Alors que les bailleurs sociaux s’appuient de plus en plus sur des outils décisionnels pour piloter leur activité et intègrent des assistants basés sur l’intelligence artificielle, la qualité des données s’impose aujourd’hui comme une question centrale. En effet, son impact sur la prise de décisions stratégiques ne doit pas être sous-estimé.
Quels sont les critères de qualité des données ?
Les 7 critères de qualité des données
Ces critères ne s'appliquent pas à l'ensemble des données du SI. Ils doivent être priorisés sur les données réellement utiles : celles nécessaires au calcul des indicateurs de pilotage ou dont l'usage est partagé.
Les données sont complètes. Aucun champ critique ne manque dans les jeux de données utilisés pour le calcul des indicateurs.
ComplétudeLes données correspondent aux formats requis. Dates, montants, codes logements : chaque valeur respecte le format attendu par le système.
FormatLes données ne sont pas redondantes. Un même logement, un même locataire ou un même impayé n'apparaît pas en double dans le référentiel.
Sans doublonDes données identiques utilisées dans différents jeux de données sont cohérentes entre elles. Le taux de vacance calculé par la gestion locative et par la comptabilité doit converger.
ConcordanceLes données sont disponibles dans les délais prévus. Un indicateur calculé sur des données datées de 6 semaines ne permet pas de piloter en temps réel.
DisponibilitéLes données répondent aux besoins prévus. Elles couvrent les périmètres nécessaires au calcul des KPI retenus par le bailleur pour son pilotage CODIR.
AdéquationLes données sont dignes de confiance. C'est le critère le plus exigeant : une donnée exacte reflète fidèlement la réalité terrain, sans erreur de saisie, sans approximation et sans biais lié au processus de collecte.
Fiabilité source"Pour produire un indicateur qualitatif, l'information source doit être la plus qualitative possible. Un système décisionnel moderne ne permet plus de corriger les résultats sans modifier la donnée d'origine."
Ces critères de qualité n’ont pas vocation à être appliqués à l’ensemble des données du système d’information. Ils doivent être priorisés sur les données réellement utiles, c’est-à-dire celles nécessaires au calcul des indicateurs de pilotage ou, plus largement, celles dont l’usage est partagé.
Par ailleurs, en parallèle de ce travail de mise en qualité, il conviendra de définir et d’informer sur les processus et lieux de stockage dans les outils du système d’information. Le conseil de sachants ou de responsables applicatifs sera donc requis pour contribuer aux processus et choix des outils (ERP ou autre) dans lesquels saisir ces données.
Les contraintes pesant sur les personnes en charge de la mise à jour de ces données devront être entendues. Une implication « terrain » permettra par exemple d’éviter (ou limiter), la saisie excessive de données sur des fichiers Excel isolés.
Ainsi, des acteurs devront endosser les missions de formateur, de support, de soutien et aller à la rencontre des directions afin d’informer les utilisateurs aux méthodes et règles choisies de mises à jour de ces données
Pourquoi est-il important de garantir la qualité des données ?
Pour un bailleur social comme pour toute autre organisation, atteindre un niveau de qualité des données suffisant est un enjeu stratégique. En effet, une bonne data est une condition sine qua non à la prise de décisions justes et à la mise en place de plans d’action pertinents.
"L'objectif d'un système décisionnel est de capter les données, de les transformer et de les valoriser pour en dégager une information claire et exploitable. Ainsi, pour produire un indicateur qualitatif, l'information source doit être la plus qualitative possible."
Autrement dit, une mauvaise qualité de données engendre des indicateurs approximatifs (voire erronés). Il devient alors difficile de définir des plans d’action adaptés.
L’enjeu est encore plus grand à l’heure des systèmes d’information décisionnels modernes, car ces derniers ne permettent plus aux utilisateurs de corriger les données a posteriori (contrairement à des solutions type Excel
"Un système décisionnel moderne permet de calculer un KPI, de générer un graphique et de le partager en temps réel pour que tout le monde consulte la même information. Les process sont de plus en plus automatisés, de la captation des données à leur restitution. Il n'est plus systématiquement possible de faire des corrections de résultats dans le tableau de bord sans modifier la donnée d’origine. Il faut donc impérativement que la donnée en source soit de qualité."
