La science et l’analyse des données sont devenues un avantage concurrentiel clé, en fournissant des informations inédites pour stimuler la croissance et l'efficacité opérationnelle. Pourtant, de nombreuses entreprises du secteur de la communication, des médias et de la technologie peinent à trouver un équilibre entre la qualité des données, la rapidité et l’évolutivité.

Quelque 80 % des entreprises interrogées, dans le cadre de l’étude menée par Accenture en 2017, sont préoccupées par la disruption digitale1—et constatent que leur back office n’est pas en phase avec leur front office. Le front office a besoin de données pour contribuer à la prise de décision, mais le back office ne peut pas suivre la cadence. Et quand la rapidité et les délais prennent le pas sur la qualité des données, les informations se révèlent généralement erronées.

Les données inexactes ont un coût

L'inexactitude des données peut sembler en apparence un problème bénin, cependant la mauvaise qualité des données a coûté 15 millions de dollars en moyenne aux entreprises en 2017.2 Examinons les répercussions réelles à travers un exemple. Dans une entreprise de technologie et de communication, la mauvaise qualité des données a conduit à des erreurs dans sa communication financière et à des décisions prises sur la base de chiffres erronés. Au final, l'entreprise n'a pas réussi à vérifier et à valider toutes les transactions, l’obligeant à des dépréciations de plusieurs millions de dollars.

Lorsqu'elle survient dans les premières phases du cycle de vie des donnés, ce type d'erreur provoque une réaction en chaîne. Ce qui n'était à l'origine qu'un « petit » problème de données peut mener à des décisions erronées dont les conséquences peuvent être catastrophiques. Une mauvaise intégrité des données affecte les tableaux de bord et les modèles basés sur ces informations erronées. Réguler la saisie des données est absolument nécessaire pour éviter ce type de scénario.

Si cette entreprise avait mis en place une structure de gouvernance du cycle de vie des données fiable, la conclusion aurait été plus heureuse et avantageuse. Ce n’est pas un cas isolé. Environ 85 % des dirigeants d’entreprise de télécoms déclarent que leur entreprise utilise de plus en plus les données pour prendre des décisions critiques et automatisées.3

Ce qui n'était à l'origine qu'un « petit » problème de données peut mener à des décisions erronées aux conséquences catastrophiques.

Des problèmes récurrent

Nous avons identifié les facteurs d'erreurs les plus fréquents :

  • Saisie et contenu : Mauvaise collecte des données, contrôles qualités inadéquats et insuffisante intégration des systèmes.
  • Architecture et stockage : Des erreurs dans la configuration des bases de données et dans les processus de stockage mènent à des données inutilisables ou asymétriques, comme des identifiants clients manquants ou des dossiers de provisionnement ou de facturation douteux.
  • Modèle et signalement du risque : Les analyses et les communications établies à partir de données suspectes conduisent à des décisions opérationnelles et stratégiques non fiables.

Ne pas traiter ces questions comporte des risques élevés. Ces derniers dépassent le simple cadre financier ; ils ont un impact négatif sur les clients et l'efficacité opérationnelle et occasionnent des retards et du travail supplémentaire.

Perfection versus réalité

S'il est rare de savoir gérer les données à la perfection, prendre en compte certains éléments clés aidera votre entreprise. Au minimum, les entreprises ont besoin de :

  • Données clients et financières fiables
  • L'exactitude de l'historique des transactions liées aux inventaires (par ex. les expéditions, les provisions et les activations) garantit un suivi et une gestion corrects de ces derniers.

Pour ce faire, les données doivent être transparentes et suffisamment pertinentes pour éviter toute distorsion des modèles d’analyse de données. Elles ne doivent pas non plus comporter de biais qui pourraient entraîner de mauvaises décisions ou une communication erronée (par ex. des informations incomplètes dans un domaine de facturation particulier).

Par où commencer

Un audit complet des données client et de facturation est un bon point de départ, permettant de résoudre les problèmes en suspens :

  • Documentez et signalez tout processus ayant entraîné une saisie incorrecte des données client, comme le nom, l'adresse et les informations sur son équipement.
  • Assurez-vous que le cycle de facturation est sécurisé en vérifiant l'historique des paiements, les liens client-compte, l'historique des commandes et les types de service.
  • Vérifiez que les équipements sont correctement enregistrés dans les inventaires et provisionnés.

Quand les données critiques atteignent un niveau de qualité satisfaisant, la deuxième étape consiste à garantir que les normes de qualité empêchent toute récurrence des problèmes liés à la qualité des données. Au sein des opérations, il existe des normes de qualité de données qui s'appliquent à tous les domaines d’activité de l’entreprise. Toutefois, certains domaines spécifiques peuvent bénéficier de processus de gouvernance adaptés à leurs besoins. Voici les domaines à prendre en compte :

  • Le cycle de vie de la Supply Chain
  • Les opérations de facturation client
  • Les fonctions support de l’opérationnel
  • Les fonctions support du commercial

Veillez à établir des contrôles qualité adéquats dans vos processus de données et à exiger des comptes rendus réguliers (par ex. des rapports qualitatifs standard sur les données). À terme, ces deux mesures vous éviteront de nombreux écueils.

Les entreprises du secteur de la communication, des médias et de la technologie bénéficieront de l’élimination des problèmes existants liés à la qualité des données, en mettant en place des règles et des procédures appropriées pour renforcer la fiabilité des données. Ces améliorations réduiront les risques financiers et opérationnels. En outre, l’exploitation d’informations fiables améliorera les résultats et stimulera la croissance.

Dans le monde digital actuel, il s'agira d'un véritable avantage concurrentiel.

1 Accenture: Intelligent operations goal requires data backbone

2 How to Stop Data Quality Undermining Your Business - Smarter With Gartner

3 Accenture Technology Vision, 2018

Johann Pasion

Manager — Accenture Strategy, Communication, Médias et Technologie

POUR ALLER PLUS LOIN


Inscription
Restez informé avec nos dernières publications Restez informé avec nos dernières publications