De la base au flux : où naissent les données, comment elles circulent et comment juger leur qualité

Partie 1 — Où naissent les données de l'entreprise

Dans cette partie :

• Les sources internes : ERP, CRM, capteurs
• Les sources externes : open data, partenaires, web
• Cartographier les données : qui produit quoi

Définition : Donnée

Une donnée est une valeur brute — chiffre, texte, date, image — enregistrée par un système ou saisi par un humain, avant toute interprétation. Elle devient information dès qu'on lui donne un contexte.

Origine du terme : du latin datum, « ce qui est donné »

Marques citées : à titre référentiel uniquement

• Excel, Power BI, SAP, Salesforce, Google : marques tierces
• Cités en texte seul, à titre illustratif
• L'ESEAD n'est affiliée à aucun éditeur
• Certifications éditeurs : distinctes et indépendantes

Les trois grandes familles de sources internes

• ERP : gestion intégrée (stock, compta, RH)
• CRM : relation client et pipeline commercial
• Capteurs IoT : machines, bâtiment, logistique
• Fichiers bureautiques : Excel, PDF, e-mails

Sources externes : trois grandes catégories

• Open data : données publiques gratuites
• Données partenaires : fournisseurs, distributeurs
• Web scraping et flux tiers : prix, avis, tendances
• Coût, fiabilité et droits d'usage à vérifier

La cartographie des données : un outil de décideur

• Lister les systèmes sources (ERP, CRM, capteurs…)
• Identifier propriétaire et fréquence de mise à jour
• Indiquer où la donnée est stockée et qui y accède
• Format simple : tableau ou post-it suffit

Cas : Mini-cartographie d'un commerce de distribution

• Jeu de données : Ventes journalières
• Source : logiciel de caisse (ERP TPV)
• Propriétaire : responsable de magasin
• Fréquence : quotidienne, export à 23h
• Stockage : serveur local + cloud sauvegarde

Open data en France : volume et usage en entreprise

Le portail data.gouv.fr recense plus de 50 000 jeux de données publics — une ressource massive encore sous-exploitée.

• 50 000+ Jeux de données sur data.gouv.fr (2025) (data.gouv.fr, Etalab)
• 3 % Du PIB mondial estimé en valeur créée par l'open data (indicatif) (OCDE, rapport Open Government Data, 2020)

À retenir : Sources internes

• ERP = gestion intégrée, source la plus structurée
• CRM = données clients, commerciales
• Capteurs IoT = volumes élevés, temps réel
• Fichiers bureautiques = source fragile à surveiller

À retenir : Sources externes

• Open data : gratuit, officiel, sous-exploité
• Données partenaires : contrat + format à vérifier
• Flux web : droits d'usage et RGPD à contrôler
• Toujours vérifier : producteur, date, droit d'usage

À retenir : Cartographier les données

• Tableau 5 colonnes : source, propriétaire, fréquence, stockage, droits
• Révèle doublons, sources obsolètes, données RGPD
• Indispensable avant tout projet BI ou tableau de bord
• Un post-it peut suffire pour démarrer

Partie 2 — Comment les données circulent : bases, flux et API

Dans cette partie :

• La base de données : le conteneur fondamental
• Les flux de données : temps réel vs batch
• L'API : le connecteur universel

Définition : Base de données

Une base de données est un ensemble organisé de données structurées, stockées sur un support numérique et accessibles selon des règles définies. Elle permet de stocker, rechercher, modifier et croiser des informations de façon fiable et rapide.

Origine du terme : de l'anglais database, composé de data (données) et base (socle, fondation)

Définition : API

Une API est un contrat standardisé qui permet à deux logiciels de communiquer entre eux de façon sécurisée et automatique, sans que les utilisateurs aient besoin de comprendre le fonctionnement interne de chaque application.

