Introduction

Qualité des données La direction définit les objectifs, les approches et les plans d'action qui garantissent que le contenu des données est d'une qualité suffisante pour soutenir les objectifs commerciaux définis de l'organisation. Qualité des données La gestion doit être élaborée en fonction des besoins de l'entreprise, mesurée par rapport à des objectifs définis. dimensions de la qualité des données et sur la base d'une analyse de la situation actuelle des Qualité des données. Qualité des données La gestion est une série de processus couvrant l'ensemble du cycle de vie des données afin de s'assurer que les données fournies répondent aux besoins des utilisateurs prévus. En veillant à ce que les processus de nettoyage et de validation des données soient efficaces et efficients, Qualité des données La gestion des données permet à l'organisation de maintenir un environnement de contrôle des données solide. Cela garantit que les données sont adaptées à l'usage auquel elles sont destinées, qu'elles permettent une prise de décision éclairée, qu'elles améliorent l'efficacité opérationnelle et qu'elles apportent une valeur mesurable à l'entreprise.

Définition

Qualité des données Composante de gestion englobe un ensemble de capacités permettant de mettre en œuvre profilage des données, Ces capacités comprennent l'évaluation de la qualité en fonction de l'activité, l'élaboration de règles de contrôle de la qualité, la surveillance, la gestion des défauts, l'analyse des causes profondes et la résolution des problèmes liés aux données. Ces capacités permettent à l'organisation d'exécuter la qualité des données des processus tout au long du cycle de vie des données afin de garantir et de contrôler que les données sont adaptées à l'usage auquel elles sont destinées.

Champ d'application

• Établir un Qualité des données Gestion fonction.
• Travailler avec la gestion des données Bureau de gestion des programmes concevoir et mettre en œuvre des processus et des outils de gestion durable pour Qualité des données Gestion.
• Exécuter Qualité des données Les processus de gestion des données sont comparés aux données prioritaires de l'organisation. Qualité des données Les processus de gestion comprennent profilage & classement, élaboration de règles, mesure continue, gestion des défauts, résolution des causes profondes, remédiation.
• Établir Qualité des données des règles, des mesures et des routines d'établissement de rapports.
• Veiller à ce que Qualité des données Gestion et Qualité des données La gouvernance de la gestion est intégrée à la gouvernance des données.

Proposition de valeur

Les organisations qui construisent, formalisent et attribuent la qualité des données L'intégration des responsabilités de l'entreprise dans les activités quotidiennes permet d'améliorer la culture des données. Les organisations qui mettent en œuvre de manière efficace les Qualité des données La gestion de l'écosystème des données permet d'obtenir un retour sur investissement dans plusieurs domaines :

• Une meilleure gestion des risques
• Analyse améliorée
• Amélioration du service à la clientèle et de l'innovation en matière de produits
• Amélioration de l'efficacité opérationnelle
• Réduction du coût du changement / de la transformation et de l'amélioration de la qualité

Vue d'ensemble

Qualité des données est un concept général terme qui doit être compris dans le contexte des processus organisationnels où les données sont utilisées. Chercher à créer des données “parfaites” n'est pas toujours un objectif viable. L'organisation doit développer une Qualité des données L'Agence doit adopter une approche de gestion des données et établir des plans globaux pour gérer l'intégrité et la pertinence de ses données. La qualité des données doit être définie en termes pertinents pour les consommateurs de données afin de garantir qu'elles sont adaptées à l'usage auquel elles sont destinées. L'objectif global de la Qualité des données est de faire en sorte que les consommateurs de données aient confiance dans les données qu'ils reçoivent des producteurs de données. Étant donné que les consommateurs utilisent les données pour soutenir les fonctions de l'entreprise et prendre des décisions, les données doivent communiquer des faits conformes aux attentes de l'utilisateur. domaine, Les données doivent être utilisées en tenant compte du contexte et des exigences opérationnelles. Le besoin de rapprochement ou de transformation manuelle des données de la part du consommateur devrait être faible, voire inexistant. Qualité des données est un processus et non un projet. L'un des objectifs essentiels est de créer une culture commune de l'innovation. Qualité des données émanant de la direction générale et intégrée dans l'ensemble des activités de l'organisation. Qualité des données peuvent être segmentées en dimensions mesurables. Les organisations peuvent tirer profit de l'utilisation de dimensions de la qualité des données pour classer les défauts, ce qui améliorera les efforts de remédiation et permettra un contrôle efficace. Les dimensions, telles que celles présentées ci-dessous, sont des exemples typiques à prendre en considération. La QD peut être segmentée en plusieurs dimensions :

• Précisionla relation du contenu avec l'intention originale
  • Exemple : la date correcte associée à un document
• Complétudela disponibilité des attributs de données nécessaires
  • Exemple : tous employés avoir une date d'embauche dans un SIRH
• Cohérencele degré de conformité des données avec les formats et définitions requis pour l'ensemble des ensembles de données
  • Exemple : une adresse est la même pour une entreprise dans l'AP et la gestion des fournisseurs.
• Couverture:la disponibilité des enregistrements de données nécessaires
  • Exemple : a ensemble de données comprend toutes les valeurs pour la période de temps requise
• Respect des délaisl'actualité de la représentation du contenu et la question de savoir si les données sont disponibles/peuvent être utilisées en cas de besoin
  • Exemple : les données se trouvent dans un ensemble de données, mais elle a été introduite trop tard, ce qui a entraîné un dépassement des délais
• Unicitéle degré auquel aucun enregistrement ou attribut n'est enregistré plus d'une fois
  • Exemple : plusieurs enregistrements se rapportant à la même personne dans un système de gestion de la relation client (CRM).
• Validitéle degré de conformité des données à la définition convenue de la syntaxe, y compris le format, le type et l'étendue.
  • Exemple : le mois doit être une valeur numérique comprise entre 1 et 12.

