Gouvernance de la donnée et data quality
- Code
- PER 1.05
- Public
- Rayon disciplinaire, tous publics
- Cours
- 6 pages, PDF
- Diaporama
- 18 diapositives, thèmes sombre et clair, PowerPoint modifiable et PDF
- Synthèse
- 1 page, PDF
- Podcast
- Fichier audio
- Vidéo
- Fichier vidéo MP4
- Infographie
- L'essentiel de la fiche sur une image
- Avec l'achat
- Téléchargement dans votre espace client
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 ?
Voir ce que traite le coursCours
6 pages rédigées, en PDF.
Diaporama
18 diapositives en PowerPoint modifiable, thème sombre pour projeter et thème clair pour imprimer.
Synthèse
1 page pour réviser l'essentiel.
Podcast
La notion expliquée à l'oral, à écouter hors de l'écran.
Vidéo
Une présentation animée de la notion, en MP4.
Infographie
L'essentiel de la fiche sur une image.
Ce que traite le cours
9 sections, 6 pages
- 1Pourquoi la qualité de la donnée est cruciale
- 2Les dimensions de la qualité de la donnée
- 3La gouvernance : rôles et responsabilités
- 4Définitions partagées et dictionnaire de données
- 5Source unique de vérité et données de référence
- 6Cycle de vie, sécurité et conformité
- 7Culture et maturité de la donnée
- 8Pièges fréquents & mémo
- 9Glossaire & sources
Notions, outils et auteurs
Chaque repère mène aux autres fiches qui le traitent.
Modèles et outils
Auteurs et théories
Présentation de la notion
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.
La suite de cet article se lit librement sur le Mag : lire le guide complet de la notion.
Objectifs de la fiche
- Comprendre le principe « garbage in, garbage out » et son effet sur la décision
- Évaluer une donnée selon ses six dimensions de qualité (exactitude, complétude, cohérence, fraîcheur, unicité, validité)
- Identifier les rôles clés de la gouvernance : data owner et data steward
- Mettre en place un dictionnaire de données et une source unique de vérité
- Situer les enjeux de conformité et de sécurité, notamment le RGPD
- Privilégier une donnée fiable et partagée plutôt qu'une abondance désordonnée de sources
Questions fréquentes
Que veut dire garbage in, garbage out ?
Cet adage informatique signifie « des ordures en entrée, des ordures en sortie » : un indicateur ne vaut que par la donnée qui l'alimente. Aucun outil de visualisation ne corrige une donnée fausse, il la rend seulement plus convaincante. La qualité de la décision ne peut pas dépasser celle de la donnée.
Quelles sont les dimensions de la qualité d'une donnée ?
On en distingue plusieurs : l'exactitude (pas d'erreur de saisie), la complétude (pas de trous), la cohérence entre sources, la fraîcheur (donnée à jour), l'unicité (pas de doublons) et la validité (format et règles respectés). Toutes doivent être surveillées.
Quelle est la différence entre un data owner et un data steward ?
Ce sont deux rôles de la gouvernance de la donnée. Le data owner est responsable d'un domaine de données, le data steward veille au quotidien à sa qualité et au respect des définitions. Ils garantissent, avec un dictionnaire de données, que chacun parle des mêmes chiffres.
Pourquoi une source unique de vérité est-elle importante ?
Parce que la multiplication des sources crée des versions contradictoires : on ne sait plus quel chiffre croire. Une source unique de vérité évite que chacun travaille sur son propre tableur périmé et restaure la confiance dans le pilotage. La valeur vient de l'organisation, pas du volume.