Une analyse des lacunes dans les données détermine les lacunes existantes dans l’un des nombreux indicateurs qui indiquent les performances d’une entreprise dans un domaine spécifique. Ce type d’analyse est souvent effectué dans le but non seulement d’examiner les lacunes, mais aussi de les éliminer en améliorant la collecte de données. Les lacunes dans les données, également appelées lacunes de perception, peuvent couvrir n’importe quel domaine de la performance de l’entreprise dans la production ou dans les services fournis aux clients. Dans une analyse des lacunes dans les données, les gestionnaires ou les consultants cherchent à améliorer les performances actuelles en comblant les lacunes dans la manière dont les données sont collectées. Déterminer les écarts à mesurer est souvent difficile, car les mesures commerciales sont généralement entrelacées et interdépendantes.
Les données statistiques et de performance couvrant un large éventail d’activités commerciales sont souvent collectées par les managers. Ces données peuvent être utilisées pour quantifier les performances commerciales dans un domaine ou des domaines particuliers. Les responsables utilisent les informations d’une analyse des lacunes dans les données pour apporter des modifications à la production ou à la fourniture de services afin d’atteindre une plus grande efficacité.
L’objectif principal de l’analyse des lacunes dans les données est de concevoir des procédures pour capturer des données dans un domaine particulier à l’avenir, et non d’examiner les données historiques. Essentiellement, le principe de fonctionnement généralement à l’œuvre est que ce qui n’a pas été mesuré peut être l’endroit idéal pour réduire les déchets et augmenter la productivité. Jusqu’à ce qu’une analyse des lacunes dans les données soit effectuée, le niveau réel d’efficacité reste inconnu.
Les lacunes dans la collecte de données d’une organisation réduisent les commentaires que les gestionnaires utiliseraient généralement pour mesurer les performances dans un domaine particulier. Par exemple, les responsables peuvent vouloir savoir combien de clients reviennent avec une plainte concernant un produit particulier dans un certain laps de temps. Si personne n’a suivi ces données, l’entreprise peut ne pas connaître le niveau réel de satisfaction de la clientèle. De plus, les problèmes avec un produit particulier peuvent être plus nombreux qu’une entreprise ne le réalise parce que ces données ne sont pas communiquées à ceux qui sont en mesure de traiter la raison de la déficience.
Les examens des données recueillies sont généralement effectués pour trouver les lacunes – les domaines où les données manquent. L’étape suivante consiste généralement à déterminer quelles mesures doivent être capturées afin de combler ces lacunes. Cette étape implique souvent de poser des questions exploratoires, puis de prendre les réponses et d’instituer une série d’actions pour capturer ces données. Le processus de découverte d’une lacune dans les données peut être difficile, car il est souvent difficile pour les gens d’imaginer quelles questions ne sont pas posées. C’est pourquoi la plupart des analyses des écarts de données commencent par déterminer quelles capacités prédictives devraient idéalement être introduites dans une opération particulière.