Les traductions de ce site web dans des langues autres que l'anglais sont générées par l'IA. Nous ne garantissons pas l'exactitude et ne sommes pas responsables des erreurs ou dommages résultant de l'utilisation du contenu traduit. En cas d'incohérences ou d'ambiguïtés, la version anglaise prévaut.
Transformer les données en opportunités : Métrique du mois - Critères de qualité des données
Les données de haute qualité sont plus qu'un repère - c'est une nécessité stratégique pour la confiance, la Conformité et l'interopérabilité à l'échelle mondiale. Dans ce Blog, Zornitsa Manolova, responsable de la gestion de la qualité des données et de la science des données à GLEIF, décrit le rôle des critères de qualité des données et leur importance critique dans le cadre de la gestion de la qualité des données de GLEIF.
Auteur: Zornitsa Manolova
Date: 2025-06-06
Vues:
Dans une économie mondiale de plus en plus interconnectée, la capacité des organisations à faire confiance aux données et à les utiliser efficacement est le fondement de l'innovation, de la croissance et de la compétitivité.
Un écosystème de données de haute qualité est un moteur de changement et d'innovation qui permet aux organisations d'identifier et de saisir de nouvelles opportunités, tandis qu'une faible qualité des données peut entraîner des inefficacités et une exposition aux risques réglementaires et de réputation.
Le GLEIF s'est engagé à optimiser la qualité, la fiabilité et la facilité d'utilisation des données LEI. Depuis 2017, il publie des rapports mensuels dédiés pour démontrer de manière transparente le niveau global de qualité des données atteint dans le système Global LEI.
Pour aider à une compréhension et une sensibilisation plus large de l'industrie aux initiatives de qualité des données de GLEIF, cette nouvelle série de blogs explore les métriques clés incluses dans les rapports.
Le blog de ce mois-ci examine les critères de Qualité des données.
Au cœur de l'engagement du GLEIF à fournir des données fiables se trouve un solide cadre de gestion de la qualité des données qui garantit que les données de l'Identifiant d'entité légale (LEI) restent complètes, à jour et fiables.
La Gestion de la Qualité des données du GLEIF repose sur le principe de la Qualité totale, qui place le client - dans notre cas, l'utilisateur des données - au centre de tous les efforts de qualité. Le cadre est conçu pour refléter directement les exigences des parties prenantes et garantir la norme la plus élevée possible en matière de qualité des données dans l'ensemble du Système Global LEI.
Pour ce faire, le GLEIF évalue les données LEI en fonction de critères de qualité des données clairs, notamment la validité, l'intégrité et la cohérence, par le biais de plus de 180 contrôles structurés au total. Ces critères font respecter les Normes et établissent des repères mesurables pour l'interopérabilité mondiale. En fin de compte, cela favorise l'utilisation de données LEI de haute qualité, ce qui accroît la confiance et la transparence dans l'ensemble de l'économie mondiale en facilitant les rapports réglementaires, l'analyse des risques financiers et les opérations de Connaissance clientèle (KYC) dans divers secteurs d'activité.
Qu'est-ce qu'un critère de qualité des données ?
Un critère de Qualité des données définit une attente ou un aspect spécifique et mesurable utilisé pour évaluer si un enregistrement de données ou un élément de données répond à une norme de qualité attendue.
Afin de s'assurer que les critères utilisés pour évaluer les données de référence LEI sont pertinents et ont un impact, le GLEIF a mené une analyse approfondie des concepts et normes de qualité des données reconnus au niveau international. Cette analyse a permis d'élaborer douze critères distincts de Qualité des données afin d'établir une référence transparente et objective pour évaluer le niveau de qualité des données au sein du Système Global LEI. Ces critères sont les suivants : Précision, accessibilité, exhaustivité, cohérence, actualité, intégrité, provenance, représentation, actualité, unicité et validité.
Chaque critère permet une évaluation basée sur des règles ou des algorithmes afin de garantir la cohérence et l'évolutivité de son application. Le GLEIF applique ces critères pour évaluer systématiquement les données LEI par rapport à des critères de référence établis. Ces contrôles qualité des données sont mis en œuvre sous forme de règles logiques structurées de type "if-then-else", permettant une validation précise et automatisée des éléments de données. Chaque contrôle est attribué de manière unique à un seul critère de qualité, ce qui crée un lien clair et traçable entre les règles et les dimensions de qualité correspondantes. Cette structure constitue la base des rapports mensuels sur la qualité des données et des tableaux de bord publics.
