<aside> 🔒

Objectifs Pédagogiques

• Comprendre les enjeux stratégiques et opérationnels de la qualité des données.
• Identifier les dimensions clés de la qualité des données et leurs impacts métiers.
• Mettre en place une démarche structurée de gestion et d’amélioration de la qualité des données.
• Définir des indicateurs de suivi et des plans d’actions adaptés.
• Intégrer la qualité des données dans les processus de gouvernance et de pilotage. </aside>

<aside> 🧑🏼‍🏫

Public Visé

• Collaborateurs des fonctions data, risques, conformité, contrôle interne ou IT.
• Responsables métiers impliqués dans la production, l’utilisation ou le pilotage des données.
• Toute personne souhaitant contribuer à l’amélioration de la qualité des données au sein de son organisation. </aside>

<aside> 💡

Les + Pédagogiques.

• Approche méthodologique claire et pragmatique.
• Illustrations concrètes issues de contextes organisationnels variés.
• Études de cas et ateliers pratiques sur la qualité des données.
• Outils et référentiels directement applicables en environnement professionnel. </aside>

<aside> ✅

Modalités d'évaluation de la formation

1. Évaluation des acquis : quiz, exercices d’analyse de données et études de cas.
2. Évaluation à chaud : questionnaire de satisfaction en fin de formation.
3. Évaluation à froid : questionnaire de suivi quelques semaines après la formation.

</aside>

Programme

1. Introduction à la qualité des données

• Définition et enjeux de la qualité des données.
• Impacts sur la performance, la conformité et la prise de décision.
• Exemples de risques liés à une mauvaise qualité des données.

2. Dimensions et critères de la qualité des données

• Exactitude, complétude, cohérence, fraîcheur, unicité.
• Données de référence et données transactionnelles.
• Notion de cycle de vie de la donnée.

3. Mise en place d’une démarche de gestion de la qualité des données

• Identification des données critiques.
• Cartographie des flux et responsabilités.
• Définition des rôles : data owner, data steward, utilisateurs.

4. Mesure, suivi et amélioration de la qualité des données

• Indicateurs et tableaux de bord de qualité des données.
• Détection des anomalies et gestion des incidents.
• Plans d’actions correctifs et préventifs.

5. Gouvernance et pérennisation de la qualité des données

• Intégration dans les dispositifs de gouvernance des données.
• Lien avec les exigences réglementaires et de conformité.
• Bonnes pratiques pour inscrire la qualité des données dans la durée.
• Étude de cas : construction d’une démarche de qualité des données.