L'identification et la hiérarchisation des dimensions de la qualité des données favoriser une communication efficace sur Qualité des données et apporter un bénéfice à l'initiative de gestion des données. Créer un profil de l'état actuel des la qualité des données est un aspect important de la stratégie globale de l Qualité des données Gestion fonction. Un nouveau profil devrait être créé lors de l'intégration ou de la création de données, et périodiquement lorsque les données sont transformées ou qu'il y a des changements au sein de l'écosystème de données. L'objectif est d'évaluer les tendances dans les données et d'identifier les anomalies et les points communs comme base de référence de ce qui est actuellement stocké et de la manière dont les valeurs réelles peuvent différer des valeurs attendues. Une fois le profil des données établi, l'organisation doit évaluer les données en fonction des tolérances et des seuils de qualité définis par le Qualité des données les exigences. L'évaluation porte également sur les besoins de l'entreprise afin de s'assurer que les données sont adaptées à l'objectif visé. L'objectif de cette évaluation processus est de mesurer la qualité des attributs commerciaux les plus importants des données existantes et de déterminer le contenu qui doit être remédié. La responsabilité de l producteur de données et consommateur de données est d'identifier les données critiques pour les processus opérationnels des consommateurs de données. La hiérarchisation des données en fonction de leur criticité permet ensuite d'informer l'équipe d'experts sur la manière dont les données sont traitées. Qualité des données Gestion fonction sur les attributs qui requièrent un niveau de contrôle et de gouvernance plus élevé. Les données désignées comme critiques requièrent le plus haut niveau de contrôle et de gouvernance. la qualité des données à travers les dimensions identifiées. L'évaluation du profil processus identifie les données qui ont besoin d'être corrigées pour répondre aux exigences de l'UE. consommateur de données exigences. Le nettoyage des données et/ou la remédiation doivent être identifiés sur la base d'un ensemble prédéfini de règles commerciales qui identifient les défauts et sont liées aux processus commerciaux et opérationnels. La correction des données doit être effectuée aussi près que possible du point de saisie ou de création. La mise en œuvre d'une approche d'analyse des causes profondes pour l'assainissement des données permettra de prendre en compte d'autres facteurs ayant un impact sur la qualité des données y compris les processus opérationnels, les mises à jour de l'interface utilisateur et d'autres influences non liées aux données. Il doit y avoir une responsabilité claire et une stratégie définie pour la correction des données afin de s'assurer que les règles et les processus sont connus, évitant ainsi un traitement en double à plusieurs points du cycle de vie des données. L'objectif global est de corriger les données une seule fois, sur la base d'une documentation vérifiable et des règles de gestion, et de corriger les processus qui ont permis aux données défectueuses d'entrer dans le système à la racine. Les corrections de données doivent être communiquées à tous les référentiels en aval et aux systèmes en amont, et alignées sur eux. Il est important d'avoir une approche cohérente et documentée de la correction des données. processus pour la remontée des problèmes et la vérification des modifications, tant pour les producteurs que pour les vendeurs de données. Il est également important de veiller à ce que les données répondent à des normes de qualité tout au long de leur cycle de vie, afin que les producteurs et les consommateurs de données aient des attentes clairement définies quant à la manière dont les données sont gérées, tant au repos qu'en transit. Les normes soutiennent l'intégration des données dans les magasins de données opérationnels, la propagation des données dans l'écosystème interne, l'échange de données externes avec des tiers et les attentes liées à la sécurité, aux exigences réglementaires et à la gestion des risques. Pour les Qualité des données Pour qu'elle soit durable, une structure de gouvernance solide, bénéficiant du plus haut niveau de soutien organisationnel de la part de la direction générale, doit être mise en place. Ce soutien Qualité des données Les activités de gestion et la conformité avec les règles de l'Union européenne sont également prises en compte. Qualité des données processus. Qualité des données doivent être documentés, mis en œuvre et régulièrement validés par le biais d'examens de la gestion des données et de processus d'audit formels. Qualité des données ne peut être obtenue par un contrôle central. À l'échelle de l'organisation Qualité des données nécessite l'engagement et la participation d'un large éventail de parties prenantes. Qualité des données est le résultat d'une série de processus opérationnels créant une chaîne d'approvisionnement en données. Par conséquent, les parties prenantes, tout au long de cette chaîne, doivent être autorisées et tenues responsables de la qualité des données qui circulent dans leurs domaines respectifs. Qualité des données nécessite un soutien organisationnel coordonné. Qualité des données Les processus et les objectifs de gestion doivent faire partie de la culture opérationnelle d'une organisation pour que celle-ci soit durable et réussisse.

