Vous pouvez retrouver ces 5 étapes en détail dans notre fiche pratique.
- Encadrer
- Auditer (Data Profiling)
- Nettoyer (Data Cleaning et éventuellement Data Enrichment)
- Pérenniser via des règles de Data Governance
- Monitorer
Quand on pense à la Data Quality, on pense souvent au nettoyage des données (dédoublonnage, enrichissement des données lacunaires, harmonisation, suppression des données obsolètes). Mais attention, ce n’est que la partie émergée de l’iceberg ! Les phases amont (définition des règles, audit, etc.) et aval (pérennisation et monitoring) sont elles aussi essentielles pour enclencher une démarche pérenne et créatrice de valeur business.
La Data Quality n’est pas un processus ponctuel, c’est un chantier continu, que vous devrez automatiser au maximum et compléter d’une expertise humaine, pour avoir en permanence de données complètes, homogènes, intègres, utiles et à jour.