Enfin, cette exigence de qualité va continuer à se renforcer, notamment avec la démocratisation de l’intelligence artificielle.
Comment entretenir la qualité des données ?
Garantir la fiabilité des données à la source n’est pas qu’un défi technique, c’est aussi un enjeu d’organisation et de gouvernance. En effet, il convient d’identifier, de responsabiliser et de missionner des acteurs de l’entreprise à tous les niveaux (pas seulement au sein des lignes managériales).
On peut par exemple distinguer :
Les data owners, qui sont responsables de la qualité de la donnée sur un périmètre restreint. Ils sont légitimes pour contribuer ou établir les processus nécessaires pour obtenir une donnée jugée de qualité.
L’équipe data, qui exploite les données. Il peut s’agir du service informatique, d’une équipe data interne ou d’un prestataire externe. Elle peut également inclure des équipes métiers, comme le service financier ou le contrôle de gestion. L’équipe data peut solliciter les data owners en cas de non-conformité ou pour identifier les données utiles.
Data owners et équipe data : rôles et responsabilités
Garantir la fiabilité des données n'est pas qu'un défi technique : c'est un enjeu d'organisation. Deux types d'acteurs doivent être identifiés, responsabilisés et missionnés à tous les niveaux.
Responsables de la qualité des données sur un périmètre restreint (un programme, une agence, un type de donnée)
Légitimes pour contribuer ou établir les processus nécessaires à l'obtention d'une donnée jugée de qualité
Peuvent prendre l'initiative de mettre en place de nouveaux processus de saisie ou de contrôle
Disposent d'outils de contrôle adaptés et reçoivent un reporting dédié sur la qualité de leur périmètre
Exploite les données : service informatique, équipe data interne, prestataire externe ou équipes métiers (financier, contrôle de gestion)
Peut solliciter les data owners en cas de non-conformité détectée dans les indicateurs ou pour identifier les données utiles
Connecte les sources de données (ERP, logiciels métiers) au système décisionnel et garantit la continuité technique
Produit les indicateurs agrégés diffusés à tous les niveaux de l'organisation, du CODIR aux équipes opérationnelles
Les data owners signalent les problèmes de qualité à la source. L'équipe data les exploite et restitue les indicateurs. Les deux acteurs collaborent pour fiabiliser le référentiel partagé.
↔
Donner des moyens aux data owners pour agir en faveur de la qualité de la donnée peut par exemple consister en :
- Autoriser l’initiative des data owners de contribuer ou mettre en place de nouveaux processus ;
- Autoriser l’initiative des data owners de contribuer ou mettre en place de nouveaux processus ;
- Leur rendre accessible des outils de contrôle adaptés ;
- Leur envoyer un reporting dédié…
Chaque bailleur de trouver ce qui convient le mieux à son organisation et ses membres.
Un système décisionnel au service de la qualité des données
Pour mettre en valeur le sujet de la qualité des données au sein des équipes, il est essentiel de donner du sens à cette mission. En rendant par exemple accessible, à toutes les parties prenantes, des parts de l’outil décisionnel lui-même nourrit par les données mises en qualité par ces acteurs.
C’est dans cette logique que DÉCISIO Habitat a été conçu : un outil accessible à un nombre illimité d’utilisateurs, adapté à tous les niveaux hiérarchiques et aussi de manière transversale à chaque direction métier.
DÉCISIO Habitat est un système décisionnel dédié aux bailleurs sociaux, qui permet à chaque acteur d’accéder à des tableaux de bord dynamiques.
"Avec DÉCISIO Habitat, un opérationnel a accès au détail des données saisies et à leur restitution dans le système décisionnel. Il peut ainsi s'assurer que les informations sur lesquelles reposent les indicateurs agrégés, diffusés à tous les niveaux de l’organisation, sont fiables."