Questions fondamentales

• Est-on conscient que des données de mauvaise qualité sont souvent le signe d'une entreprise défaillante ? processus ou la technologie ?
• Est-il entendu que l'instauration d'un Qualité des données est un changement culturel qui touche tous les aspects des processus commerciaux, opérationnels et technologiques ?
• Les rôles et les responsabilités sont-ils définis pour soutenir la Qualité des données Gestion fonction?
• Les ressources humaines et financières nécessaires sont-elles affectées à la mise en œuvre et à l'exploitation du projet ? Qualité des données Gestion fonction?
• Les processus opérationnels de base sont-ils formalisés et communiqués (profilage, (par exemple, le contrôle, la remédiation, la gestion des normes, la gestion du changement) ?
• Sont Qualité des données Les normes de gestion sont rédigées, approuvées et communiquées ?
• Les ressources nécessaires sont-elles en place pour fournir une formation à l'échelle de l'organisation afin de soutenir un système durable, Qualité des données changement culturel ?
• Existe-t-il un soutien de haut niveau formalisé autour d'un moyen d'escalade et de socialisation ? Qualité des données questions ?

Artefacts de base

Les éléments suivants sont les suivants artefacts de base nécessaires à l'exécution d'une Qualité des données Capacité de gestion. Les éléments marqués d'un astérisque (*) renvoient à des lignes directrices publiées sur les meilleures pratiques.

• Élément de données critique Méthode et critères d'identification
• Profilage des données Méthodologie
• Dimensions de la qualité des données Cadre*
• Qualité des données Mesures et tableaux de bord
• Qualité des données Inventaire des règles
• Méthodologie de gestion des défauts
• Méthodologie de l'analyse des causes profondes
• Intégration/migration/évaluation de l'impact de l'immigration

Le Qualité des données Gestion fonction L'approche et le plan doivent être définis et approuvés par les parties prenantes. Les rôles et responsabilités des parties prenantes doivent être établis et des processus opérationnels vérifiables doivent être mis en place.

Description

L'approche et le plan doivent être définis pour le Qualité des données Gestion fonction et refléter la vision et les objectifs de l'approche de la gestion des données. Une fois créé, il doit être officiellement habilité par la direction générale et son rôle doit être communiqué à toutes les parties prenantes.

Objectifs

• Établir officiellement le Qualité des données Approche et plan de gestion au sein de l'organisation.
• Assurer l'alignement des partie prenante les feuilles de route et les plans avec les Qualité des données Stratégie de gestion.
• Communiquer le rôle de l Qualité des données Gestion fonction dans l'ensemble de l'organisation.
• Faire fonctionner le Qualité des données Gestion fonction collaborer avec les parties prenantes de l'initiative de gestion des données.
• Obtenir l'autorité nécessaire pour faire appliquer la loi Qualité des données Conformité de la gestion par politique et des procédures documentées.

Conseil

Le Qualité des données La stratégie et l'approche de la gestion englobent le quoi, le comment, le quand, le qui et le pourquoi de la gestion des ressources humaines. Qualité des données. Elle doit préciser l'étendue des données à examiner et à réviser, la manière dont le système de gestion des données de l'UE doit être mis en place. Qualité des données les évaluations seront effectuées à l'aide de paramètres définis, quand et à quelle fréquence les évaluations auront lieu et qui en sera responsable à l'aide de rôles définis. Qualité des données La gestion doit être étroitement alignée sur les objectifs commerciaux de l'organisation afin de garantir que les données les plus importantes sont correctement conservées et contrôlées, en démontrant comment la qualité des données peuvent soutenir les résultats de l'entreprise et éviter les risques et les coûts liés à des données défectueuses. Qualité des données La gestion implique un changement culturel. Il est essentiel qu'un Qualité des données La stratégie et l'approche de la gestion sont diffusées auprès des acteurs de l'entreprise, des données et de la technologie afin d'assurer la sensibilisation, le soutien et l'engagement. L'accent mis sur l'éthique des données, qui évolue rapidement, introduit de nouvelles exigences en matière de gestion des données. Qualité des données Gestion fonction. Ces exigences comprennent un examen éthique visant à déterminer si les données produites sont adaptées à l'usage auquel elles sont destinées. En outre, Qualité des données La gestion est l'un des domaines où l'utilisation de techniques et d'outils tels que l'intelligence artificielle peut contribuer aux processus utilisés pour obtenir des données de qualité. Ces exigences et opportunités doivent être évaluées dans la stratégie et l'approche de l'administration centrale. Qualité des données Gestion fonction. Alignement des Qualité des données L'approche de la gestion des données et la feuille de route vers la stratégie et les objectifs de la gestion des données sont réalisées par un accord entre les responsables de la gestion des données au niveau opérationnel et les responsables de la gestion des données au niveau national. responsable des données via la structure de gouvernance des données. Le niveau opérationnel responsable des données est responsable de l'établissement des priorités pour chacune des exigences des composantes du cadre.

Questions

• Est-ce que le Qualité des données Gestion fonction a été formellement établie ?
• Existe-t-il un Qualité des données Approche de gestion en place ?
• Les Qualité des données Approche de la gestion des données et feuille de route alignées sur la stratégie de gestion des données ?
• Les technologies innovantes telles que l'intelligence artificielle ont-elles été prises en compte dans le cadre de l'évaluation des risques ? Qualité des données Gestion processus et l'infrastructure ?
• Est-ce que le Qualité des données Gestion fonction a-t-elle été formellement communiquée aux parties prenantes dans les domaines de l'entreprise, de la technologie, des opérations, de la finance et des risques ?
• La direction générale a-t-elle manifesté son soutien ?
• L'autorité a-t-elle été accordée au Qualité des données Gestion fonction mettre en œuvre et faire respecter les meilleures pratiques par le biais politique et des normes ?
• L'autorité a-t-elle été communiquée aux parties prenantes ?
• Existe-t-il un partenariat fonctionnel avec l'audit interne ?
• Les incidences sur l'intégration ont-elles été examinées ?

