Pourquoi la préparation est une étape clé
La préparation des données consiste à les nettoyer, les restructurer et les formater afin de garantir leur qualité. C’est une étape indispensable avant toute analyse ou restitution. Elle permet de :
- Rendre les données fiables et cohérentes
- Fusionner plusieurs sources hétérogènes
- Offrir une vision complète et utilisable de l’activité
Sans cette étape, les tableaux de bord sont bancals, les décisions hasardeuses, et la confiance dans les données peut être remise en cause.
Rédigée par Lorena, membre de la communauté des Freelance For Good et de la tribu data Social Declik, cette série d’articles a pour objectif de proposer une méthode claire, accessible et réaliste, pour toutes les structures — même petites, même non techniques — qui veulent mieux utiliser leurs données au service de leur mission sociale ou environnementale.
Les freins et les coûts
La préparation est souvent perçue comme une corvée. Et pourtant, son absence coûte cher :
- Une mauvaise qualité des données engendre des erreurs, de la perte de temps et des décisions erronées
- Les équipes passent parfois plus de 70 % de leur temps à chercher, corriger ou recroiser des données
- Les structures manquent souvent de compétences en nettoyage ou transformation des données
Il est donc essentiel de mieux reconnaître cette étape et de l’intégrer dans les calendriers et les budgets des projets data.
Impliquer les métiers, pas seulement la technique
Préparer la donnée ne doit pas être réservé à des experts en informatique. Les équipes métiers connaissent le sens des données :
- Elles savent si un chiffre « n’a pas de sens » (ex. : 80 heures de bénévolat en un jour ?)
- Elles peuvent repérer des doublons ou des valeurs aberrantes
- Elles savent ce qu’il faut mettre en avant pour leurs besoins ou ceux des financeurs
Un travail commun entre les personnes qui gèrent les données et celles qui les utilisent au quotidien est le meilleur moyen d’éviter les incompréhensions.
Une question de gouvernance
La préparation repose aussi sur des choix partagés :
- Quel format adopter pour les dates (jour/mois/année) ?
- Quelle orthographe pour les lieux ? Les statuts ?
- Quelle donnée garder en cas de doublon ?
Par exemple, si vous regroupez des données issues de deux outils différents, il faut décider avec les équipes concernées quelle version est la bonne.
Cette cohérence permet de créer une base de données unique, fiable et compréhensible par tous, de limiter les zones d’ombre et de réduire le développement d’outils parallèles non contrôlés (shadow IT).
Désiloter pour gagner en efficacité
Impliquer les utilisateurs finaux dans la préparation des données a plusieurs avantages :
- Les outils sont conçus plus vite et mieux adaptés aux usages
- On réduit les allers-retours entre métiers et techniques
- On limite le recours à des fichiers isolés créés en urgence, non conformes, peu sécurisés
La collaboration est un levier pour raccourcir les délais, fiabiliser les résultats, et renforcer l’autonomie des équipes dans leurs usages quotidiens.
En résumé
| Action | Objectif |
| Nettoyer les données | Éliminer les doublons, corriger les erreurs |
| Restructurer et harmoniser | Garantir l’interopérabilité entre différentes sources |
| Impliquer les métiers | Assurer la compréhension et la pertinence des données |
| Poser des règles communes | Aligner les équipes sur les choix de format et de traitement |
| Documenter | Conserver la traçabilité, faciliter la réutilisation |
La préparation des données est une étape exigeante, mais essentielle. Elle conditionne la qualité de tout ce qui viendra ensuite : visualisation, analyse, décision. Elle ne doit ni être sous-estimée ni laissée à un seul profil.
Tu es une structure engagée et tu cherches un·e freelance expert·e en data ? Social Declik est là pour t’aider grâce à son vivier de freelances engagé·es.
