Allons-y.<\/p>\n
Qu’est-ce que l’exactitude des donn\u00e9es ?<\/b><\/h3>\n
L’exactitude des donn\u00e9es fait r\u00e9f\u00e9rence \u00e0 des enregistrements sans erreur qui peuvent \u00eatre utilis\u00e9s comme une source d’information fiable<\/strong>.<\/p>\n Dans la gestion des donn\u00e9es, l’exactitude des donn\u00e9es est le premier et le plus important composant\/standard du cadre de qualit\u00e9 des donn\u00e9es. Un ouvrage tr\u00e8s souvent cit\u00e9, Data Quality : The Accuracy Dimension <\/em>de Jack Olson explique que la forme et le contenu sont deux des caract\u00e9ristiques les plus importantes de l’exactitude des donn\u00e9es.<\/p>\n Voici un exemple :<\/strong><\/p>\n Dans la base de donn\u00e9es am\u00e9ricaine, les dates suivent le format MM\/JJ\/AAAA, alors que dans la base de donn\u00e9es de l’UE et d’autres pays du monde, c’est JJ\/MM\/AAAA. Si le 09\/10\/2020 \u00e9tait converti en contenu, lequel des deux serait exact, selon vous ?<\/p>\n Est-ce le10<\/sup> septembre ou le9<\/sup> octobre ? C’est le probl\u00e8me classique de la diff\u00e9rence entre le sens et la forme qui menace l’exactitude des donn\u00e9es. Et cela se produit g\u00e9n\u00e9ralement en raison de l’absence de normalisation des donn\u00e9es<\/a> et de r\u00e8gles.<\/p>\n Il est imp\u00e9ratif que toutes les donn\u00e9es stock\u00e9es dans un entrep\u00f4t de donn\u00e9es soient exactes et appropri\u00e9es pour \u00eatre utilis\u00e9es. Elle a un impact sur la veille \u00e9conomique, les pr\u00e9visions, la budg\u00e9tisation et d’autres activit\u00e9s essentielles d’une organisation. Si les donn\u00e9es sont non pertinentes, incorrectes, incompl\u00e8tes et inexactes, elles peuvent perturber les processus et nuire \u00e0 l’efficacit\u00e9 op\u00e9rationnelle.<\/p>\n Les causes de l’inexactitude des donn\u00e9es sont nombreuses. Les causes les plus courantes sont :<\/p>\n Mauvaises pratiques de saisie des donn\u00e9es : <\/strong>L’inexactitude des donn\u00e9es est le r\u00e9sultat de mauvaises pratiques de saisie des donn\u00e9es. Une organisation qui n’a pas mis en place une gouvernance des donn\u00e9es verra les donn\u00e9es saisies dans de multiples formats, styles et vari\u00e9t\u00e9s. Par exemple, le nom d’un client peut \u00eatre \u00e9crit de trois mani\u00e8res diff\u00e9rentes par trois repr\u00e9sentants diff\u00e9rents. Pire encore, les donn\u00e9es acquises \u00e0 partir des m\u00e9dias sociaux sont fortement sujettes aux erreurs, aux fautes de frappe et aux erreurs de copier\/coller.<\/p>\n Ne pas r\u00e9glementer l’accessibilit\u00e9 des donn\u00e9es : <\/strong>Le CRM est un bon exemple de ce point. Accessibles simultan\u00e9ment par les responsables des ventes, du marketing, du service client\u00e8le et des comptes, les CRM peuvent devenir un foyer de donn\u00e9es dupliqu\u00e9es, incoh\u00e9rentes et inexactes. Par exemple, un responsable marketing peut vouloir v\u00e9rifier le nom de l’entreprise du client avant de publier une \u00e9tude de cas, et voir une orthographe incorrecte ou une forme abr\u00e9g\u00e9e du nom dans le champ Nom de l’entreprise, qui a peut-\u00eatre \u00e9t\u00e9 tap\u00e9e ou modifi\u00e9e par un commercial. Le repr\u00e9sentant marketing devra passer par plusieurs cycles de v\u00e9rification pour corriger cette erreur. Pire encore, le client peut finir par pointer du doigt l’erreur si l’\u00e9tude de cas a \u00e9t\u00e9 publi\u00e9e sans v\u00e9rification.