Origine du terme : acronyme de l'anglais Application Programming Interface, interface de programmation d'application

Base relationnelle vs base NoSQL : choisir sans coder

• Relationnelle (SQL) : tableaux liés, données structurées
• NoSQL : documents, JSON, données flexibles
• Entrepôt (Data Warehouse) : analyse historique
• Lac de données (Data Lake) : tout stocker, trier après

Flux temps réel vs transfert batch : deux logiques opposées

• Temps réel (streaming) : donnée disponible en secondes
• Batch : transfert groupé, différé (nuit, semaine)
• Temps réel = coût élevé, infra complexe
• Batch = suffisant pour 80 % des décisions de gestion

Piège : confondre fraîcheur et temps réel

• Une donnée batch peut être fraîche si bien cadencée
• Temps réel ≠ meilleure qualité, juste plus rapide
• Coût temps réel : x3 à x10 vs batch (indicatif)
• Vérifiez le SLA : délai garanti de livraison

API : ce que le décideur doit savoir évaluer

• API publique : documentée, accessible (ex. open data)
• API privée : accès sur contrat, authentification
• Coût API : gratuit à plusieurs milliers € / mois
• Risque : dépendance si l'éditeur la ferme ou la modifie

À retenir : La base de données

• Base SQL : tableaux liés, gestion opérationnelle
• NoSQL : flexibilité, données variables
• Data Warehouse : analyse, tableaux de bord
• Data Lake : stockage brut, exploration future

À retenir : Flux temps réel vs batch

• Batch : adapté à 80 % des décisions de gestion
• Temps réel : justifié si décision < quelques minutes
• Coût temps réel nettement supérieur au batch
• Demandez toujours le SLA avant de choisir

À retenir : L'API

• API = contrat de communication entre deux logiciels
• Publique vs privée : coût et accès différents
• Toujours évaluer : coût, SLA, réversibilité
• Dépendance à une API tierce = risque stratégique

Partie 3 — Juger et préparer la qualité des données

Dans cette partie :

• Les quatre critères de qualité d'une donnée
• Détecter et corriger les problèmes courants
• Préparer les données pour décider

Les quatre critères FSCC pour juger une donnée

• Fraîcheur : date de dernière mise à jour
• Source : qui a produit cette donnée, comment
• Complétude : champs vides, données manquantes
• Cohérence : valeurs plausibles, format homogène

Les cinq problèmes de qualité les plus fréquents

• Doublons : même entité enregistrée plusieurs fois
• Valeurs manquantes : cellules vides ou nulles
• Formats incohérents : date en trois formats différents
• Valeurs aberrantes : prix négatif, âge = 999
• Libellés non standardisés : « Paris », « paris », « PARIS »

Piège : supprimer sans comprendre

• Ne jamais supprimer sur le fichier source original
• Travailler toujours sur une copie datée
• Un doublon apparent peut être une transaction légitime
• Données personnelles : effacement soumis au RGPD (cnil.fr)

De la donnée brute au tableau de bord : les étapes clés

• 1. Identifier la question de décision
• 2. Localiser et extraire les données sources
• 3. Nettoyer et standardiser (FSCC)
• 4. Structurer pour Power BI ou Excel

Cas : Procédure — Détecter les doublons dans Excel

• 1. Sélectionner la colonne identifiant (ex. e-mail)
• 2. Accueil → Mise en forme conditionnelle → Règles de mise en surbrillance → Valeurs en double
• 3. Les doublons apparaissent en rouge
• 4. Trier par couleur pour les regrouper et décider

Coût des mauvaises données pour les organisations

Les erreurs de données coûtent en moyenne 15 à 25 % du chiffre d'affaires des organisations selon les estimations sectorielles.

• 15-25 % Du CA estimé perdu annuellement en raison de données de mauvaise qualité (indicatif) (IBM Data Analytics, estimations sectorielles, 2022)
• 1 sur 3 Décisions de gestion fondées sur des données inexactes ou incomplètes (indicatif) (Gartner, Data Quality Research, 2023)

À retenir : Les quatre critères FSCC

• Fraîcheur : date de production ou de mise à jour
• Source : producteur identifié, méthode connue
• Complétude : taux de remplissage des champs
• Cohérence : valeurs plausibles, format homogène

À retenir : Détecter et corriger

• 5 problèmes clés : doublons, manquants, formats, aberrants, libellés
• Travailler toujours sur une copie datée
• Détecter avant de supprimer : vérifier le contexte
• Données personnelles : RGPD, consulter cnil.fr

À retenir : Préparer pour décider

• Commencer par la question, pas par les données
• Tableau plat : 1 ligne = 1 observation, 1 colonne = 1 variable
• Pas de cellules fusionnées ni totaux dans le tableau source
• Les modules Excel et Power BI ESEAD prennent le relais