Artéfacts

• Qualité des données Approche et plan de gestion
• Communication d'un soutien spécifique de la part de la direction générale au moyen de listes de distribution

Notation

Description

Qualité des données La gestion nécessite la collaboration d'un réseau de personnes au sein de l'organisation, y compris, mais sans s'y limiter, les gestionnaires de données et les experts en la matière, afin de garantir que des données exactes sont correctement capturées, traitées et livrées. Les parties responsables doivent être identifiées et les rôles et responsabilités doivent être clairement communiqués.

Objectifs

• Définir et communiquer les rôles et les responsabilités de l'équipe d'encadrement. Qualité des données Gestion fonction tout au long du cycle de vie des données.
• Une dotation en personnel adéquate est identifiée et les responsabilités sont comprises dans le cadre de la Qualité des données Gestion fonction.

Conseil

Qualité des données La gestion implique de nombreuses parties prenantes qui sont responsables de la saisie des exigences en matière de données, profilage des données, remédiation, définitions, métadonnées, Ces efforts impliquent l'attribution et l'habilitation de propriétaires, de responsables, de conservateurs, de gardiens et d'autres personnes. Ces efforts impliquent l'affectation et l'habilitation de propriétaires, de responsables, de conservateurs, de gardiens et d'autres personnes. Ces parties responsables doivent se situer au bon niveau hiérarchique et comprendre tous les processus internes associés à la gestion des données. Qualité des données Gestion. Avec l'ajout d'un examen de l'éthique des données dans le cadre de la Qualité des données Gestion processus, Il sera nécessaire de disposer d'une expertise en la matière, soit par l'ajout d'experts, soit par une formation appropriée des fonctionnaires de l Qualité des données Ressources de gestion. De même, dans la mesure où l'IA est utilisée pour soutenir la Qualité des données Gestion processus, En outre, des compétences supplémentaires devront être ajoutées ou développées au sein des parties prenantes.

Questions

• Est-ce que le Qualité des données Gestion fonction des effectifs suffisants ?
• Les rôles et les responsabilités des Qualité des données Gestion fonction a été définie, documentée et socialisée ?

Artéfacts

• Matrice RACI ou toute autre preuve de l'obligation de rendre des comptes
• Description des rôles et responsabilités des Qualité des données Gestion fonction
• Liste des partie prenante les affectations et la communication bidirectionnelle
• Analyse des lacunes dans les compétences nécessaires et existantes

Notation

Description

Des processus formels doivent être mis en place pour les activités de la Qualité des données Gestion fonction. Ces processus s'alignent sur la gestion des données politique et les normes de l'organisation et comprennent des procédures, des outils et des routines. Les routines sont nécessaires pour les opérations en régime permanent.

Objectifs

• Établir une procédure formelle Qualité des données Les processus de gestion des données sont alignés sur les processus de gestion des données. politique et des normes.
• Veiller à ce que les processus soient engagés et alignés sur les parties prenantes de l'entreprise, des opérations et de l'audit.
• Intégrer le Qualité des données dans les processus de bout en bout de l'initiative de gestion des données.
• Qualité des données Les processus de gestion sont contrôlables.

Conseil

Le Qualité des données Les experts en gestion devraient collaborer avec les entreprises processus au sein de l'équipe du programme de gestion des données. Ensemble, ils créeront et surveilleront la mise en œuvre du programme de gestion des données. Qualité des données Les processus de gestion sont alignés sur le processus de gestion de bout en bout de l'entreprise. processus dans l'ensemble de l'initiative de gestion des données. Qualité des données Des processus de gestion doivent être mis en œuvre pour rationaliser et soutenir les exigences de l'organisation en matière d'examen et d'audit. Les processus d'examen des audits doivent être établis et, le cas échéant, soutenus par des capacités d'établissement de rapports afin de rationaliser le processus d'examen et d'audit. processus. Les Qualité des données Gestion processus devrait inclure les exigences d'un examen éthique afin de déterminer si les données sont adaptées à l'usage prévu. La conception devrait également intégrer l'intelligence artificielle dans le système de gestion des données. processus si elle est incluse dans le Qualité des données Stratégie et approche de la gestion.

Questions

• Des processus formels ont-ils été définis et mis en œuvre ?
• Les procédures, outils et routines sont-ils en place pour la mise en œuvre des processus ?
• L'examen de l'éthique des données a-t-il été inclus dans les processus définis ?
• Sont Qualité des données Les activités de gestion font-elles partie de la routine opérationnelle normale des parties prenantes ?
• Existe-t-il des réunions permanentes, des sessions de planification et une communication régulière sur les initiatives en matière de données ?

