Qualité des données dans un ERP : bonnes pratiques et méthodes

Nous entendons très souvent, lorsque nous intégrons notre ERP IOvision chez un nouveau client :

« La qualité de nos données n’est pas bonne »

« Nous avons beaucoup de doublons, nous préférons repartir de zéro sur notre base clients »

« Nous avons plusieurs fichiers gérés par des personnes différentes »

« Nous sommes les spécialistes de la double ou triple saisie »

Tout ceci met en relief un état de fait assez répandu : le système de gestion utilisé n’offre pas les garanties pourtant indispensables à une bonne gestion d’entreprise.

Nous allons expliquer comment nous y remédions.

⸻

Le point de départ : bien structurer sa base de données

Il est indispensable d’utiliser ce qu’une base de données offre en termes de protection et de qualité des données. Cela peut paraître évident, mais un montant doit être stocké dans un champ décimal, une date dans un champ date, etc.

La deuxième étape consiste à indiquer les données qui sont obligatoires, pour interdire ainsi l’insertion d’une valeur non renseignée.

La troisième étape consiste à mettre en place la gestion relationnelle d’une base de données et à créer des tables dédiées pour gérer certaines données et les relier entre elles (= relation).

Pour aller plus loin, des contrôles de conformité pourront être mis en place :

• si une date est forcément dans le passé, on pourra l’indiquer par une règle : date ≤ date du jour

• si un montant est forcément positif, on pourra l’indiquer par une règle : montant ≥ 0

Astuce : utilisez tout ce qu’une base de données peut proposer, à condition que le contrôle soit applicable de manière systématique.

⸻

Aller plus loin sur les contrôles

Il est souvent nécessaire de compléter les contrôles proposés par le système de base de données par des règles métier, toujours dans l’objectif de garantir la fiabilité de vos données.

Par exemple, vous pouvez contrôler que le numéro d’immatriculation est conforme seulement si la société est cliente. Cela permet de s’assurer que la chaîne commerciale fonctionne correctement, sans imposer la contrainte trop tôt dans la saisie.

Autre exemple : un projet est terminé, une alerte peut vous prévenir que le niveau de facturation n’est pas à la hauteur du montant commandé. Cela peut être normal en cas de perte de commande ou anormal en cas d’oubli.

Astuce : dans une approche progiciel, toutes les règles doivent pouvoir être activées ou désactivées en fonction du contexte de chaque client.

⸻

Définir qui est responsable de quoi

La qualité des données n’est pas uniquement une question technique. Chaque donnée structurante (clients, projets, tarifs, centres de coûts…) doit avoir un responsable clairement identifié côté métier, garant de sa cohérence dans le temps.

Par exemple, il est important de savoir qui est responsable de la base de données client et de sa qualité dans le temps.

Astuce : établissez un tableau synthétique des responsabilités et communiquez-le à tous les utilisateurs.

⸻

Avoir un système de gestion des droits abouti et pertinent

À partir de la définition du responsable métier de chaque donnée, vous allez pouvoir attribuer les droits adaptés à chaque utilisateur afin de garantir que chacun peut voir et modifier uniquement ce qui lui incombe.

Vous devrez également nommer un ou plusieurs administrateurs de ces droits, dont la mission principale sera de s’assurer que chacun peut faire ce qu’il a le droit de faire et pas plus.

Autre point d’attention : la gestion des référentiels. Il est important de confier cette tâche à un nombre limité de personnes (les responsables métiers), afin d’éviter l’écueil classique : de nouveaux éléments apparaissent dans un référentiel alors qu’ils n’ont aucune réalité métier.

Astuce : exportez régulièrement les droits affectés par profil ou par utilisateur pour les comparer à l’export précédent et contrôler d’éventuelles divergences.

⸻

Assurer la traçabilité

Des erreurs de saisie sont toujours possibles, quels que soient les contrôles mis en œuvre.

Dans ce cas, un historique des modifications est toujours le bienvenu, afin de retrouver les anciennes valeurs et rétablir des données si nécessaire.

Par ailleurs, pour certaines données critiques, il est pertinent d’associer un motif de modification ou un commentaire contextualisé. Par exemple, savoir pourquoi un devis a été annulé permet de comprendre une décision a posteriori, notamment lors d’un audit, d’un contrôle ou d’un changement d’équipe.

Astuce : ne négligez pas l’importance de connaître pourquoi une donnée a été modifiée. Cela peut grandement faciliter une réunion d’équipe 18 mois plus tard.

⸻

Maintenir la qualité des données dans le temps

La qualité des données ne se juge pas uniquement à la saisie. Certaines données doivent être régulièrement réévaluées via des alertes, des revues périodiques ou des indicateurs d’inactivité.

Exemples :

Vous avez revu votre stratégie de centres de coûts et certains centres doivent être fermés.

• Le taux de TVA nominal d’un pays a été modifié et doit être remplacé.
• Le contact de votre prospect a quitté sa société.

Dans ces cas, l’ancienne donnée doit être conservée pour maintenir un historique, mais désactivée pour ne plus être utilisée dorénavant.

Astuce : anticipez dès le départ la gestion des données obsolètes, quitte à la programmer. C’est bien moins désagréable que de devoir reprendre des saisies.

⸻

Valider les données

Certaines saisies nécessitent un workflow de validation impliquant une ou plusieurs personnes.

Exemples :

• Valider qu’un devis préparé est correct et peut être envoyé.
• Vérifier les feuilles de temps saisies chaque mois pour s’assurer que les lignes sont correctement imputées.
• Valider une demande d’absence par le manager et le service RH.

Astuce : les personnes en charge d’une validation doivent être peu nombreuses afin d’éviter la dilution de responsabilité. Elles doivent être choisies automatiquement par le système en fonction du contexte de saisie. Un système de backup doit également être mis en place pour éviter les blocages.

⸻

Gérer les doublons

Malgré tous vos efforts, des doublons peuvent exister. Par exemple, une société saisie deux fois.

Le système doit vous aider à repérer et éliminer ces doublons (dédoublonnage).

Astuce : mettez en place un processus de saisie strict pour les entités susceptibles de générer des doublons (création de sociétés en priorité). Si un doublon est détecté, corrigez-le sans attendre.

⸻

Exporter facilement les données pour des contrôles globaux

L’export de données est une fonctionnalité précieuse pour vérifier le bon renseignement de votre base.

Astuce : effectuez des vérifications régulières pour vos données sensibles. Idéalement, l’export doit permettre de réimporter les données après ajustements.

⸻

Ce qui se mesure s’améliore

La qualité des données gagne à être pilotée : sans indicateur, elle reste un ressenti.

Des indicateurs simples permettent de suivre l’évolution dans le temps et d’identifier rapidement les dérives avant qu’elles n’impactent la gestion ou la facturation.
Exemples : % de fiches clients complètes, % de feuilles de temps non validées, % de projets signés sans commande associée.

Astuce : privilégiez des indicateurs utiles à votre business. Visez la simplicité et l’efficacité plutôt que la quantité.

Conclusion

Une donnée de qualité n’est pas une contrainte supplémentaire : c’est un accélérateur de performance, de sérénité opérationnelle et de confiance dans les chiffres, tout en facilitant le quotidien de vos équipes.

La donnée de qualité vous permet de vous concentrer sur votre business et de prendre les bonnes décisions.