Qualité des données
Un article de Wikipédia, l'encyclopédie libre.
 |
Cet article est une ébauche à compléter concernant l'informatique, vous pouvez partager vos connaissances en le modifiant. |
La qualité des données, en informatique se référe à la conformité des données aux usages prévus, dans les modes opératoires, les processus, les prises de décision, et la planification (J.M. Juran).
De même, les données sont jugées de grande qualité si elles représentent correctement le mode de fabrication auquel elles se réfèrent.
Ces deux points de vue peuvent souvent entrer en contradiction, y compris lorsqu'un même ensemble de données est utilisé avec un objectif commun
Sommaire |
[modifier] Historique
La plupart des technologies sur les données informatiques sont nées du désir d'envoyer des informations par courrier. Avant l'émergence de serveurs bon marché, les mainframes étaient utilisés pour mettre à jour les données (noms, adresses, et autres attributs) afin que les courriers électroniques arrivent correctement à leur destination. Les mainframes utilisaient des règles métiers pour corriger les défauts dans les données (fautes sur les champs nom et date, défauts de structuration), ainsi que pour suivre les clients qui avaient changé d'adresse, disparu, fusionné, ou expérimenté d'autres événements.
Aux États-Unis, les agences de gouvernement commencèrent à mettre à disposition des données postales à quelques sociétés de service pour gérer les entreprises selon le registre de changement d'adresse national (NCOA). Cette technologe a fait économiser à de grandes entreprises de grands sommes d'argent (millions de dollars) en comparaison de la gestion manuelle des données client. Les grandes entreprises ont réduit leurs coûts de Large companies saved on postage, as bills and direct marketing made its way to the intended customer more accurately. Initially sold as a service, data quality moved inside the walls of corporations, as low-cost and powerful server technology became available.
Bien que la plupart des entreprises pensent au nom et à l'adresse quand elles se préoccupent de qualité des données, on reconnaît aujourd'hui que la qualité des données est la façon d'améliorer tous les types de données, comme les données sur la chaîne logistique, les données des progiciels de gestion intégrés, les données transactionnelles, etc. Par exemple, mettre en conformité les données de la chaîne d'approvisionnement à un certain standard a une valeur pour une organisation en :
- évitant de surstocker des stocks similaires mais légèrement différents
- améliorant la compréhension d'achats en négociant des remises en quantité
- évitant les coûts logistiques en stockant et envoyant des pièces détachées à travers une grande organisation.
Alors que données sur les noms et adresses ont un stndard clair avec les définitions des autorités postales, les autres types de données ont peu de standards reconnus. Il y a une tendance de fond aujourd'hui dans l'industrie pour standardiser ceraines données qui ne sont pas des adresses. Le groupe GS1 fait partie des groupes qui sont fers de lance dans ce mouvement.
[modifier] Importance de la qualité des données
La qualité des données est très importante pour réaliser l'interopérabilité de systèmes complexes. En particulier, elle intervient dans les exigences de traçabilité, qui se manifestent dans plusieurs secteurs économiques :
- Santé et pharmacie,
- Agroalimentaire et grande distribution,
- Chimie,
- Automobile...
Dans le même ordre d'idée, la qualité des données intervient aussi dans l'analyse du cycle de vie des produits.
Sous un angle plus directement lié à la sécurité des données, elle intervient dans la gestion des documents d'archive, pour l'imputabilité.
La qualité des informations est l'un des 11 facteurs du modèle d'intelligence économique (AFDIE).
D'après le rapport du CIGREF sur le capital immatériel, la fiabilité et l'auditabilité des données conditionne l'évaluation du capital immatériel des entreprises, et le calcul du retour sur investissement des projets d'ingénierie des connaissances. Il est donc nécessaire de disposer de référentiels de données normalisés pour évaluer la qualité des données.
La qualité des informations est l'un des onze facteurs du modèle d'intelligence économique (AFDIE).
D'après le rapport du CIGREF sur le capital immatériel, la fiabilité et l'auditabilité des données conditionne l'évaluation du capital immatériel des entreprises, et le calcul du retour sur investissement des projets d'ingénierie des connaissances. Il est donc nécessaire de disposer de référentiels de données normalisés pour évaluer la qualité des données.
On peut dire aussi que l'objectif poursuivi par la gestion de contenu de parvenir à une convergence des systèmes de gestion de contenu participe d'une démarche qualité dans le domaine des données.
[modifier] Qualité des informations dans le modèle d'intelligence économique
Le modèle d'intelligence économique de l'AFDIE identifier six critères de qualité de l'information :
1. Coût et valeur de l'information :
- La mise en oeuvre des normes IAS/IFRS comporte la comptabilisation du capital immatériel en immobilisations incorporelles ; elle pousse l'entreprise à mieux évaluer la valeur de l'information dans sa stratégie.
2. Connaissances capitalisées et validées,
- Le moyen de capitaliser et de valider les connaissances se fait par des projets d'ingénierie des connaissances.
3. Mémoire vivante et accessible,
- La mémoire peut être gérée efficacement par une démarche de gestion de contenu, qui visera à unifier les différents systèmes de gestion de contenu présents dans l'entreprise.
4. Informations et connaissances mieux partagées et protégées,
- Il s'agit de mettre en place des communautés de pratique, avec des critères permettant de protéger le patrimoine informationnel.
5. Informations écrites et orales indispendables avant la prise de décision, 6. Information prospective et historique.
- Il s'agit de disposer d'un référentile historisé et permettant de faire des analyses prospctives selon des axes d'analye.
[modifier] Normalisation
Il existe très peu de normes relatives spécifiquement à la qualité des données. On peut citer toutefois la norme ISO 19115 relative aux informations géographiques.
Des besoins existent aussi sur les informations contenues dans les ressources informatiques que les informaticiens appellent "non structurées". Des travaux sont en cours pour parvenir à des normalisations des données de référence qui sont utilisées dans ce type de ressources, notamment les ressources Web qui se généralisent et ont besoin de s'interfacer avec d'autres types de ressources informatiques.
[modifier] Bibliographie
Modèle d'intelligence économique, AFDIE, préface d'Alain Juillet, collection L'intelligence économique, Economica, 2004
[modifier] Voir aussi
- Démarche qualité
- Qualité des systèmes informatiques
- Métadonnées
- Sécurité des données
- Liste des articles d'informatique
- Liste de normes ISO par domaines
[modifier] Lien externe
[modifier] Source
- (en) Cet article est partiellement ou en totalité issu d’une traduction de l’article en anglais : « Data quality. »
