Les données qualitatives décrivent une qualité, une catégorie ou un avis, avec des mots plutôt qu'avec des chiffres. Un statut de commande, un type de client, un commentaire de satisfaction : ce sont des données qualitatives. Elles disent ce qu'est une chose, là où les données quantitatives disent combien. Voici comment elles fonctionnent, et ce qu'elles changent pour le pilotage d'une PME.
Données qualitatives, c'est quoi ?
Les données qualitatives sont des informations qui décrivent une nature ou une catégorie, exprimées par des mots et non par des nombres. Une couleur, un statut « actif » ou « clos », un secteur d'activité, un avis client : tout cela est qualitatif. On ne peut ni les additionner ni en faire une moyenne, mais on peut les classer et les compter.
Le contraire, ce sont les données quantitatives : un chiffre d'affaires, un poids, un nombre de jours. Celles-là se mesurent et se calculent.
Dans une PME, vos données qualitatives sont partout. Le type de pièce produite, le nom du commercial, le motif d'un retour, l'état d'une affaire : ce sont les étiquettes qui donnent du sens à vos chiffres.
Comment fonctionnent les données qualitatives ?
Une donnée qualitative range chaque ligne de votre base dans une catégorie. Au lieu de mesurer, elle étiquette : ce client est un « grossiste », cette commande est « livrée », ce produit appartient à la « gamme inox ». Ces étiquettes servent ensuite à regrouper, filtrer et comparer vos chiffres.
Concrètement, le qualitatif découpe le quantitatif. Votre chiffre d'affaires est un nombre. Mais c'est le qualitatif qui vous permet de le voir « par région », « par famille de produits » ou « par type de client ».
Sans ces étiquettes, vous avez un total global et rien d'autre. Avec elles, vous savez où l'argent se gagne et où il se perd.
La difficulté n'est pas de les créer, vos logiciels en produisent déjà beaucoup. Elle est de les garder propres : un même client écrit de trois façons, un statut jamais mis à jour, et l'analyse se fausse.
Nominales ou ordinales : deux familles
Les données qualitatives se rangent en deux familles, selon que leurs catégories ont un ordre ou non. Les nominales nomment sans hiérarchie (un secteur, une région, un nom). Les ordinales suivent un ordre (un niveau de satisfaction, une priorité « basse, moyenne, haute »), mais sans que l'écart entre deux niveaux soit mesurable.
La distinction vient des standards statistiques. Une variable nominale classe en catégories qui se valent, comme une couleur ou une profession. Une variable ordinale établit un classement, comme « pas du tout d'accord » jusqu'à « tout à fait d'accord » (Wikipédia).
Pourquoi cela compte pour vous ? Parce qu'une donnée ordinale peut se trier du moins au plus, alors qu'une donnée nominale ne se trie que par fréquence. Confondre les deux mène à des graphiques qui n'ont pas de sens.
Pourquoi c'est important pour une PME ?
Parce qu'une grande partie de l'information utile d'une entreprise est qualitative, et qu'elle est souvent mal exploitée. Selon le cabinet IDC, les données non structurées (mails, commentaires, descriptions, documents), en grande partie qualitatives, représentaient près de 90 % des données générées par les entreprises en 2022 (LeMagIT).
Pour un dirigeant, l'enjeu est simple : ce sont vos catégories qui transforment un tableau de chiffres en décision. Sans elles, vous savez que vous avez vendu, mais pas à qui, ni quoi, ni pourquoi un segment décroche.
Le risque, c'est une étiquette fausse qui contamine tout. Chez un fabricant métallurgique que nous accompagnons, 86 % des affaires marquées « actives » étaient en réalité déjà terminées. Ce simple statut qualitatif, jamais mis à jour, faussait tout le pilotage commercial : le carnet de commandes paraissait plein alors qu'il était presque vide.
Une fois le statut fiabilisé, le dirigeant a retrouvé une vision juste de son activité réelle. La donnée qualitative était là depuis le début. Elle n'était simplement pas digne de confiance.
Qualitatif ou quantitatif : quelle différence ?
La règle tient en une question : peut-on calculer une moyenne ? Si oui, la donnée est quantitative (un montant, une quantité, une durée). Si non, elle est qualitative (un statut, une catégorie, un nom). On compte les données qualitatives, on mesure les quantitatives.
