Avant d'être un beau graphique, un indicateur est une donnée. Et si cette donnée est fausse, incomplète ou ambiguë, aucun tableau de bord, aussi sophistiqué soit-il, ne le corrigera. Comment obtenir une donnée digne de confiance ?
Garbage in, garbage out
L'adage informatique résume tout : des ordures en entrée, des ordures en sortie. La qualité de la décision ne peut pas dépasser la qualité de la donnée. Les conséquences d'une mauvaise donnée sont concrètes : décisions erronées sur de faux chiffres, temps perdu à réconcilier des écarts, et surtout perte de confiance. Dès qu'une équipe découvre qu'un chiffre présenté est faux, tout le système de pilotage est décrédibilisé : chacun retourne à son intuition ou à son propre tableur.
Les dimensions de la qualité de la donnée
- Exactitude — la donnée reflète-t-elle la réalité, sans erreur de saisie ?
- Complétude — toutes les données nécessaires sont-elles présentes, sans trous ?
- Cohérence — les mêmes faits concordent-ils entre les sources ?
- Fraîcheur — la donnée est-elle à jour et disponible à temps ?
- Unicité — pas de doublons : un client = un seul enregistrement.
- Validité — la donnée respecte-t-elle le format et les règles attendus ?
La gouvernance : responsables et définitions partagées
Garantir durablement la qualité suppose une gouvernance. Elle repose sur des responsables (data owner, data steward), des définitions partagées consignées dans un dictionnaire de données, une source unique de vérité, et un cadre de sécurité et de conformité (RGPD). C'est un sujet de management autant que de technique.
L'abondance n'est pas la fiabilité
À l'ère de la multiplication des sources (logiciels métiers, web, capteurs, fichiers), le risque n'est plus le manque de données mais leur abondance désordonnée. Plus il y a de données, plus il est difficile de leur faire confiance, car les sources se contredisent. La valeur ne vient donc pas du volume, mais de l'organisation : une donnée moins abondante mais fiable et partagée vaut mieux qu'un océan de chiffres incertains.