Pleins feux sur la validité, l'intégrité et la cohérence
Bien que les douze critères de qualité des données soient tous essentiels, ce blog se concentre sur le rôle de la " validité ", de l'" intégrité " et de la " cohérence " pour garantir des données LEI de haute qualité :
Validité : Garantir le bon format et la bonne structure
La validité est la mesure de la conformité d'une valeur de données à l'ensemble des valeurs de son domaine. Elle garantit que chaque élément de données du LEI est conforme à des formats et à des listes de codes prédéfinis. La validité est évaluée au moyen de 33 contrôles individuels qui, collectivement, ont permis d'obtenir une note moyenne de qualité des données de 99,99 pour ce critère en mai. Les Normes vérifient notamment que les codes régionaux sont conformes à la norme ISO 3166-1/2 (la norme internationale qui définit les codes représentant les noms des pays et de leurs subdivisions), ou qu'un enregistrement est géré par un émetteur de LEI accrédité.
En général, la validité améliore l'interopérabilité des systèmes et réduit le risque d'erreurs de traitement dans les flux de travail automatisés.
Intégrité : Garantir la solidité logique
L'intégrité comprend 29 contrôles et a obtenu un score moyen de qualité des données de 99,98 en mai, ce qui reflète un niveau élevé d'intégrité et de précision des données. Les contrôles dédiés consistent notamment à vérifier si les exceptions de déclaration sont distinctes et n'ont pas d'enregistrements de relations simultanées, ou s'il n'existe qu'une seule relation active avec une succursale internationale par pays.
L'intégrité permet d'éviter les informations contradictoires dans les enregistrements LEI, ce qui aide les utilisateurs à se fier aux données en ayant confiance en leur logique interne. Il s'agit du degré de conformité des données LEI aux règles définies en matière de relations entre les données, en examinant si les champs obligatoires sont remplis de manière appropriée, si les relations entre les champs (par exemple, les entités parent-enfant) sont cohérentes et s'il n'existe pas de combinaisons contradictoires ou logiquement impossibles.
Cohérence : Assurer une application uniforme
La cohérence évalue la mesure dans laquelle une donnée unique conserve la même valeur dans plusieurs ensembles de données. Cela permet de garantir que les formes juridiques et les codes de juridiction sont appliqués de manière uniforme et que les types d'entités similaires suivent des conventions de dénomination cohérentes. Elle s'appuie sur 25 contrôles spécifiques, avec un score moyen de Qualité des données de 99,99 en mai. Les contrôles consistent notamment à s'assurer que le code de l'autorité d'enregistrement déclarée correspond à la juridiction légale, ou que les entités de fonds utilisent la catégorie d'entité appropriée.
La cohérence des données garantit la comparabilité et l'interopérabilité des enregistrements LEI, quels que soient le lieu et l'auteur de leur création. Cela facilite l'agrégation précise des données, favorise une analyse transfrontalière fiable et améliore considérablement la valeur analytique et la facilité d'utilisation des ensembles de données LEI pour les régulateurs, les institutions financières et les autres parties prenantes.
La cohérence est particulièrement importante dans un système distribué tel que le système LEI mondial. Sans une adhésion uniforme à des Normes communes à travers les juridictions, les secteurs et les entités, l'intégrité des données serait compromise.
Transformer les données en opportunités
Défendre la qualité des données est essentiel pour façonner l'avenir d'un écosystème financier connecté et transparent.
Les critères de Qualité des données du GLEIF garantissent que les données LEI sont exactes, complètes et adaptées à une utilisation stratégique à travers les juridictions et les secteurs, la validité, l'intégrité et la cohérence étant fondamentales pour transformer des informations fragmentées en une ressource universelle de confiance.
En établissant des critères clairs et en fournissant des informations transparentes et mesurables, GLEIF permet aux utilisateurs de prendre des décisions éclairées en ayant la certitude que des données exactes soutiennent leurs choix. Ces Normes améliorent les données et permettent une fiabilité systémique dans tous les domaines, des rapports réglementaires à l'analyse des risques en passant par la gestion de l'identité numérique.
Alors que la demande de données d'entités vérifiables et de haute qualité augmente, l'engagement de GLEIF en faveur de données de haute qualité positionne le LEI comme un catalyseur essentiel de la confiance numérique mondiale.
Si vous souhaitez commenter une publication sur le blog, veuillez vous identifier à l'aide de votre prénom et de votre nom. Votre nom apparaîtra à côté de votre commentaire. Aucune adresse e-mail ne sera publiée. Veuillez noter qu'en accédant ou en contribuant au forum de discussion, vous acceptez de respecter les conditions de la Politique de la GLEIF en matière de blog ; veuillez donc les lire attentivement.
Zornitsa Manolova dirige l’équipe chargée de la gestion de la qualité des données et de la science des données au sein de la Global Legal Entity Identifier Foundation {GLEIF}. Depuis avril 2018, elle a pour mission d’améliorer le cadre établi pour la qualité et la gouvernance des données en introduisant des méthodes d’analyse de données innovantes. Auparavant, Zornitsa est chargée de la gestion des projets d’analyse de données médico-légales dans le cadre d’enquêtes financières internationales chez PwC Forensics. Elle possède un diplôme allemand en informatique avec une spécialisation en apprentissage automatique de l’Université Philipps de Marbourg.
