Un processus orienté sur la qualité des données

Pour relever ce défi, les entreprises doivent mettre en oeuvre un processus orienté sur la qualité de la donnée et pas seulement sur son traitement. Et s'en assurer dès la collecte : vérifier son unicité, sa complétude, sa cohérence, gérer les taxonomies, etc. C'est en instaurant des processus identifiables et mesurables, comme elle l'ont fait pour leurs chaînes de fabrication, que les entreprises pourront atteindre les standards de qualité attendus. Les outils qui vont permettre aux opérationnels de répondre à ces défis devront avoir plusieurs types de fonctionnalités, parmi lesquelles la capacité à supporter un processus documenté, un contrôle qualité permanent et l'évolutivité du processus.

Le processus documenté sert à identifier les étapes théoriques et les étapes réelles, ainsi qu'à mesurer des temps. L'intérêt est de définir des étapes de fabrication (comme des sous-ensembles pour un produit manufacturé), afin de connaitre leur qualité et leur performance.

Le contrôle qualité permanent découle de cette approche : l'utilisateur peut se contrôler en permanence pour corriger ses erreurs, et une validation est réalisée en fin d'étape. Ainsi, il est possible de détecter les erreurs rapidement et de les corriger sur le champ. Enfin, comme le processus est mesurable, tant dans son exécution que dans ses résultats, il est nécessaire de pouvoir le faire évoluer, pour le corriger, l'améliorer ou l'adapter à l'environnement.

Selon l'étude menée par ISG, quantité de processus métier sont des candidats éligibles à la robotisation. Intégrer la question de la qualité des données à la source est donc un enjeu phare, à l'échelle de l'entreprise. C'est à cette condition que la technologie RPA pourra réellement faire à la place de l'humain et surtout le faire mieux.