<\/p>\n La qualit\u00e9 des donn\u00e9es n’est g\u00e9n\u00e9ralement pas abord\u00e9e : <\/strong>Les \u00e9quipes sont trop occup\u00e9es par la vente, le marketing et la promotion pour penser \u00e0 des informations incorrectes dans l’ensemble des donn\u00e9es. Les dirigeants sont trop occup\u00e9s \u00e0 penser aux investissements dans le cloud, les syst\u00e8mes de big data, les logiciels et technologies fantaisistes pour se pr\u00e9occuper des donn\u00e9es. Les \u00e9quipes informatiques sont trop occup\u00e9es \u00e0 aider les dirigeants \u00e0 se \u00a0\u00bb transformer \u00a0\u00bb pour se pr\u00e9occuper de donn\u00e9es disparates, doubles ou inexactes. La qualit\u00e9 ou l’exactitude des donn\u00e9es n’est pas un sujet de discussion dans une salle de r\u00e9union. Elle n’est mise en lumi\u00e8re que lorsque quelque chose va tr\u00e8s mal, comme un rapport erron\u00e9 ou une campagne de marketing inefficace.<\/p>\n Toutes ces causes entra\u00eenent des pertes se chiffrant en millions.<\/p>\n Quelques statistiques pour enfoncer le clou.<\/p>\n Ces statistiques prouvent que les donn\u00e9es inexactes et de mauvaise qualit\u00e9 constituent un probl\u00e8me persistant dans la plupart des organisations et qu’elles ont un impact consid\u00e9rable sur le retour sur investissement, la r\u00e9putation de l’entreprise et la confiance des clients.<\/p>\n Des id\u00e9es. Analytique. L’intelligence.<\/b><\/p>\n Les trois principaux objectifs que les entreprises veulent atteindre avec les donn\u00e9es. On n’y parvient pas avec davantage de donn\u00e9es. Elle est obtenue gr\u00e2ce \u00e0 des donn\u00e9es pr\u00e9cises, compl\u00e8tes, opportunes et fiables.<\/p>\n C’est \u00e0 travers ces objectifs qu’une entreprise prend des d\u00e9cisions cl\u00e9s telles que :<\/p>\n … et bien plus encore. Selon le secteur d’activit\u00e9, l’exactitude des donn\u00e9es peut faire ou d\u00e9faire les entreprises. Les implications r\u00e9elles de donn\u00e9es inexactes ne peuvent \u00eatre ignor\u00e9es.<\/p>\n Des millions sont investis dans des solutions de gestion des donn\u00e9es. Pourtant, une \u00e9tude de HBR<\/a> portant sur 75 cadres r\u00e9v\u00e8le que seuls 3 % d’entre eux ont trouv\u00e9 que leurs donn\u00e9es \u00e9taient exactes dans la fourchette acceptable de 97 enregistrements corrects ou plus sur 100.<\/p>\n Les entreprises ont du mal \u00e0 maintenir l’exactitude des donn\u00e9es parce qu’elles se concentrent uniquement sur la collecte de donn\u00e9es suppl\u00e9mentaires, au lieu de rendre les donn\u00e9es actuelles utilisables.<\/p>\n D’apr\u00e8s notre exp\u00e9rience avec plus de 4 500 clients, trois obstacles essentiels emp\u00eachent les entreprises de tenir des registres pr\u00e9cis.<\/p>\n Mauvaise culture des donn\u00e9es : <\/strong>Les entreprises n’ont pas encore v\u00e9ritablement adopt\u00e9 une culture ax\u00e9e sur les donn\u00e9es. Des investissements importants sont r\u00e9alis\u00e9s dans les technologies, mais peu ou pas d’investissements dans la formation \u00e0 la sensibilisation aux donn\u00e9es. Les employ\u00e9s ne sont g\u00e9n\u00e9ralement pas conscients de concepts tels que la qualit\u00e9 ou l’exactitude des donn\u00e9es. Pendant longtemps, ces pratiques ont \u00e9t\u00e9 r\u00e9serv\u00e9es au d\u00e9partement informatique. Lorsqu’il s’agit de donn\u00e9es relatives aux clients, les employ\u00e9s de l’entreprise apportent des modifications \u00e0 leur guise, sans respecter de normes d\u00e9finies ou de protocoles de qualit\u00e9 des donn\u00e9es. Ces lacunes emp\u00eachent les entreprises d’obtenir des donn\u00e9es exactes, ce qui compromet l’int\u00e9grit\u00e9 des donn\u00e9es.<\/p>\n Accumuler des donn\u00e9es au lieu d’\u00eatre guid\u00e9 par les donn\u00e9es : <\/strong>Il n’y a vraiment pas de fin \u00e0 la th\u00e9saurisation des donn\u00e9es. Les entreprises d\u00e9pensent des millions de dollars dans les technologies du big data et recueillent chaque jour davantage de donn\u00e9es. Mais il n’y a pas de syst\u00e8me en place pour donner un sens \u00e0 ces donn\u00e9es. Il n’y a pas de ressources disponibles pour nettoyer, trier et g\u00e9rer les donn\u00e9es \u00e0 temps. Il n’y a pas d’automatisation et certainement pas de processus mis en place pour r\u00e9soudre les probl\u00e8mes de qualit\u00e9 des donn\u00e9es, ce qui conduit au troisi\u00e8me obstacle.