur.
Toutes les dimensions sont-elles également importantes ?
Non. Les dimensions qui importent le plus dépendent de la façon dont les données sont utilisées. Pour une adresse de livraison, l'exactitude et l'actualité sont essentielles ; pour un rapport financier, la cohérence et l'exhaustivité peuvent être plus importantes. Les dimensions peuvent aussi changer au fil du temps : les données qui étaient exactes au moment de leur entrée peuvent devenir obsolètes par la dégradation des données, c'est pourquoi la qualité est généralement surveillée en continu plutôt que vérifiée une seule fois.
