Data Quality Manager

Les data quality managers garantissent que les données d’une organisation sont : 

• exactes, 
• complètes, 
• cohérentes, 
• actuelles
• adaptées à l’usage prévu.

Plutôt que de simplement identifier des problèmes de qualité des données, le data quality manager pilote les mécanismes organisationnels et techniques qui évitent que ces problèmes ne surviennent en premier lieu.

À mesure que les organisations font évoluer leurs opérations data, la mauvaise qualité des données devient l’un des défis métier les plus coûteux et persistants. Cela peut générer : 

• des analyses erronées, 
• des modèles IA défaillants, 
• des risques de conformité, 
• un manque de confiance. 

Le data quality manager est l’ancre organisationnelle qui permet de prévenir et résoudre ces problèmes.

Responsabilités clés du Data Quality Manager

• Conception du référentiel qualité : établir les dimensions, métriques et benchmarks utilisés pour mesurer la qualité des données, couvrant généralement l’exactitude, la complétude, la cohérence, l’unicité, l’actualité et la validité.
• Profilage & surveillance : utiliser des outils d’observabilité et de profilage pour évaluer continuellement la santé des jeux de données et détecter toute dégradation avant qu’elle n’impacte les processus aval.
• Gestion des incidents qualité : piloter les processus de triage pour investiguer, prioriser et résoudre les incidents de qualité, en collaboration avec les intendants des données et les data engineers.
• Alignement avec la gouvernance : intégrer les standards qualité dans les politiques de gouvernance des données, les data contracts et la documentation des métadonnées.
• Analyse de cause racine : identifier les sources en amont des défaillances qualité, qu’elles se trouvent dans les systèmes sources, les pipelines, les changements de schéma ou les lacunes de processus.
• Communication avec les parties prenantes : communiquer les KPIs de qualité aux dirigeants et traduire les problèmes qualité en termes d’impact métier.

Data quality manager vs. intendant des données

L’intendant des données est généralement centré sur un domaine ou un jeu de données spécifique, gérant définitions, propriétés et usages. 

Le data quality manager adopte une vision plus large et transversale. Il définit le cadre qualité de l’entreprise au sein duquel les intendants opèrent.

Outils et processus du Data Quality Manager

Les data quality managers travaillent avec un ensemble d’outils :

• Plateformes de profilage et de surveillance des données (détection d’anomalies à grande échelle).
• Catalogues de données et business glossaries (fournissant les définitions par rapport auxquelles la qualité est mesurée).
• Solutions de master data management (garantissant la cohérence des entités entre systèmes).
• Outils de surveillance des pipelines liés au data lineage.

Pourquoi le rôle de Data Quality Manager est stratégique

Dans un monde où les décisions métier, la conformité réglementaire et l’entraînement des modèles IA dépendent de données de qualité, le data quality manager n’est plus un rôle technique de back-office. C’est une fonction stratégique qui impacte directement la fiabilité de l’analytics, la sécurité des systèmes IA, et l’exposition aux risques réglementaires au titre du RGPD.

Pour en savoir plus, lire notre ebook : Constituer la bonne équipe pour délivrer des data products performants