Artéfacts

• Processus des artefacts de conception, procédure guides, et routines publiées
• Processus rapports sur les mesures de performance
• Procès-verbaux de réunions, rapports de situation et annonces du programme de gestion des données

Notation

Profilage et la mesure des données comprend :

• Hiérarchiser les données dans le champ d'application en fonction de leur criticité et de leur importance. matérialité
• Vérifier que les données sont adaptées à l'objectif visé
• Définir et tester la qualité des données règles basées sur les règles de gestion pour valider l'adéquation à l'utilisation

Description

Les données concernées, telles que définies par les objectifs de l'entreprise, doivent être classées par ordre de priorité en fonction de leur criticité et de leur importance pour l'entreprise. matérialité à la consommateur de données et des entreprises processus.

Objectifs

• Définir un processus pour donner la priorité aux données dans le champ de l'enquête.
• Identifier le champ d'application de la personne concernée à Qualité des données La gestion, tant actuelle qu'historique.
• Établir des priorités dans l'étendue des données en fonction de la DS et des priorités de l'entreprise.

Conseil

Une organisation peut établir des niveaux de priorité pour les données. La gestion des données politique et les normes devraient définir les niveaux de contrôle des données à appliquer à chaque niveau de priorité. Le niveau le plus élevé est un élément de données critique. Les éléments de données critiques désignés font l'objet du niveau de contrôle le plus élevé afin de garantir le maintien de la qualité de ces attributs. Élément de données critique La désignation est contrôlée processus, généralement saisis dans les classifications de données, afin de parvenir à un accord entre les deux parties. producteur de données et consommateur de données.

Questions

• Est-ce que le processus pour classer les données par ordre de priorité a été défini ?
• Le champ d'application de la personne concernée à Qualité des données ont été identifiés, classés par ordre de priorité et vérifiés ?

Artéfacts

• Priorités élément de données critique inventaire relatif aux domaines de données
• La communication bidirectionnelle sur les inventaires et les la qualité des données attentes

Notation

Description

Les données dans le champ de l'enquête doivent être profilées afin de déterminer l'ensemble du spectre des dimensions de la qualité des données pour votre organisation (précision, exhaustivité, couverture, conformité, cohérence, respect des délais, unicité). Métadonnées doit également être examinée pour s'assurer que la description et l'utilisation prévue des données sont correctement définies.

Objectifs

• Définir un processus pour profilage, Les données sont collectées, analysées et classées.
• Profilage, analyse et classement des données du champ de l'enquête.
• Capture profilage sur une base régulière.
• Rapport profilage les résultats aux parties prenantes de l'entreprise, des données et de la technologie.

Conseil

Le Qualité des données Gestion fonction est d'établir que les données sont adaptées à l'usage qui en est fait et qu'elles sont dignes de confiance. Profilage des données crée une référence de qualité pour l'organisation. Les preuves profilage des données Les données doivent être évaluées en fonction de critères d'adéquation à l'usage prévu et de critères d'évaluation de la qualité. Les données doivent être évaluées à la fois en fonction de critères d'adéquation à l'usage prévu et de l'objectif de l'audit interne. dimensions de la qualité des données. Certains types de données, comme les séries chronologiques, doivent être évalués en fonction de critères supplémentaires tels que les lacunes, les pics et les anomalies. Les principales parties prenantes impliquées dans cette processus sont les producteur de données et consommateur de données. En fin de compte, la qualité est définie par l'entreprise processus les exigences de la consommateur de données et doivent être formellement approuvées par le producteur de données. Les indicateurs sont utilisés pour suivre Qualité des données et de piloter les efforts de remédiation des données. Les points de contrôle tout au long de la chaîne d'approvisionnement des données permettent de saisir Qualité des données les métriques utilisées pour produire des Qualité des données les tableaux de bord. Les exigences de la consommateur de données sont utilisés pour établir des seuils de qualité pour les données. Ces seuils permettent de classer les données en fonction des niveaux définis d'acceptabilité. Qualité des données sur la base des exigences minimales des consommateur de données. Création d'un standard et automatisé processus pour l'exécution régulière des mesures de qualité et la communication des résultats est essentielle pour respecter les contraintes de temps de la chaîne d'approvisionnement en données. Un mécanisme d'exécution des Qualité des données et de générer des rapports sur les résultats est nécessaire pour soutenir le projet. profilage des données, analyser et noter processus. L'utilisation de l'intelligence artificielle peut contribuer à l'amélioration de la qualité de la vie. processus.

Questions

• Les données du champ d'application ont-elles été profilées, analysées et classées ?
• Est Qualité des données profilé par rapport aux règles logiques de l'entreprise ainsi que par rapport aux attentes statistiques ?
• Les bonnes parties prenantes commerciales, opérationnelles, analytiques, techniques et de données sont-elles impliquées dans le projet ? processus?
• Les technologies innovantes telles que l'IA sont-elles utilisées pour identifier et suggérer des règles ou effectuer des opérations de nettoyage dans le cadre de la processus?
• Sont standard critères de mesure la qualité des données défini et vérifié ?
• Des mesures sont-elles collectées et communiquées régulièrement ?
• Les résultats de la mesure et de la classification des données sont-ils saisis en tant que métadonnées dans un catalogue de données ?
• Les examens périodiques des la qualité des données et les règles de gestion sont-elles appliquées en fonction de leur pertinence ?

