Blog

N’acquérez pas une entreprise avant d’avoir évalué la qualité de ses données

Les fusions et acquisitions se produisent lorsque des entreprises estiment qu’elles ont plus de valeur ensemble que lorsqu’elles opèrent séparément. Les entreprises unissent leurs effectifs, leurs systèmes, leurs infrastructures et leurs données pour devenir une nouvelle entité plus puissante, plus précieuse et plus efficace. Et ce, jusqu’à ce qu’ils se rendent compte qu’ils ont négligé ou sous-estimé les principaux problèmes liés aux données, à l’infrastructure informatique et aux plans d’intégration. En fait, la plupart des projets de fusion et d’acquisition échouent lamentablement à cause des problèmes d’intégration des données.

Épargnez-vous le coût dévastateur d’une fusion ratée. N’acquérez pas une entreprise avant d’avoir évalué son infrastructure de données et son respect de la qualité.

Pourquoi mettre l’accent sur la qualité des données ?

En 2019, la valeur des opérations de fusion et d’acquisition mondiales s’élève à 3,9tr USD. Ironiquement, un autre rapport conclut que jusqu’à 90 % des fusions n’atteignent pas leurs objectifs.

Bien que de nombreux facteurs soient à l’origine de cet échec (la plupart étant liés à la culture de l’entreprise, au budget, à l’infrastructure, etc.), nous avons constaté que le manque de diligence raisonnable en matière de données est la raison la plus courante de l’échec de la migration.

Le problème de la qualité des données n’est pas nouveau. Cependant, à l’heure où le monde s’oriente vers l’exploitation des big data pour prendre des décisions importantes, il est impératif que les entreprises comprennent les risques liés à la négligence de la qualité des données. La plupart des entreprises se concentrent sur la qualité des données en tant que préoccupation post-migration, mais cette approche peut ralentir considérablement le processus de fusion et d’acquisition, voire le faire échouer complètement.

Outre l’échec d’une fusion, il existe d’autres défis typiques rencontrés lorsque l’accent est négligé sur la qualité des données. Ce sont :

  1. L’explosion des coûts due à la mauvaise qualité des données : Après la migration, les entreprises finissent souvent par dépenser des millions de dollars en embauchant des scientifiques ou des analystes de données et des spécialistes pour résoudre les problèmes de qualité des données. Plus de 250 dollars sont dépensés chaque année rien que pour recruter et conserver des talents pour la gestion de la qualité des données. Ajoutez à cela d’autres dépenses causées par des objectifs non atteints, des données fragmentées et la menace de pénalités, d’infractions, etc. et vous obtenez des millions de dollars de revenus perdus. La simple diversité et la complexité de l’infrastructure des données suffisent à provoquer la chute d’une entreprise en termes de coûts, de réputation et d’opportunités perdues.
  2. Laduplication des données comme défi critique : Si les données sales ou désordonnées constituent un défi, elles ne sont pas aussi dangereuses que les données dupliquées. En fait, la duplication des données est le problème de qualité des données le plus préoccupant. Les doublons peuvent conduire à une perception erronée des performances de l’entreprise auprès des parties prenantes, des partenaires commerciaux, des clients et des fournisseurs. Outre une perception et une analyse défectueuses, les paiements en double peuvent coûter aux entreprises entre 0,5 % et 0,1 % des paiements annuels de factures. Cela se traduit par un million de dollars de paiements en double dans une entreprise dont les dettes s’élèvent à un milliard de dollars.
  3. Le problème des sources de données disparates : Les organisations ne disposent guère d’une source de vérité unique ou unifiée lorsqu’il s’agit de données – en particulier les données sur les clients qui, dans le cas des fusions et acquisitions, sont de l’or. Les sources de données disparates varient non seulement en termes de formatage ou de structure, mais aussi en termes d’informations. Par exemple, les ventes et le marketing peuvent stocker deux ensembles différents d’informations sur les clients, ce qui conduit à une compréhension fragmentée de l’audience. Les sources de données disparates sont les principales causes de duplication des données et leur résolution demande un effort colossal. Vous devrez consolider les données de toutes les sources, éliminer les doublons profondément cachés, nettoyer les données, les restructurer et les adapter au nouveau système. Cela demande des mois, voire des années d’efforts. Les entreprises pensent souvent, à tort, qu’il suffit de six mois pour nettoyer des données, mais en réalité, il faut des années d’efforts inutiles. Les problèmes de qualité des données deviennent un problème persistant – un problème que les entreprises dépensent des millions de dollars pour rectifier.
  4. Sécurité des données et conformité : Il est important de vérifier si l’entreprise que vous souhaitez acquérir pratique une éthique de la sécurité des données ou si elle est en conformité avec les lois locales et mondiales sur les données. Si vous n’avez pas effectué l’audit nécessaire sur l’ensemble des processus d’entreprise et la conformité aux lois sur les données, vous risquez des pénalités et des poursuites judiciaires.
  5. Examiner les processus de gestion des données de l’entreprise : Comment l’entreprise capture-t-elle et gère-t-elle ses données ? Quelles sont les normes de données utilisées et comment perçoivent-elles la qualité des données ? Vous pouvez apprendre beaucoup de choses en parlant aux dirigeants d’une organisation sur leur compréhension de la qualité des données. Il est fort probable qu’une organisation qui n’est pas consciente de la qualité des données ou qui n’est pas alignée sur celle-ci la transmettra au service informatique, qui discutera probablement de toutes les grandes ambitions qu’il a avec l’infrastructure en nuage, les lacs de données, les nouveaux systèmes ERP et autres jargons fantaisistes – il n’aura simplement pas de plan pour résoudre les problèmes de qualité des données. D’après notre expérience avec les entreprises du Fortune 500, la quasi-totalité d’entre elles tiennent le département informatique pour responsable des problèmes de données. Qu’il s’agisse de données relatives aux clients ou aux utilisateurs, l’extraction et la transformation des données en vue de leur utilisation ont toujours été confiées à l’informatique. Malheureusement, le service informatique n’est pas le véritable propriétaire des données des clients, et il n’est pas non plus conscient de la finalité de ces données. Si une entreprise n’est pas en mesure de vous donner la bonne réponse quant à ses pratiques de gestion de la qualité des données, vous voudrez peut-être vous assurer que les problèmes de données sont résolus « avant » la fusion.

