Qualité relative à l’usage
Une donnée peut suffire pour orienter une enquête et rester insuffisante pour réallouer un budget. Le seuil doit être rattaché au coût d’une erreur et à la réversibilité de la décision.
Analyse expert · Révisée le 22.08.2026
Qualité des données marketing : autoriser ou bloquer une décision.
DÉCISION SOUTENUEAutoriser, limiter ou différer une analyse selon des seuils de qualité définis par décision, sans laisser une moyenne compenser un défaut bloquant.
Ce qu’il faut distinguer
Trois conditions avant tout calcul.
Contrôles non compensatoires
Une excellente fraîcheur ne répare pas des identifiants non raccordés. Complétude, validité, cohérence, fraîcheur et traçabilité doivent comporter des portes bloquantes.
Anomalies explicables
Corriger mécaniquement une valeur extrême peut supprimer un événement réel. Chaque traitement indique la règle, le volume touché, l’effet sur les résultats et la possibilité de revenir aux données brutes.
Méthode
Construire une autorisation d’analyse fondée sur les données
- 01Nommer la décision
Définir la sortie attendue, la granularité, l’horizon et le coût d’une erreur. Cette étape transforme une checklist générique en exigences vérifiables.
- 02Tester les dimensions
Mesurer complétude, validité, cohérence, unicité, fraîcheur, rapprochement et réconciliation financière sur le périmètre réellement analysé.
- 03Qualifier les écarts
Distinguer erreur aléatoire, biais systématique, rupture de définition et manque structurel. Documenter les segments et périodes les plus affectés.
- 04Attribuer un statut
Vert autorise la décision, orange impose une analyse de sensibilité, rouge limite l’usage à l’exploration. Le plan de correction possède un responsable et une date.
ÉLÉMENT ORIGINAL
Les cinq portes de qualité avant analyse
Chaque contrôle possède un seuil d’acceptation. Le taux de rapprochement bloque ici l’attribution et l’optimisation malgré une moyenne générale favorable.
ContrôleRésultatSeuilStatut
Complétude
96 % / 95 %AUTORISÉ
Validité
91 % / 90 %AUTORISÉ
Fraîcheur
85 % / 80 %AUTORISÉ
Rapprochement
78 % / 90 %BLOQUANT
Réconciliation
99 % / 98 %AUTORISÉ
DÉCISIONDécrire : ouiAttribuer et optimiser : non
CSVTélécharger le registre des contrôles↓EXEMPLE ILLUSTRATIF · DONNÉES SIMULÉES
Une moyenne de qualité de 90 % qui doit bloquer l’optimisation
Le jeu présente 96 % de complétude, 91 % de validité, 85 % de fraîcheur, 78 % de rapprochement exposition-vente et 99 % de réconciliation des dépenses. La moyenne simple atteint 89,8 %.
Le seuil de rapprochement pour attribuer et optimiser a été fixé à 90 %. L’écart de 12 points concerne surtout le canal mobile, qui représente 34 % des ventes. La moyenne ne peut donc pas compenser le défaut.
L’analyse descriptive reste autorisée. L’attribution et la réallocation sont différées jusqu’à correction des identifiants mobiles ou encadrées par une sensibilité excluant ce canal.
Conditions d’acceptation
Ce qui doit être vrai pour agir.
- 01
Les seuils sont définis par usage avant l’observation des scores.
- 02
Aucun défaut bloquant n’est compensé par une moyenne.
- 03
Chaque correction conserve la donnée brute et une trace de transformation.
- 04
Le rapport indique les segments, périodes et décisions rendus fragiles.
Limites
Ce que cette analyse ne prouve pas.
- Des données techniquement conformes peuvent rester causalement insuffisantes.
- Les contrôles automatiques détectent mal les changements de définition métier.
- Un taux global élevé peut masquer une mauvaise qualité concentrée sur un segment décisif.
Références
Travaux mobilisés.
- ISO/IEC 25012:2008, Data Quality Model.
- Batini, C. et al. (2009), « Methodologies for Data Quality Assessment and Improvement », ACM Computing Surveys.
- Redman, T. C. (2013), Data Driven: Profiting from Your Most Important Business Asset.