Artéfacts

• Règles de gestion et profilage des données critères de mesure
• Analyse de la qualité des données résultats
• Mécanisme d'attribution et de communication des notes pour Qualité des données
• Qualité des données des rapports métriques, des tableaux de bord, des cartes thermiques et d'autres formes de résultats
• Liste des parties prenantes et preuves d'une communication bidirectionnelle

Notation

Description

Qualité des données des règles basées sur les règles de gestion doivent être définies et testées afin de valider en toute confiance l'adéquation des données à leur utilisation tout au long de leur cycle de vie.

Objectifs

• Définir un processus pour le développement de la qualité des données des règles tout au long du cycle de vie des données.
• Définir des règles d'entreprise qui peuvent être traduites en la qualité des données et utilisées pour mesurer la qualité des données.
• Définir un processus pour l'essai de la qualité des données règles.
• Mettre en place un environnement et un ensemble d'outils pour l'exécution et le test des règles.
• Socialiser Qualité des données et les résultats des tests avec les parties prenantes.

Conseil

Les règles de gestion constituent la base du développement la qualité des données les règles nécessaires pour quantifier la qualité des données. Un partenariat avec des experts en la matière est essentiel pour pouvoir définir des données de qualité. Les dimensions de la qualité des données établir un éventail de règles potentielles qui pourraient être nécessaires pour déterminer le niveau global de l'aide publique au développement (APD). Qualité des données. Une partie essentielle de la définition des règles de qualité consiste à tester le résultat de la règle. Le test est une activité itérative au cours de la conception d'une règle individuelle. Tester et retester chaque règle affinée est une activité essentielle pour l'identification de l'éventail des règles dans l'ensemble de l'Union européenne. dimensions de la qualité des données. Ces dimensions sont nécessaires pour la la qualité des données pour mesurer la qualité avec précision. Diverses modifications peuvent intervenir dans le cycle de vie des données et nécessiter un nouveau test de la qualité des données. la qualité des données règles, telles que l'introduction de nouvelles données dans une base de données existante. processus ou des changements dans la structure des données. Il est essentiel de comprendre ces changements pour déterminer quand la qualité des données un nouveau test est nécessaire. Qualité des données des règles devraient être élaborées pour tester les différentes les dimensions de la qualité. Toutes les dimensions ne sont pas appliquées au scénario de test. Il faut veiller à ce que les règles s'appliquent à autant de dimensions que nécessaire. La rédaction de règles de qualité relève à la fois de l'art et de la science. Les règles et l'éventail des règles évolueront avec le temps. Au fur et à mesure que de nouveaux défauts de qualité apparaîtront, ils guideront la conception de nouvelles règles pour détecter ces problèmes à l'avenir. Un système mature règle de qualité des données Le set est un atout convoité par une organisation. Qualité des données Les règles nécessitent un environnement de test, généralement dans le cadre d'un développement où les règles peuvent être établies, testées et les résultats examinés pour s'assurer qu'ils sont positifs. En outre, l'infrastructure technique appropriée pour écrire, stocker, exécuter et analyser les règles est nécessaire. L'ensemble des compétences requises pour tester les règles peut comprendre les éléments suivants processus l'expertise en la matière, Qualité des données l'expertise en matière de gestion, l'infrastructure technique et l'expertise en matière de codage. Veillez à évaluer soigneusement les compétences et les ressources disponibles, car cet éventail de compétences peut ne pas être disponible auprès d'une seule personne.

Questions

• Existe-t-il un processus pour la conception, l'essai et le déploiement de la qualité des données règles ?
• Existe-t-il une bibliothèque de règles de gestion associées à des ensembles de données ou à des produits ?
• Les la qualité des données sur la base des règles de gestion définies ?
• Existe-t-il un bac à sable pour les données et des outils appropriés pour l'exploitation des données ? règle de qualité des données tests ?
• Comment la partie prenante le retour d'information et l'approbation saisis lors de l'exécution et de l'évaluation la qualité des données tests ?
• Les parties prenantes ont-elles validé le fait que l'éventail des dimensions de la qualité des données appliquée dans l'ensemble de règles est adéquate pour déterminer la Qualité des données?

Artéfacts

• Processus des artefacts de conception, procédure guides, et routines publiées
• Documenté dimensions de la qualité des données
• Critères d'évaluation Qualité des données
• Qualité des données référentiel de règles
• Qualité des données règles enregistrées comme métadonnées
• Rapports sur les résultats des tests et tableaux de bord
• Qualité des données déploiement des règles processus

Notation

Maintien de la la qualité des données comprend :

• Mise en œuvre la qualité des données points de contrôle
• Capture Qualité des données des métriques pour identifier les données défectueuses
• Contrôle continu des données

Description

Des points de contrôle des données doivent être mis en place pour évaluer quantitativement la qualité des données au fur et à mesure qu'elles transitent par les processus commerciaux et technologiques.

Objectifs

• Établir un processus pour définir Qualité des données points de contrôle.
• Mettre Qualité des données en place et les rendre pleinement opérationnels tout au long de la chaîne d'approvisionnement en données.
• Enregistrer Qualité des données contrôle comme métadonnées.

Conseil

Qualité des données est régi par le développement de points de contrôle tout au long de la chaîne d'approvisionnement en données. Qualité des données des points de contrôle doivent être appliqués au point d'entrée des données dans l'organisation, au point d'entrée dans l'application consommatrice et lorsque les données se déplacent et se transforment tout au long de la chaîne d'approvisionnement. Qualité des données Les contrôles de l'administration comprennent la mise en œuvre de règles de gestion, l'établissement de flux de travail, la mise en place d'un système de gestion de l'information. Qualité des données les tolérances et la surveillance du mouvement des données.

