La différence entre avoir des données et avoir des données utilisables
Beaucoup d'organisations pensent manquer de données, alors qu'elles en possèdent déjà beaucoup. Le problème n'est pas nécessairement l'absence de données, mais leur état. Des informations existent, mais elles peuvent être mal structurées, incohérentes, difficiles d'accès ou trop anciennes pour être utilisées au bon moment. Cette différence change complètement la nature du travail à faire.
Ce qui rend une donnée inutilisable, sans être absente
Elle existe en plusieurs versions incohérentes. Le même client apparaît sous deux noms légèrement différents dans deux systèmes, ou avec deux adresses différentes selon la source consultée. Techniquement, la donnée est bien présente. Concrètement, personne ne sait laquelle utiliser comme référence.
Elle est enregistrée sans définition claire. Un champ « statut » peut vouloir dire des choses différentes selon la personne qui l'a rempli, le processus concerné ou le moment où il a été mis à jour. Sans définition partagée, un rapport basé sur ce champ peut mélanger plusieurs réalités sans que cela soit immédiatement visible.
Elle n'est pas accessible à la personne qui en aurait besoin. Une information peut exister dans un système auquel une équipe n'a pas accès, dans un fichier difficile à retrouver ou dans un format qu'elle ne sait pas exploiter. La donnée existe, mais elle ne peut pas réellement servir la décision pour laquelle elle serait utile.
Elle est trop ancienne au moment où elle est consultée. Une donnée correcte au moment de sa saisie peut devenir trompeuse si elle n'est jamais mise à jour. La fraîcheur nécessaire dépend de son usage : certaines informations peuvent rester valables plusieurs mois, tandis que d'autres doivent être actualisées quotidiennement ou en temps réel.
Ce qui rend une donnée réellement utilisable
Elle a une définition claire et partagée, comprise de la même façon par les personnes qui la consultent ou l'utilisent. On sait notamment ce que le champ représente, ce qu'il peut contenir et dans quelles conditions il doit être mis à jour.
Elle est cohérente entre les systèmes ou, lorsqu'une incohérence existe, on sait quelle source fait autorité. Il n'est pas nécessaire que toutes les données soient stockées au même endroit, mais il faut savoir quelle information utiliser pour chaque besoin.
Elle est accessible aux bonnes personnes, sous une forme qu'elles peuvent réellement exploiter. Une donnée enfermée dans un système difficile d'accès ou dans un fichier que personne ne sait interpréter reste peu utile, même si elle est techniquement correcte.
Elle est mise à jour à une fréquence compatible avec son usage. Une donnée utilisée chaque jour pour une décision opérationnelle ne peut pas être considérée comme suffisamment fiable si elle n'est actualisée qu'une fois par trimestre.
Enfin, son origine et son niveau de fiabilité doivent pouvoir être compris. Lorsqu'un chiffre est utilisé pour prendre une décision, il doit être possible de savoir d'où il vient et, lorsque c'est nécessaire, de remonter jusqu'à la donnée source.
Pourquoi cette distinction change la façon d'aborder un projet
Un projet qui commence par « nous manquons de données » peut parfois partir sur une fausse piste. L'organisation peut investir dans la collecte de nouvelles informations alors qu'une partie du problème vient en réalité de données déjà disponibles mais mal structurées, difficiles à rapprocher ou insuffisamment fiables.
À l'inverse, un projet d'intelligence artificielle ou d'automatisation construit sur des données existantes mais mal définies peut reproduire les incohérences présentes dans ces données. Le système ne corrige pas automatiquement une donnée de mauvaise qualité : il peut au contraire exploiter cette incohérence à grande échelle et la rendre plus visible.
Avant d'ajouter de nouvelles sources, il est donc utile de comprendre ce qui existe déjà : quelles données sont disponibles, où elles se trouvent, comment elles sont définies, à quelle fréquence elles sont mises à jour et dans quelle mesure elles peuvent être utilisées pour le besoin identifié. Cela permet de distinguer un véritable manque de données d'un problème de qualité, de structure ou d'accès.
En résumé
Avant de chercher à collecter davantage de données, il vaut la peine de vérifier si celles qui existent déjà sont réellement utilisables. Une donnée utile n'est pas seulement une donnée qui existe : elle doit être suffisamment claire, fiable, accessible et à jour pour l'usage auquel elle est destinée. Souvent, le premier chantier consiste donc à comprendre et fiabiliser l'existant avant d'ajouter de nouvelles sources.
Avant de chercher plus de données, vérifiez si celles que vous avez sont réellement utilisables. Si vous avez l'impression de manquer de données alors que beaucoup d'informations existent déjà dans votre organisation, je peux vous aider à identifier ce qui bloque réellement leur utilisation.