Publications

la-qualite-des-donnees-remier-socle-pour-une-transformation-digitale

CLARANS et EASYPICS souhaitent vous proposer plusieurs articles autour du thème de la qualité de la donnée afin de contribuer à votre démarche de performance.

logo_eayspics_smallEASYPICS, acteur innovant du décisionnel achats – ventes, récupère les données issues de vos ERP, afin de les consolider, les traiter, les enrichir (en données financières et capitalistiques) et de vous les restituer sous forme de tableaux de bord à valeur ajoutée.
Fondée en 2004 par Jérôme Naslin, acheteur de métier, l’entreprise compte aujourd’hui au sein de ses clients de grands groupes de renommée mondiale tels que LVMH, ENGIE, BPCE, INTERMARCHE, ADP, GROUPAMA, … et bien d’autres encore.

Loin des préoccupations ou des objectifs opérationnels, la gestion de la qualité des données est encore considérée comme une démarche souvent trop conceptuelle et dont les bénéfices ne sont pas toujours ni explicites, ni perceptibles par le commun des mortels. La qualité des données en entreprise fait maintenant partie de nos préoccupations, bien plus de manière contraintes qu’à cause d’une pleine perception de sa valeur ajoutée opérationnelle (ex : règlementation Solvecy2 * ).
Et pourtant, vos données ont de la valeur. Elles sont autant de coûts évités que de gisements de croissance.

Pour exemple

  • Connaissance de ses fournisseurs : bien les connaître et les comprendre pour gagner en outils et process ;
  • Connaissance de ses clients : bien les connaître, leurs métiers et leurs fiabilités, leurs capacités d’innovation, c’est prendre de l’avance sur ses concurrents pour gagner en productivité et en organisation ;
  • Analyse des dépenses : connaitre le montant dépensé pour chaque groupe client ou par fournisseur, pour gagner en argent et en négociation, c’est savoir identifier de nouveaux leviers de croissance et de nouvelles voies d’économies ;
  • Liaisons commandes / contrats / contrats cadres : c’est améliorer sa capacité à gagner en négociation, et en prise de risque ;
  • Analyse fournisseurs et clients (traçabilité, événements, évaluation…) : Pour gagner en temps et en efficacité.

Notre constat
Son implémentation au sein des entreprises a été largement sous-estimé. La méthodologie de mise en œuvre qui se dégage s’appuie sur des chantiers IT et organisationnels dont les composantes sont :

  • Le dictionnaire de données partagées permettant de recenser, préciser et harmoniser leurs définitions ;
  • La cartographie du SI listant les traitements et les flux automatiques et manuels ;
  • Une solution industrialisée de contrôle de données, elle assure le contrôle qualité, l’enrichissement des données ainsi que traçabilité ;
  • Une procédure de gestion de la qualité des données : basée sur des principes d’amélioration continue, elle remonte l’information juste, documente et supporte la gestion des écarts (de la détection à la correction) ;
  • Une gouvernance, détaillant le dispositif dédiée à la qualité des données depuis les niveaux opérationnels jusqu’au pilotage de l’organisation.

La digitalisation de nos entreprises provoque un cycle de production de données de plus en plus court. La gestion de leurs qualités, demande des solutions industrialisées et des organisations adaptées. Pour beaucoup de sociétés, le système n’est pas consolidé.
Les axes de travail restants sont multiples, qu’il s’agisse de déployer une gouvernance encore trop théorique, de produire des indicateurs de synthèse permettant le pilotage, d’intégrer des flux et des données à la marge des principales applications ou simplement d’industrialiser une solution opérationnelle.
Un des leviers pour accélérer cette consolidation est une prise de conscience du coût de la non-qualité. Moins facilement perceptible dans les processus de pilotage, ce coût de la non-qualité se révèle plus tangible pour les fonctions commerciales ou marketing, mais aussi dans les processus opérationnels de suivi et de gestion des contrats, dans les processus comptables ou les travaux d’inventaire ou dans d’autres cadres réglementaires tels que la déshérence et l’obligation de recherche des bénéficiaires des contrats non réclamés.

* Pour exemple, Solvecy 2 demande aux sociétés d’assurance la mise en place d’outils et de procédures internes de nature à garantir la qualité des données. Cependant, les critères de qualité ne sont pas précisés et la réglementation n’est pas normative.

Téléchargez la publication complète

Merci de remplir le formulaire suivant pour accéder au téléchargement du document.
Civilité *
Nom *
Prénom *
Téléphone
Email *
Société
Fonction