Des données de qualité pour des processus optimisés

Meilleures sont les données, plus il est possible de contrôler et d'améliorer les processus. De nombreux services publics investissent des milliers de dollars dans le stockage, l'enrichissement, l'intégration, la présentation et l'analyse des données, mais tout cela ne sert à rien si les résultats ne sont pas exploitables.

Quatre critères pour des données exploitables

Pour que les données soient considérées comme exploitables, elles doivent être suffisamment pertinentes et pointues pour être traduites en étapes ou stratégies concrètes qui appuient la prise de décision. Pour ce faire, elles doivent présenter le niveau approprié de précision, de résolution, de volume et de latence.

1. Précision

   La précision des données est le premier obstacle majeur pour de nombreux services d'eau. Souvent, les exploitants disposent de données qui ne sont pas validées, ce qui peut aboutir à des conclusions non seulement improductives, mais aussi potentiellement coûteuses. Pour garantir l'exactitude des données, les instruments doivent être étalonnés et testés régulièrement. À mesure que les services d'eau intègrent l'analyse dans leur flux de travail, ces systèmes peuvent également estimer et valider les données provenant de différentes sources.

2. Résolution

   Les données doivent être suffisamment granulaires pour correspondre à l'objectif. Par exemple, la détection d'une fuite résidentielle nécessite des relevés aussi fréquents que toutes les 15 minutes pendant 24 heures ou plus, et une résolution de lecture de 128 Hz ou plus est nécessaire pour détecter une variation de pression. Dans d'autres cas, l'observation d'une simple variation dans les lectures suffit pour établir un diagnostic.

3. Volume

   La quantité de données doit être proportionnelle à l'ampleur du problème que les exploitants tentent de résoudre. Autrement dit, le volume de données nécessaire pour passer d'une efficacité de 50 % à 60 % est bien inférieur à celui requis pour passer d'une efficacité de 95 % à 99 %. Il peut être quantifié en termes de nombre d'instruments du réseau qui prélèvent des échantillons ou en termes de données accumulées au fil du temps (mois, années, etc.), en fonction des objectifs poursuivis.

4. Latence

   La latence renvoie au temps qui s'écoule entre la mesure et la communication, qui est dicté par le problème à résoudre. Lors de la production d'une facture d'eau mensuelle, par exemple, la marge de manœuvre est grande. En revanche, lorsqu'il s'agit d'une éventuelle découverte de contamination, chaque seconde compte.

Une fois les données recueillies et accessibles par l'entremise d'une interface centralisée, elles doivent être analysées. Bien que cela puisse être fait manuellement, il existe une gamme de solutions qui peuvent aider les exploitants à interpréter leurs données afin de dégager des informations et de déterminer le meilleur plan d'action.

Types de données

L'intérêt des données est de définir les mesures à prendre (la mobilisation d'une équipe, la fermeture d'une vanne, le remplacement d'une canalisation) pour obtenir des résultats.

Les types de données généralement collectées par les services d'eau peuvent être classés en quatre catégories :

Données d'exploitation, d'entretien et d'ingénierie

Ces données concernent le mouvement, le traitement et la gestion des équipements au sein du service. Elles peuvent être divisées en plusieurs sous-catégories :

• Données des appareils : ces informations sont recueillies par des capteurs ou d'autres instruments. Outre le paramètre mesuré, ces appareils génèrent des données sous forme d'horodatage, d'état de l'appareil, de réglages et de résultats de diagnostics.
• Données opérationnelles du service : ces données sont collectées au cours des activités quotidiennes. Elles peuvent par exemple provenir du laboratoire, des clients, des systèmes SCADA, ou être stockées par les systèmes informatisés de gestion de l'entretien.
• Données contextuelles des services publics : les services publics stockent également des informations sur les équipements qu'ils gèrent, l'affiliation au compte, la parcelle de terrain, les territoires de service, etc. Bien que ces données soient en grande partie statiques, elles peuvent être importantes dans divers domaines.

Données commerciales

Les données commerciales regroupent entre autres les données de l'entreprise, telles que les informations concernant l'inventaire et les contrats d'achat, de même que celles collectées par les systèmes de gestion des équipements.

Données sur les comptes

Cette catégorie comprend les données spécifiques au client, comme celles concernant le terrain, l'historique de la facturation et le but de l'utilisation.

Données de référence

Ces données comprennent les informations relatives à de multiples équipements et fonctions, y compris des informations géographiques, l'altitude et les territoires de service.

Par où commencer

La production de données exploitables ne naît pas d'un vide; elle nécessite un champion qui commencera par définir les objectifs à atteindre. Cette personne devra ensuite veiller à ce que le personnel nécessaire s'aligne sur ces objectifs. En cas de doute sur les données nécessaires pour atteindre leurs visées, les exploitants du service devront peut-être faire des recherches, notamment en s'adressant à d'autres qui ont mené des projets similaires.

Il peut être intéressant de mettre sur pied d'un projet pilote pour tester une solution et voir si elle répond au besoin ciblé. En outre, le projet pilote pourrait révéler les données ou les autres facteurs manquant avant de déploiement d'une solution à grande échelle.

L'important, c'est de garder en tête que ce ne sont pas les données et les analyses qui résolvent les problèmes, mais les mesures prises à la lumière de celles-ci. L'essentiel est de s'assurer que la personne qui entreprend la tâche dispose des bonnes informations pour prendre la bonne mesure au bon moment. Au bout du compte, ce ne sont pas les données qui règlent les problèmes, mais l'action.