Aller au contenuSkip to content
  1. AccueilHome
  2. Cas d’usageUse cases
  3. Surveillance continue de la qualité des données cliniques et administrativesContinuous monitoring of clinical and administrative data quality
  • Santé et services sociauxHealth and social services
  • Gouvernance & MDMGovernance & MDM
  • Source unique de véritéSingle source of truth

Surveillance continue de la qualité des données cliniques et administrativesContinuous monitoring of clinical and administrative data quality

Dans le réseau de la santé, des données incomplètes ou incohérentes faussent les indicateurs et la planification. Mirador met en place une surveillance continue de la qualité, fondée sur des règles, des alertes et un réseau d’intendants de données.

In the health network, incomplete or inconsistent data distorts indicators and planning. Mirador puts in place continuous quality monitoring based on rules, alerts and a network of data stewards.

Problèmes détectés tôtIssues caught earlyavant d’atteindre les rapportsbefore they reach reports
Responsabilités clairesClear accountabilitypour chaque domaine de donnéesfor each data domain
Pour quiWho it is for

Le contexte typeThe typical context

Établissements de santé et de services sociaux qui transmettent des données aux instances ministérielles et s’en servent pour planifier les soins et les ressources. Les erreurs de saisie et les écarts entre systèmes sont souvent découverts tard, au moment de produire les rapports.

Health and social services institutions that submit data to ministry bodies and use it to plan care and resources. Entry errors and gaps between systems are often discovered late, when reports are being produced.

Données mobiliséesData involved

  • Dossiers cliniquesClinical records
  • Admissions et congésAdmissions and discharges
  • Système des urgencesEmergency system
  • PharmaciePharmacy
  • LaboratoiresLaboratories
  • Ressources humainesHuman resources
TechnologiesTechnologies

Des outils éprouvésProven tools

  • Informatica
  • Databricks
  • Python
  • Power BI
Le défiThe challenge

Ce qui freineWhat holds les organisations.organizations back.

Erreurs découvertes tardErrors found late

Les anomalies apparaissent lors de la production des rapports, quand il est coûteux de les corriger.

Anomalies surface when reports are produced, when they are costly to correct.

Règles implicitesImplicit rules

Les critères de qualité sont connus de quelques experts, mais ne sont pas documentés.

Quality criteria are known to a few experts but are not documented.

Responsabilités flouesUnclear responsibilities

Personne n’est clairement désigné pour corriger les données à la source.

No one is clearly designated to correct data at the source.

Confiance fragileFragile trust

Les gestionnaires doutent des indicateurs et refont leurs propres calculs.

Managers doubt the indicators and redo their own calculations.

La solutionThe solution

Ce que MiradorWhat Mirador met en place.puts in place.

  1. Catalogue de règles de qualitéData quality rule catalogue

    Complétude, validité, cohérence et fraîcheur sont traduites en règles mesurables par domaine.

    Completeness, validity, consistency and freshness are translated into measurable rules by domain.

  2. Contrôles automatisésAutomated checks

    Les règles s’exécutent à chaque chargement et les résultats sont historisés.

    Rules run at every load and results are historized.

  3. Suivi des anomaliesIssue tracking

    Les anomalies sont acheminées aux bons intendants avec le contexte nécessaire pour les corriger.

    Anomalies are routed to the right stewards with the context needed to correct them.

  4. Tableau de bord qualitéQuality dashboard

    Un tableau de bord présente l’évolution de la qualité par système, domaine et installation.

    A dashboard shows how quality evolves by system, domain and facility.

IndicateursIndicators

Les indicateursThe indicators que nous mettons en place.we put in place.

Des définitions partagées, calculées une seule fois et suivies au bon rythme.

Shared definitions, calculated once and followed at the right pace.

  • Taux de complétude des donnéesData completeness rate
  • Taux de conformité aux règlesRule compliance rate
  • Nombre d’anomalies ouvertesNumber of open issues
  • Délai de correction des anomaliesIssue resolution time
  • Fraîcheur des donnéesData freshness
  • Taux de rejet des transmissionsSubmission rejection rate
Résultats attendusExpected results

Ce que ce cas d’usage changeWhat this use case changes

  1. Les anomalies sont détectées dès leur apparition plutôt qu’en fin de cycle.Anomalies are detected as soon as they appear rather than at the end of the cycle.
  2. Chaque domaine de données a un intendant désigné et outillé.Each data domain has a designated, well-equipped steward.
  3. Les règles de qualité sont documentées et partagées entre les équipes.Quality rules are documented and shared across teams.
  4. Les rejets lors des transmissions officielles diminuent.Rejections in official submissions decrease.
  5. Les gestionnaires retrouvent confiance dans les indicateurs.Managers regain confidence in the indicators.
Questions fréquentesFAQ
Qui sont les intendants de données?Who are the data stewards?

