La qualité des données se construit avec des règles à la saisie, des contrôles réguliers et une procédure pour corriger les anomalies sans perdre l’historique.
Un champ rempli ne signifie pas qu’il est juste. Une adresse peut être ancienne, une référence peut être dupliquée et un statut peut contredire le dossier. Le logiciel doit distinguer une valeur manquante d’une valeur vérifiée.
Définir les règles
Identifiez les champs obligatoires, les formats, les relations et les valeurs autorisées. Une règle doit avoir un propriétaire. Le métier doit pouvoir expliquer pourquoi un contrôle existe et dans quel cas une exception est acceptée.
Contrôler à plusieurs moments
Validez au formulaire, à l’import et avant une opération sensible. Les contrôles côté serveur restent nécessaires. Une donnée modifiée par une API ou une tâche planifiée doit suivre les mêmes règles.
Les imports CSV doivent présenter les erreurs par ligne. Un import partiel doit indiquer les lignes ignorées et le résultat de chaque opération.
Corriger avec une trace
Une correction peut modifier une donnée courante sans réécrire la preuve de l’ancienne valeur. Le journal d’audit doit conserver l’auteur, la date et la raison lorsque le changement est sensible.
Mesurer
Suivez les doublons, les champs incomplets, les corrections et les rejets. Un tableau de bord ne doit pas confondre une baisse des anomalies avec une baisse des contrôles. Vérifiez les définitions et la période.
Sources : DAMA, qualité des données, OWASP, validation des entrées.
Préparer un dictionnaire
Un dictionnaire de données indique le nom affiché, le nom technique, le type, la définition et le propriétaire. Il aide les équipes à comprendre pourquoi deux rapports utilisent ou n’utilisent pas la même colonne. Les changements de définition doivent être versionnés.
Le dictionnaire doit aussi décrire les sources et les transformations. Pour un total, indiquez les statuts inclus, les annulations, les taxes et la date de référence. Un utilisateur peut alors vérifier un écart sans demander le code de chaque calcul.
Organiser la correction
Une file de qualité doit afficher l’anomalie, la source, l’impact et la prochaine action. Associez la correction à un responsable et une date. Un traitement automatique peut réparer un format simple, mais il doit conserver un rapport et un seuil d’arrêt.
Après une correction en masse, comparez les totaux et vérifiez un échantillon. Une opération irréversible exige une sauvegarde ou une copie de travail. Le test de restauration confirme que la donnée peut être récupérée si la transformation est erronée.
Prévenir la réapparition
Cherchez la source de l’anomalie : formulaire, intégration, import ou rôle trop large. Ajoutez un contrôle au bon endroit et un test qui prouve qu’il reste actif. Un tableau de qualité doit montrer les nouvelles erreurs séparément du stock ancien.
Lorsqu’une règle bloque une opération, expliquez la correction attendue et proposez une action autorisée. Un utilisateur ne doit pas contourner la validation en changeant de canal. Les mêmes contrôles doivent s’appliquer aux API, aux tâches planifiées et aux fichiers importés.
Distinguer les anomalies
Classez une anomalie comme donnée manquante, format incorrect, doublon, relation absente ou valeur dépassée. Chaque catégorie demande une correction différente. Une adresse vide peut être complétée par l’utilisateur, tandis qu’un doublon doit être rapproché de deux dossiers avant toute fusion.
Un contrôle peut signaler une suspicion sans bloquer le parcours. Dans ce cas, la personne doit comprendre pourquoi la valeur est marquée et qui peut la valider. Un blocage est réservé aux règles dont la violation créerait un risque réel pour l’opération.
Contrôler les relations
Une commande doit pointer vers un client existant, mais un client archivé peut rester lié à une facture historique. Définissez la différence entre une relation requise pour une nouvelle action et une relation conservée pour l’historique. Les versions de documents doivent garder les références utilisées lors de l’approbation.
Les tâches différées peuvent réintroduire une valeur ancienne. Vérifiez la version de l’objet avant l’écriture et refusez une mise à jour obsolète ou demandez une résolution. Un import doit produire un rapport lorsque la relation attendue n’existe plus.
Organiser la correction
Une file de qualité doit afficher l’anomalie, la source, l’impact et la prochaine action. Associez la correction à un responsable et une date. Un traitement automatique peut réparer un format simple, mais il doit conserver un rapport et un seuil d’arrêt.
Après une correction en masse, comparez les totaux et vérifiez un échantillon. Une opération irréversible exige une sauvegarde ou une copie de travail. Le test de restauration confirme que la donnée peut être récupérée si la transformation est erronée.
Prévenir la réapparition
Cherchez la source de l’anomalie : formulaire, intégration, import ou rôle trop large. Ajoutez un contrôle au bon endroit et un test qui prouve qu’il reste actif. Un tableau de qualité doit montrer les nouvelles erreurs séparément du stock ancien.