Comment évaluer les questions de qualité des données avant une fusion ?

Trop souvent, les organisations consacrent d’importantes ressources humaines à la résolution des problèmes de qualité des données après une fusion. Ensuite, des modifications supplémentaires sont mises en œuvre sans résoudre les problèmes de qualité des données. Les organisations, en particulier les acquéreurs actifs, doivent mettre en œuvre un processus d’évaluation de la qualité des données avant d’acquérir des entreprises.

Voici une liste simplifiée, mais efficace, de questions que vous pouvez poser pour déterminer le niveau de sérieux de l’organisation à l’égard des problèmes de qualité des données.

  • Quel est le rapport entre les données et les erreurs ? On peut le trouver en divisant le nombre total d’erreurs par le nombre total d’items.
  • Combien d’erreurs se produisent lorsque vous convertissez des informations dans un format différent ?
  • Quelle est la gravité des doublons ? Les identifiants uniques sont-ils bien tenus à jour ?
  • L’entreprise dispose-t-elle de grands ensembles de données stockés dans des sources disparates ?
  • Quel processus de collecte, de stockage et de transformation des données est pratiqué par l’entreprise ?
  • Quelles sont les stratégies et technologies de données utilisées par l’entreprise ?
  • Comment identifier la valeur potentielle et future associée à la fusion des ensembles de données ?
  • Quels sont les défis importants qui seront rencontrés lors de la fusion des données ?
  • Est-il possible de créer une vue dorée, consolidée ou unique des clients ?
  • Quels outils et solutions seront nécessaires pour que le transfert ou la consolidation des données soit un succès ?

Comment fusionner des données de purge pour créer des enregistrements d’or

Pour en savoir plus, voyez comment nous avons aidé des entreprises à combiner des données provenant de sources multiples pour créer le dossier parfait.
Télécharger

Bien que ces questions puissent sembler excessivement simplifiées, elles contribuent à l’évaluation préliminaire de l’approche de l’entreprise en matière de données.

Il est essentiel que les données soient « adaptées à l’objectif poursuivi ». Négliger cet aspect crucial peut conduire à des litiges coûteux.

Comment Data Ladder aide-t-il les entreprises dans un processus de fusion et d’acquisition ?