Questions

• Les points de contrôle sont-ils définis, vérifiés et documentés ?
• Les règles de gestion sont-elles définies, vérifiées, documentées et approuvées ?
• Les entreprises processus définis et la manière dont ils gèrent les exceptions vérifiée ?
• Les points de contrôle, les règles de gestion et les processus flux opérationnel ?
• Les contrôles sont-ils régulièrement revus et mis à jour, le cas échéant ?

Artéfacts

• Documentation des points de contrôle, des règles de gestion et des processus flux
• Contrôle processus examen et signature

Notation

Description

Les points de contrôle le long de la chaîne d'approvisionnement des données capturent Qualité des données les métriques utilisées pour produire des Qualité des données des tableaux de bord qui permettent d'identifier les données défectueuses. Les Qualité des données les défauts doivent faire partie de la routine de gestion des problèmes de l'initiative de gestion des données. Les Qualité des données gestion des problèmes processus doit assurer le suivi d'un problème jusqu'à sa résolution et fournir des partie prenante la communication.

Objectifs

• Gérer la qualité des données à la résolution des problèmes.
• Piloter et prioriser les efforts de remédiation à l'aide de Qualité des données l'établissement de rapports métriques.
• Mettre en place une routine et une infrastructure d'établissement de rapports sur la gestion des problèmes.

Conseil

Partie prenante l'engagement, y compris de la part de l'Union européenne, de l'Union européenne et de l'Union européenne. consommateur de données et producteur de données, La gestion des données est essentielle pour une résolution stratégique et réussie des problèmes liés aux données. Les problèmes de données doivent être gérés à toutes les étapes de la résolution. Ces étapes comprennent le triage des défauts, l'établissement des priorités, l'analyse des causes profondes, la correction des causes profondes et la correction des données défectueuses. La correction des problèmes de données peut inclure des solutions permanentes ou des correctifs tactiques pour permettre à un utilisateur critique d'avoir accès à des données de qualité. processus de continuer à fonctionner. Il est important de noter que les meilleures pratiques sont des solutions permanentes qui s'attaquent aux causes profondes. La communication avec toutes les parties prenantes tout au long de cette processus est critique. Les parties prenantes doivent être informées des données défectueuses et de leur impact sur les processus opérationnels et la consommation de données. Les parties prenantes concernées peuvent être amenées à participer à l'analyse et à la détermination d'une solution acceptable. Outils importants pour soutenir la résolution processus sont un journal des problèmes et un système de suivi de l'état d'avancement. Le lien vers l'enregistrement du problème doit faire partie de la page d'accueil de l métadonnées pour tous les cas de données défectueuses. Cet enregistrement sera communiqué à tous les utilisateurs de l'organisation et pourra être utilisé pour minimiser la duplication des efforts lorsqu'un problème est découvert à plusieurs endroits de la chaîne d'approvisionnement des données. Souvent, en particulier dans les premières phases de l'initiative de gestion des données, le volume de données défectueuses peut être plus important que les ressources nécessaires pour résoudre le problème. la qualité des données questions. Documenter l'établissement des priorités processus dans le Qualité des données même s'il y a un arriéré, démontre que ces questions étaient connues et évaluées, et qu'elles n'ont pas été découvertes lors d'un audit ultérieur.

Questions

• Sont Qualité des données les rapports métriques et les tableaux de bord sont-ils distribués régulièrement ?
• Des mesures sont-elles utilisées pour identifier Qualité des données et de prendre des mesures correctives ?
• Les Qualité des données questions saisies en tant que métadonnées et liées à des actifs dans un catalogue de données ?
• Existe-t-il des processus de communication concernant les problèmes liés aux données ou à leur correction ?

Artéfacts

• Qualité des données métriques de dimension
• Qualité des données produire des rapports, des tableaux de bord, des cartes thermiques et d'autres formes de résultats
• Liste des parties prenantes et preuves d'une communication bidirectionnelle

Notation

Description

Qualité des données est surveillée aux points de contrôle. Les points de contrôle doivent être établis à l'endroit où les données entrent dans l'entreprise processus ou lorsqu'elles entrent dans une application de consommation. Pour assurer une surveillance continue, les données doivent être vérifiées à chaque fois que des données entrent dans l'un ou l'autre type de point de contrôle. Notifications des points de contrôle identifiés la qualité des données doivent être activées.

Objectifs

• Contrôle continu des Qualité des données.
• Mise en place d'une infrastructure pour le contrôle continu des Qualité des données.

Conseil

Le processus Le contrôle continu présente des coûts, des avantages et des défis opérationnels. Ce contrôle doit être effectué en temps réel, dans le cadre d'un traitement par lots, ou dans le cadre d'un système de gestion des déchets. processus, ou peuvent être exécutés à la demande. Une certaine forme d'automatisation est nécessaire pour assurer une surveillance continue, des alertes et, dans certains cas, le nettoyage des données. Les systèmes existants ne sont souvent pas en mesure d'assurer une surveillance continue. L'ajout de ces contrôles de qualité au moment de la saisie ou de l'utilisation des données serait d'un coût prohibitif. Le défi consiste donc à définir une solution technique qui permette d'exécuter les contrôles de qualité le plus près possible du point de saisie ou de chargement des données, à un coût acceptable.