Ce sont des personnes du métier, proches de la saisie, qui connaissent le sens des données. Nous les aidons à définir leur rôle et leur fournissons les outils nécessaires.

They are business staff, close to data entry, who understand what the data means. We help them define their role and provide them with the tools they need.

Faut-il un outil spécialisé?Is a specialized tool required?

Un outil de qualité des données facilite la gestion à grande échelle, mais il n’est pas toujours requis au départ. Nous recommandons l’approche selon la maturité et le volume de l’établissement.

A data quality tool makes large-scale management easier, but it is not always needed at the outset. We recommend an approach based on the institution’s maturity and volume.

Notre méthodeOur method

Du premier échangeFrom the first conversation au tableau de bord utilisé.to a dashboard people use.

Une démarche en cinq temps, la même pour chaque cas d’usage, pour livrer vite sans sacrifier la qualité des données.

A five-step approach, the same for every use case, to deliver quickly without compromising data quality.

  1. Échange initialInitial conversation

    Nous écoutons votre contexte, vos données et vos priorités, sans engagement.

    We listen to your context, data and priorities, with no commitment.

  2. Cadrage et faisabilitéScoping and feasibility

    Nous validons les sources, les indicateurs et la valeur attendue, puis proposons une démarche par étapes.

    We validate sources, indicators and expected value, then propose a step-by-step approach.

  3. Conception et réalisationDesign and build

    Pipelines, modèles de données et tableaux de bord sont construits par itérations, avec vos utilisateurs.

    Pipelines, data models and dashboards are built iteratively, with your users.

  4. Mise en serviceGo-live

    Nous déployons, documentons et formons les équipes pour une adoption réelle.

    We deploy, document and train teams for real adoption.

  5. Accompagnement continuOngoing support

    Nous suivons l’usage, ajustons les indicateurs et faisons évoluer la solution.

    We monitor usage, refine indicators and evolve the solution.

RéalisationsProjects

Ils l’ont faitThey did it avec nous.with us.

#DataGrand projetFlagship
Secteur publicPublic sectorMunicipalitéMunicipal

Une plateforme de données municipaleA city-wide data platform

Un lakehouse dans l’infonuagique de la Ville, des pipelines pilotés par les métadonnées et des produits de données livrés direction par direction, des travaux publics aux finances.

A lakehouse in the City’s own cloud tenant, metadata-driven pipelines and data products delivered department by department, from public works to finance.

  • Modèle data centricData-centric model
  • ETL & intégration de donnéesETL & data integration
  • Gouvernance des donnéesData governance
Découvrir le projetExplore the project
#DataGrand projetFlagship
ParapublicPara-public sectorSanté et services sociauxHealth and social services

Un carrefour de données clinico-administratives régionalA regional clinical and administrative data hub

Une source unique pour les urgences, les lits, les chirurgies, la première ligne et les ressources humaines, conçue dès le départ pour protéger les renseignements de santé.

A single source for emergency departments, beds, surgeries, primary care and human resources, designed from the outset to protect health information.

  • ETL & intégration de donnéesETL & data integration
  • Modèle data centricData-centric model
  • Gouvernance des donnéesData governance
Découvrir le projetExplore the project
#PilotageGrand projetFlagship
Secteur privéPrivate sectorServices financiersFinancial services

Une vue client unifiée et consentieA unified, consent-based customer view

Une vue client unifiée, alimentée par une gestion des données de référence et un cadre de consentement, pour outiller les succursales, les conseillers et le centre de contact.

A unified customer view, powered by master data management and a consent framework, to equip branches, advisors and the contact centre.

  • MDM & intégrité des donnéesMDM & data integrity
  • Business IntelligenceBusiness Intelligence
  • Data analyticsData analytics
Découvrir le projetExplore the project
#VosDonnéesEnValeurPutYourDataToWork

Votre situation ressemble à l’un de ces cas ?Does your situation look like one of these?

Parlons de vos données et de vos priorités : nous vous proposons une première démarche concrète, adaptée à votre contexte.

Let’s talk about your data and priorities: we will suggest a concrete first approach tailored to your context.

Construisons la suite

Votre prochain défi.Une prochaine étape réfléchie.

Rejoindre l’équipe MiradorVoir les postes ouverts