<\/p>\n Une d\u00e9pendance obstin\u00e9e \u00e0 l’\u00e9gard de m\u00e9thodes et de technologies d\u00e9pass\u00e9es : <\/strong>Aujourd’hui, dans la plupart des organisations, les donn\u00e9es sont encore pr\u00e9par\u00e9es manuellement \u00e0 l’aide d’Excel, de SQL ou d’outils ETL. Tous sont incapables de g\u00e9rer les complexit\u00e9s des donn\u00e9es modernes – en particulier les donn\u00e9es clients obtenues via les m\u00e9dias sociaux, les fournisseurs tiers ou les formulaires web. Truff\u00e9es d’erreurs, d’inexactitudes et de bizarreries, ces donn\u00e9es ne peuvent \u00eatre trait\u00e9es ou pr\u00e9par\u00e9es manuellement, car il faudrait des mois \u00e0 une entreprise pour nettoyer et faire correspondre des milliers de lignes de donn\u00e9es.<\/p>\n Ne pas reconna\u00eetre le besoin urgent de garantir la qualit\u00e9 des donn\u00e9es entrave votre progression et affecte votre retour sur investissement – ce qui nous am\u00e8ne au point important suivant.<\/p>\n Le retour sur investissement d\u00e9termine toutes, sinon la plupart, des d\u00e9cisions de l’entreprise. Comme pour tout autre processus, nous ferons de notre mieux pour justifier les d\u00e9penses consacr\u00e9es \u00e0 la qualit\u00e9 des donn\u00e9es en mesurant son retour sur investissement et la plupart des dirigeants utiliseront une approche traditionnelle \u00e0 cet \u00e9gard :<\/p>\n Combien gagnerons-nous en $ si nous d\u00e9pensons $ pour r\u00e9parer nos donn\u00e9es ?<\/p>\n Eh bien, voici une r\u00e9ponse non traditionnelle.<\/p>\n Vous augmentez votre retour sur investissement lorsque :<\/p>\n Le fait est que le retour sur investissement de toute initiative de qualit\u00e9 des donn\u00e9es est insaisissable. Mais le co\u00fbt des donn\u00e9es m\u00e9diocres est \u00e9vident. Les entreprises perdent des millions de dollars chaque ann\u00e9e \u00e0 cause des doublons, des donn\u00e9es p\u00e9rim\u00e9es, incompl\u00e8tes, mal assorties, inaccessibles et disparates. <\/strong><\/p>\n Voici un exemple :<\/u><\/strong><\/p>\n Une entreprise de formation en ligne par abonnement doit faire correspondre un million d’enregistrements obtenus \u00e0 partir de trois sources : formulaires de demande, CRM, service client\u00e8le.<\/p>\n En utilisant des outils ETL traditionnels, l’entreprise effectue le rapprochement mais se retrouve avec 3,5 % de faux n\u00e9gatifs et 6,8 % de faux positifs. Ce seul chiffre a co\u00fbt\u00e9 \u00e0 l’entreprise des centaines de dollars en ventes, en heures de main-d’\u0153uvre (en examinant manuellement chaque faux n\u00e9gatif et positif). Si l’entreprise avait entrepris une initiative s\u00e9rieuse en mati\u00e8re de qualit\u00e9 des donn\u00e9es, elle aurait \u00e9vit\u00e9 le gaspillage de 11 % du total de ses enregistrements.<\/p>\n 11% d’un million = 11.000<\/strong><\/p>\n En supposant que chaque client paie 100 $.<\/strong><\/p>\n C’est 11 0000 x 100 = 11000000 <\/strong><\/p>\n Onze millions de revenus gaspill\u00e9s. C’est un coup dur pour la rentabilit\u00e9 de toute entreprise. <\/strong><\/p>\n Pr\u00eat \u00e0 faire le n\u00e9cessaire pour am\u00e9liorer l’exactitude des donn\u00e9es ?<\/p>\n Voici ce par quoi vous pouvez commencer.<\/p>\n Stop.<\/p>\n Rien de tout cela ne va fonctionner.<\/p>\n Alors, qu’est-ce qui le fera ?