Indispensable à la prise de décisions stratégiques, la qualité des données est un enjeu majeur pour les bailleurs sociaux. D’où l’importance de choisir un système décisionnel adapté à votre contexte et à vos usages.
"En tant que data analystes spécialisés dans le secteur de l'habitat social, nous avons à cœur de mettre en place avec nos clients des solutions pragmatiques, qui fonctionnent réellement. Nous accordons une attention particulière à la qualité des données manipulées dans le cadre de la mise en place des systèmes décisionnels."
Essayez DÉCISIO Habitat dès maintenant
Un outil décisionnel conçu pour que chaque acteur, à tous les niveaux, accède à des données fiables et partagées en temps réel.
FAQ — Qualité des données chez les bailleurs sociaux
Quels sont les critères de qualité des données pour un bailleur social ?
Sept critères permettent d’évaluer la qualité des données : l’exhaustivité (données complètes), la validité (formats respectés), l’unicité (absence de doublons), la cohérence (concordance entre systèmes), la rapidité (disponibilité dans les délais prévus), la conformité (adéquation aux besoins de pilotage) et l’exactitude (fiabilité de la donnée source). Ces critères ne doivent pas être appliqués à l’ensemble du SI, mais priorisés sur les données nécessaires au calcul des indicateurs de pilotage.
Pourquoi la qualité des données est-elle stratégique pour un bailleur social ?
Une bonne donnée est une condition nécessaire à la prise de décisions justes et à la mise en place de plans d’action pertinents. Une mauvaise qualité de données engendre des indicateurs approximatifs, voire erronés, rendant difficile la définition d’actions adaptées. L’enjeu est encore plus fort avec les systèmes décisionnels modernes, qui ne permettent plus de corriger les résultats a posteriori : si la donnée source est fausse, l’indicateur l’est aussi. Avec l’essor de l’intelligence artificielle, cette exigence va continuer à se renforcer.
Comment un système décisionnel moderne traite-t-il la qualité des données ?
Un système décisionnel moderne capte les données, les transforme et les valorise pour en dégager une information claire et exploitable. Contrairement à Excel, il ne permet pas de corriger les résultats directement dans le tableau de bord sans modifier la donnée d’origine. Cela impose une rigueur accrue en amont : la qualité doit être garantie à la source, dans les ERP et logiciels métiers, avant même d’atteindre le système décisionnel.
Qu'est-ce qu'un data owner et quel est son rôle ?
Un data owner est un acteur de l’organisation responsable de la qualité des données sur un périmètre restreint. Il est légitime pour contribuer aux processus de saisie et de mise à jour, et peut à ce titre établir ou améliorer les règles de traitement de la donnée. Il travaille en lien avec l’équipe data (service informatique, data analysts, contrôle de gestion) et peut être sollicité en cas de non-conformité détectée dans les indicateurs.
Comment impliquer les équipes terrain dans la qualité des données ?
La qualité des données est un enjeu d’organisation autant que de technique. Pour impliquer les équipes, il est essentiel de donner du sens à cette mission : rendre accessibles des tableaux de bord nourris par les données qu’elles saisissent crée un lien direct entre leur travail et les décisions qui en découlent. Concrètement, cela passe par la formation aux règles de saisie, la mise à disposition d’outils de contrôle adaptés, et un reporting dédié qui permet à chaque data owner de mesurer la qualité de son périmètre.
DÉCISIO Habitat aide-t-il à améliorer la qualité des données ?
DÉCISIO Habitat a été conçu pour rendre accessibles, à tous les niveaux hiérarchiques et à chaque direction métier, les données et indicateurs qui guident les décisions. Un opérationnel peut ainsi accéder au détail des données saisies et vérifier que les informations sur lesquelles reposent les indicateurs agrégés sont fiables. Cette transparence crée une boucle vertueuse : les équipes voient l’impact de leurs saisies sur les tableaux de bord, ce qui renforce la culture de la qualité à l’échelle de l’organisation.