Questions

• La surveillance continue des Qualité des données réalisée ?
• L'infrastructure est-elle en place pour permettre un contrôle continu des Qualité des données?
• Les points de contrôle définis et les la qualité des données règles faisant l'objet d'un contrôle ?

Artéfacts

• Calendrier des Qualité des données contrôle
• Qualité des données rapports et alertes sur les défauts

Notation

Les processus de remédiation des données doivent être développés, documentés et exécutés pour résoudre les problèmes les plus urgents. la qualité des données questions. Les processus doit comprendre la correction des données existantes et la recherche des causes profondes afin d'éliminer les défauts de données futurs ou d'accepter le défaut. Problèmes de données ayant un impact sur l'entreprise processus doivent être enregistrées, classées par ordre de priorité et faire l'objet d'un plan de remédiation élaboré et exécuté. Dans certains cas, la remédiation des données n'est pas une priorité en raison du manque d'information sur les risques. matérialité, Le processus de remédiation devrait être élaboré de manière à inclure la documentation et l'acceptation de ces défauts par les parties prenantes. Les processus de remédiation doivent être développés pour inclure la documentation et l'acceptation de ces défauts par les parties prenantes.

Description

Analyse des causes profondes processus est documentée. L'assainissement des données doit comprendre à la fois la correction des données existantes qui sont défectueuses et la détermination de la cause profonde du problème de données afin d'éviter que des données défectueuses ne se reproduisent à l'avenir.

Objectifs

• Analyse des causes profondes des problèmes de données
• Identification des causes profondes des problèmes/défauts liés aux données
• Analyse des alternatives de remédiation

Conseil

Avant de procéder à toute résolution, la source du défaut doit être identifiée et comprise. Les défauts de données peuvent avoir une origine humaine, processus, Il peut s'agir d'une source d'information, de données ou d'une source technique. Le fait de disposer de l'expertise appropriée dans chacun de ces domaines sera important pour l'analyse de la cause profonde. Remédier aux problèmes de données n'est pas simplement un exercice de correction des données. Les problèmes de données peuvent être systémiques. Il est important d'effectuer l'analyse pour évaluer la profondeur et l'étendue des problèmes de données afin de déterminer si l'organisation se concentre davantage sur la réparation tactique que sur la remédiation en amont de la cause fondamentale. Une fois la cause première identifiée, l'équipe doit procéder à l'analyse des solutions alternatives possibles qui seront évaluées dans le cadre de la hiérarchisation des mesures correctives (voir 5.4.2). Une structure de reporting solide est nécessaire pour s'assurer que les systèmes en amont sont conscients des problèmes de données répétitifs ou persistants. De même, une structure de gouvernance solide, parrainée au niveau de la direction, est nécessaire pour garantir une résolution appropriée des causes profondes, en particulier lorsque la cause profonde ne se trouve pas dans le même secteur organisationnel que le système concerné. processus.

Questions

• Une analyse des causes profondes est-elle effectuée ?
• Des solutions correctives ont-elles été identifiées afin d'établir un ordre de priorité ?

Artéfacts

• Preuve que les problèmes liés aux données sont signalés tout au long de la chaîne d'approvisionnement en données
• Preuve de la réalisation d'une analyse des causes profondes et de la mise en œuvre de mesures correctives
• Preuve de la réalisation des avantages et vérification de la réussite de l'assainissement

Notation

Description

Les problèmes de données sont consignés dans un registre avec les matérialité ou la gravité, afin de permettre l'établissement de priorités. Les problèmes de données doivent être enregistrés, quelle que soit la cause première présumée. Sur la base de l'analyse du problème de données, des plans de remédiation doivent être élaborés pour traiter les problèmes les plus urgents. En cours Qualité des données L'évaluation et la maintenance ainsi que les délais doivent également être établis.

Objectifs

• Établir des priorités et mettre en œuvre des mesures correctives pour les données.
• Mettre en œuvre la planification et la gestion de l'assainissement des données.
• Gérer correctement les besoins de remédiation des données.

Conseil

L'assainissement des données consiste à corriger les données défectueuses qui ont été identifiées et à prévenir les défauts futurs. Les données défectueuses doivent être corrigées aussi près que possible de la source de saisie des données, et la cause première du défaut doit être résolue. Il peut également être approprié de mettre en œuvre des correctifs tactiques pour remédier partiellement aux données défectueuses au point d'utilisation, et les correctifs tactiques doivent être retirés dans le cadre de la remédiation. Veillez à ce que les activités de remédiation ne soient pas des processus ponctuels, mais qu'elles fassent partie intégrante du processus de gestion des données. Qualité des données Routine de gestion. La remédiation des données doit être mise en œuvre à la fois pour les données au repos et données en mouvement.

Questions

• Les plans de remédiation des données sont-ils gérés et suivis jusqu'à leur achèvement ?
• Les critères de hiérarchisation des mesures correctives sont-ils documentés, communiqués et utilisés ?
• Des plans d'assainissement des données ont-ils été élaborés, vérifiés et classés par ordre de priorité ?

Artéfacts

• Qualité des données rapports sur les défauts
• Registre des problèmes de données et des mesures correctives
• Plan de remédiation des données
• Preuve de la hiérarchisation des problèmes
• Preuve que des mesures correctives ont été prises
• Liste des parties prenantes et preuves d'une communication bidirectionnelle

Notation