Les deux familles ne s'opposent pas, elles se complètent. Le quantitatif donne la grandeur, le qualitatif donne le contexte. « 250 000 euros » ne dit rien tant qu'on n'ajoute pas « sur la gamme inox, dans le Sud-Ouest, auprès des grossistes ».
Un piège classique : un nombre n'est pas toujours quantitatif. Un code postal ou une référence produit sont des chiffres, mais en faire une moyenne n'a aucun sens. Ce sont des étiquettes, donc des données qualitatives déguisées.
Les erreurs fréquentes avec les données qualitatives
Les données qualitatives sont fragiles, car elles dépendent de la saisie humaine. Voici les pièges qui reviennent le plus souvent dans les PME.
- Les doublons d'orthographe : « SARL Martin », « Martin sarl » et « martin » comptés comme trois clients différents.
- Les statuts jamais mis à jour : une affaire « en cours » depuis deux ans, qui gonfle artificiellement vos indicateurs.
- Les catégories fourre-tout : un champ « divers » ou « autre » qui finit par contenir un tiers des lignes, et ne veut plus rien dire.
- Les nombres pris pour des mesures : faire la somme de codes postaux ou de numéros de référence, qui sont en fait des étiquettes.
Aucune de ces erreurs ne se voit dans un tableau de bord. Elles se cachent dans la donnée, en amont. C'est pourquoi un graphique peut paraître impeccable tout en reposant sur des catégories fausses.
Fiabiliser ses données qualitatives avec Clidd
Une donnée qualitative n'a de valeur que si ses catégories sont propres et cohérentes. C'est ce travail, invisible et constant, que prend en charge Clidd. Vos statuts, vos familles de produits et vos types de clients sont harmonisés, dédoublonnés et tenus à jour, puis vérifiés à chaque mise à jour.
Les outils de BI classiques affichent la donnée telle qu'on la leur donne. Si une étiquette est fausse, le graphique l'est aussi, sans alerte. Le vrai travail se passe avant : construire la donnée, la fiabiliser, la maintenir.
C'est la différence entre un beau tableau de bord et un tableau de bord juste. Pour commencer, l'enjeu est de consolider vos données dispersées, puis d'exploiter les données de votre ERP sur une base fiable. C'est aussi ce qui permet de piloter côté finance sur des catégories nettes.
Questions fréquentes
Qu'est-ce qu'une donnée qualitative, en clair ?
C'est une information qui décrit une nature ou une catégorie avec des mots, pas avec des chiffres. Un statut de commande, un type de client, un secteur d'activité ou un avis sont des données qualitatives. On peut les classer et les compter, mais pas en faire une moyenne.
Quelle est la différence avec une donnée quantitative ?
Une donnée quantitative se mesure et se calcule : un montant, une quantité, une durée. Une donnée qualitative se range en catégories : un nom, un statut, une couleur. La règle simple : si une moyenne a du sens, c'est quantitatif ; sinon, c'est qualitatif.
Un code postal est-il une donnée qualitative ?
Oui. Même s'il est composé de chiffres, un code postal sert à classer, pas à mesurer. En faire la somme ou la moyenne n'a aucun sens. C'est une étiquette, donc une donnée qualitative, comme une référence produit ou un numéro de client.
Comment garder des données qualitatives fiables ?
Le principal risque vient de la saisie : doublons d'orthographe, statuts jamais mis à jour, catégories fourre-tout. Il faut harmoniser et dédoublonner les étiquettes, puis vérifier qu'elles restent cohérentes à chaque mise à jour. C'est un travail continu, pas un nettoyage ponctuel.
Pourquoi mes données qualitatives faussent-elles mes tableaux de bord ?
Parce qu'une étiquette fausse ne se voit pas dans un graphique. Un statut « actif » jamais clôturé ou un même client écrit de trois façons passe inaperçu, mais fausse tous les regroupements. Le problème est dans la donnée, en amont, pas dans l'outil d'affichage.
Pour aller plus loin
Ressources complémentaires
- Wikipédia, « Variable qualitative » (nominale et ordinale)
- LeMagIT, « Les données non structurées encore trop délaissées, selon IDC »
- CNIL, « Donnée personnelle » (cadre RGPD)
