L’objectif des données d’entreprise est de permettre à la direction et aux parties prenantes de prendre des décisions et des mesures qui maximisent les avantages pour l’entreprise et les parties prenantes. Il s’agit d’un élément fondamental de la gestion des questions essentielles pour l’entreprise et de la publication d’information à leur sujet. De mauvaises données entraînent de mauvaises décisions et des résultats encore plus médiocres. Comme le dit l’adage populaire en informatique : à données inexactes, résultats erronés (« garbage in, garbage out » ou GIGO en anglais).

Bien que la numérisation de la collecte, de la communication et de la gestion des données sur la durabilité (ou des données ESG) n’en soit qu’à ses débuts, son déploiement sera accéléré par l’anticipation et la croissance des demandes d’audit ESG externe et d’informations de première qualité pour les investisseurs. Pour réussir à mettre de l’ordre dans leurs affaires ESG, les entreprises peuvent s’appuyer sur l’expérience et les meilleures pratiques dans d’autres domaines, qui ont souvent été développées au fil des décennies. Un exemple émergeant est celui de l’information financière. La gestion des données en est une autre, plus imminente.

En effet, s’il y a une phrase que nous entendons presque aussi souvent que « ce qui se mesure se réalise », ce serait « ne réinventons pas la roue ». Et dans le cas de la gestion des données, nous n’en avons certainement pas besoin, car il existe déjà un ensemble de connaissances, de systèmes et de meilleures pratiques. Faisons abstraction de la perspective de la durabilité et des facteurs ESG et examinons les principes de base de la gestion et de la qualité des données.

Qu’est-ce que la gestion des données, exactement?

La gestion des données est la pratique consistant à collecter, à conserver et à utiliser les données de manière sécuritaire, efficace et rentable. Selon le géant technologique Oracle, l’objectif de la gestion des données consiste à « aider les personnes, les entreprises et les objets connectés à optimiser l’utilisation des données dans les limites des politiques et des réglementations afin qu’ils puissent prendre des décisions et mener des actions qui optimisent les avantages pour l’entreprise ». Une bonne gestion des données permet de s’assurer que les utilisateurs ont confiance dans les données et que ces dernières correspondent précisément à leurs attentes, sans qu’il soit nécessaire de procéder à un alignement manuel ou à un rapprochement des données.

Utilisateur de données ou propriétaire de données (lequel êtes-vous?)

L’utilisateur de données peut être une personne (partie prenante), une application ou un processus qui reçoit et utilise des données. Il détermine les caractéristiques qu’il exige de ces données et ses attentes en ce qui concerne la qualité. Il a besoin de savoir que les données sont adaptées à l’usage qu’il veut en faire.

Le propriétaire de données est la personne qui a la responsabilité globale de la signification, du contenu, de la qualité et de la distribution d’un ensemble de données particulier. Il est responsable de la qualité de l’ensemble de données en question. Cela inclut la manière dont les données sont définies, fabriquées, identifiées, maintenues, livrées et consommées. Cela comprend également la qualité des données, telle que définie ci-dessous.

Les sept dimensions de la qualité des données

Dans le contexte des données relatives à la durabilité des entreprises, la pluralité inhérente des propriétaires et des utilisateurs de données rend la qualité plus difficile à définir et à contrôler. Là encore, il n’est pas nécessaire de chercher bien loin pour comprendre que des données ESG de qualité sont, tout simplement, des données commerciales de qualité.

Selon l’Enterprise Data Management Council, la qualité des données peut être évaluée par rapport à des dimensions définies ainsi qu’aux processus opérationnels associés à leur production. Les sept dimensions de la qualité des données sont les suivantes :

  • Exactitude : L’exactitude est une mesure de la précision des données. On peut l’établir par rapport à des documents originaux ou à des sources faisant autorité et la valider par rapport à des règles de gestion définies.
  • Exhaustivité : L’exhaustivité mesure l’existence des attributs de données requis dans la population des enregistrements de données.
  • Conformité : La conformité mesure le degré d’alignement des données sur les normes internes, externes ou sectorielles.
  • Cohérence : La cohérence permet de garantir que les valeurs, les formats et les définitions des données d’une population correspondent à ceux d’une autre population de données.
  • Couverture : La couverture fait référence à l’ampleur, à la profondeur et à la disponibilité des données existantes, ainsi qu’à l’absence éventuelle de données provenant d’un fournisseur de données.
  • Actualité : L’actualité est une mesure de l’efficacité avec laquelle le contenu représente les conditions actuelles du marché et de l’entreprise, ainsi que de la disponibilité fonctionnelle des données lorsqu’on en a besoin.
  • Unicité : L’unicité fait référence à la singularité des enregistrements ou des attributs. L’objectif est une source unique de vérité des données.

Toutes ces dimensions sont conçues pour garantir que les données sont adaptées à l’usage auquel elles sont destinées, c’est-à-dire qu’elles sont de qualité suffisante pour faire le travail pour lequel elles ont été conçues.

Que vos données d’entreprise soient ou non liées aux facteurs ESG, leur objectif est multiple :

  • Mesurer les résultats sur les questions qui comptent pour l’entreprise.
  • Analyser ces résultats dans le temps, par rapport aux objectifs et par rapport aux pairs pour informer la direction de ces questions.
  • Permettre aux parties prenantes de prendre les décisions les plus éclairées (par exemple, acheter ou non les produits de l’entreprise ou en devenir un employé).
  • Permettre aux investisseurs et aux autres fournisseurs de capitaux de décider du flux le plus efficace de capitaux vers leur utilisation prévue ou souhaitée, au bon prix.

Aujourd’hui, la qualité et la fiabilité relativement médiocres des données ESG continuent de présenter un obstacle important à leur utilisation efficace. La numérisation de la collecte des données dans un système d’enregistrement centralisé unique et l’automatisation du traitement et de la communication des données contribueront grandement à améliorer la qualité des données ESG, à faciliter leur utilisation aux fins prévues et à créer un cercle vertueux « à données exactes, résultats fiables ».

 

Dans la deuxième partie de cette série, nous examinerons comment les processus d’affaires actuels devraient soutenir votre écosystème de gestion des données (ou pourraient y nuire).

Télécharger cet article
Consulter

Articles similaires