Data Ladder est un fournisseur de solutions de qualité des données reconnu par Gartner. Notre logiciel phare, DataMatch Enterprise, a été utilisé par des instituts du gouvernement américain et des entreprises Fortune 500 comme Deloitte, HP, Coca Cola pour résoudre les problèmes de qualité des données.

En ce qui concerne les processus de fusion et d’acquisition, nous avons aidé des dizaines d’entreprises à atteindre leurs objectifs commerciaux grâce au profilage, au rapprochement et à la déduplication des données. En fait, Data Ladder a été reconnu comme étant la seule solution ayant le plus haut taux de précision de correspondance des données, soit 95 %. IBM et SAS se situent respectivement à 80 et 85 %.

Avec notre solution, votre entreprise peut :

  • Déterminer la santé globale des données : Parfois, lors d’une fusion-acquisition, les deux entreprises se rendent compte que leurs données sont défectueuses. Ainsi, que vous évaluiez la qualité des données avant ou après l’évaluation, vous aurez toujours besoin d’un outil capable d’établir le profil de vos données et de vous indiquer l’état de santé général de vos colonnes de données. Grâce à la fonction de profilage des données, vous pouvez évaluer le type d’erreurs qui affectent vos données. Par exemple, le profilage des données vous permet de voir combien de champs de numéros de téléphone il vous manque ou combien de champs de noms comportent des abréviations au lieu de noms propres. Grâce à ces informations, il est plus facile de gérer et de planifier une stratégie de nettoyage des données.
  • Dépoussiérez les données grâce à la mise en correspondance des données entre, sur et dans les sources de données : Les doublons se produisent non seulement au sein des sources de données, mais aussi entre deux sources de données ou entre plusieurs sources de données. Ainsi, si le marketing, les ventes, la facturation ou le support client stockent les mêmes données client de plusieurs manières, vous devrez les consolider pour éliminer les doublons et obtenir une vue précise des données client.
  • Intégration des données avec prise en charge de plus de 150 plateformes : Des données stockées dans Oracle, Excel ou Hadoop ? Vous avez besoin d’évaluer des données provenant de tiers, comme Facebook ou Twitter ? Quelle que soit votre exigence, Data Ladder supporte plus de 150 plateformes. Cette facilité d’intégration des données permet aux entreprises de travailler directement sur leurs plateformes de données clients sans avoir à se soucier de l’extraction, de la transformation et du chargement des données dans des formats acceptables.
  • Solution sur site pour une meilleure sécurité et un meilleur contrôle : La plupart des solutions de qualité des données fonctionnent sur le cloud, tandis que d’autres exigent que vous téléchargiez les données sur leur plateforme. Data Ladder dispose d’une solution sur site qui vous permet de résoudre les problèmes de données sur vos propres serveurs ou sur une plateforme en nuage. Une fois que vous avez acheté la licence, vous avez le contrôle total de la façon dont vous voulez utiliser la solution à votre avantage.
  • Suivre un cadre complet de qualité des données : DataMatch Enterprise est conçu pour permettre aux utilisateurs de faire passer leurs données par un cadre de qualité des données comprenant 8 étapes critiques :

L’ensemble de ce cadre permet aux entreprises de faire passer leurs données par un processus complet de nettoyage, de tri et de dédoublonnage, pour finalement créer une fiche maîtresse qu’elles peuvent utiliser pour atteindre leurs objectifs.

Pour conclure :

On va faire court. Chaque fois que vous envisagez d’acquérir ou de fusionner avec une entreprise, effectuez une évaluation de la qualité des données. Vous ne voulez pas que de mauvaises données deviennent un obstacle à la grandeur.

Comment fonctionnent les meilleures solutions de correspondance floue de leur catégorie : Combinaison d’algorithmes établis et exclusifs


Télécharger

Commencez votre essai gratuit aujourd’hui

Aïe ! Nous n’avons pas retrouvé votre formulaire.

In this blog, you will find:

Try data matching today

No credit card required

« * » indique les champs nécessaires

Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Hidden
Ce champ n’est utilisé qu’à des fins de validation et devrait rester inchangé.

Want to know more?

Check out DME resources

Merging Data from Multiple Sources – Challenges and Solutions

Aïe ! Nous n’avons pas retrouvé votre formulaire.