<\/p>\n Voici quelques mesures imm\u00e9diates que je recommande :<\/p>\n Gr\u00e2ce \u00e0 ces mesures imm\u00e9diates, vous pouvez pr\u00e9parer vos \u00e9quipes \u00e0 traiter des op\u00e9rations commerciales essentielles telles qu’une initiative de migration \u00e0 venir, une grande campagne promotionnelle ou un rapport de veille \u00e9conomique. L’objectif fondamental pour disposer de donn\u00e9es exactes est de garantir leur int\u00e9grit\u00e9. Vos donn\u00e9es peuvent faire ou d\u00e9faire votre entreprise. Vous vous souciez assez de la situation pour la r\u00e9parer ?<\/p>\n Cleveland Brothers Equipment Company Inc. est un concessionnaire d’\u00e9quipements et soutient un certain nombre d’industries, notamment la construction, l’agriculture, la production d’\u00e9nergie, l’am\u00e9nagement paysager, etc. Cela signifie que l’entreprise traite des ensembles de donn\u00e9es clients multiples provenant de sources multiples, avec des int\u00e9r\u00eats et des besoins multiples.<\/p>\n L’entreprise avait besoin d’une solution de gestion de la qualit\u00e9 des donn\u00e9es qui lui permette de d\u00e9duire les donn\u00e9es<\/a>, de recouper les informations de contact telles que les noms, les num\u00e9ros de t\u00e9l\u00e9phone, les adresses de facturation et les noms de soci\u00e9t\u00e9. Ils avaient \u00e9galement besoin de la solution pour les aider \u00e0 nettoyer et \u00e0 normaliser les donn\u00e9es.<\/p>\n DataMatch Enterprise<\/a> a \u00e9t\u00e9 l’outil de choix de l’entreprise qui l’a aid\u00e9e \u00e0 effectuer plusieurs op\u00e9rations cl\u00e9s en m\u00eame temps. Comme l’outil est facile \u00e0 utiliser et ne n\u00e9cessite aucune expertise suppl\u00e9mentaire en programmation, m\u00eame les ressources commerciales de l’entreprise ont pu pr\u00e9parer les donn\u00e9es facilement.<\/p>\n \u00c9tude de cas des fr\u00e8res Cleveland<\/strong><\/p>\n T\u00e9l\u00e9chargez l’\u00e9tude de cas et d\u00e9couvrez comment le principal revendeur d’\u00e9quipements gagne du temps en g\u00e9rant plusieurs listes de clients.<\/p>\n L’objectif est la qualit\u00e9 des donn\u00e9es. L’exactitude des donn\u00e9es est le r\u00e9sultat. Avec les bonnes ressources humaines et technologiques, votre entreprise sera mieux \u00e0 m\u00eame d’aborder l’avenir avec confiance.<\/p>\n Comment fonctionnent les meilleures solutions de correspondance floue de leur cat\u00e9gorie : Combinaison d’algorithmes \u00e9tablis et exclusifs<\/b><\/p>\n Commencez votre essai gratuit aujourd’hui<\/p>\n![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/09\/What-is-data-accuracy-1024x576.png\")
<\/p>\nQuelles sont les causes de l’inexactitude des donn\u00e9es ?<\/b><\/h3>\n
Le co\u00fbt \u00e9lev\u00e9 des donn\u00e9es inexactes<\/b><\/h3>\n
![\"High](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/09\/high-cost-of-inaccurate-data.png\")
<\/p>\n\n
\n
\n
Pourquoi il est essentiel de maintenir l’exactitude des donn\u00e9es<\/b><\/h3>\n
\n
Pourquoi les entreprises se d\u00e9battent-elles avec la qualit\u00e9 et l’exactitude des donn\u00e9es ?<\/b><\/h3>\n
Comment calculer le retour sur investissement de l’exactitude des donn\u00e9es ?<\/b><\/h3>\n
\n
Quelles mesures imm\u00e9diates pouvez-vous prendre pour am\u00e9liorer l’exactitude des donn\u00e9es ?<\/b><\/h3>\n
\n<\/strong>Vous serez peut-\u00eatre tent\u00e9 d’engager un analyste de donn\u00e9es. Ou peut-\u00eatre changer votre CRM. Ou alors, demandez (encore) \u00e0 vos \u00e9quipes informatiques de trouver une solution.<\/p>\n\n
\n
\n
\n
\n
\n
\u00c9tude de cas des fr\u00e8res Cleveland<\/b><\/h3>\n
\nT\u00e9l\u00e9charger
\n<\/a><\/p>\nEn conclusion : Ne transigez pas sur l’exactitude des donn\u00e9es. Votre entreprise a besoin de donn\u00e9es fiables<\/b><\/h3>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2019\/05\/fuzzy-whitepaper2.png\")
<\/p>\n
\nT\u00e9l\u00e9charger
\n<\/a><\/p>\n