WWZ Energie AG assure la qualité de vie avec des données ...
DataWerhouse : Données de qualité
-
Upload
nassim-bahri -
Category
Data & Analytics
-
view
87 -
download
0
Transcript of DataWerhouse : Données de qualité
Des données de qualité
Contexte : Cours DataWerhouse
Elaboré par : Nassim BAHRI
Présenté le 10 Mars 2015
Plan de la présentation
I. Introduction
II. Le coût de la non qualité
III. Démarche de qualité
IV. Le socle technologique
V. Scénarios de mise en œuvre
VI. Conclusion and Q&A
Introduction
• Avoir un capital de données de qualité est une nécessité incontournable pour la réussite de toute entreprise.
• La qualité des données collectées
• La maitrise de la qualité est un enjeu important
3
Introduction
4
Données
correctes
Complètes
À jour
cohérentes
Indicateurs
Compréhensibles
Faciles à communiquer
Peux coûteux
Simples à calculer
Une version unifiée et exploitable des informations
Introduction
5
Tronquées?Erronées ?
Redondantes ?
Les données issues de l’application sont :
Le coût de la non qualité
• Cet article a traité les coût de la non qualité sur trois niveaux:
– Lors de la saisie,
– Au cours d’exploitation des données,
– Lors de l’analyse.
6
Le coût de la non qualité
1. Lors de la saisie :
• Plus de 600 milliard de dollars perdu chaque année,• Mauvaise qualité due à : erreur de saisie de l’information, fautes
d’orthographes, codes incorrectes, abréviation, duplication,…
7
610 000 titres à 1 yenAu lieu de 1 titre à 610 000 yen
286 millions €
Le coût de la non qualité
2. Au cours de l’exploitation des données:
• Beaucoup d’entreprises négligent la qualité de leurs données, Exploiter des données fausses ou erronées
8
Détruit pendant sa mise en orbite autour de Mars à une altitude 50km de la surface au lieu de 150
Mars Climate Orbiter
Malentendu au niveau de l’unité de mesure
Perte de 125 millions de dollars
Le coût de la non qualité
3. Lors de l’analyse:
• Lors de l’analyse et la présentation, l’entreprise doit garantir la qualité de ses données
• Données de qualité analyse décisionnelle correcte et de qualité
9Compagnie d’assurance
Décide de fusionner sa base de données client pour avoir une meilleur compréhension
Je peux avoir 13 millions de client
5 millions de clients
Enregistrement dupliqués
Le coût de la non qualité
• La direction informatique n’est pas impactée par la mauvaise qualité des données
– « Ces données viennent de l’application, elles doivent être correctes »– « voila une technologie qui va me garantir la qualité des données », …
Garbage In – Garbage Out
10
Démarche de qualité
• Dans une démarche qualité il est important de définir les caractéristiques attendu et les critères d’évaluation de la qualité des données
1. Données, informations et connaissances
11
Données
• Une description élémentaires d’un objet
Informations
• Transformation significative des données
Connaissances
• Le traitement des informations : compréhension et apprentissage
Démarche de qualité
1. Données, informations et connaissances• Le but de cette étape est de définir des familles de données
12
Client
Numéro compte
Nom
Adresse
Téléphone
Transaction
Date
Quantité
Prix
Démarche de qualité
2. Qualités des données• Expliquer ce qui fait la qualité des données
13
Qualités des
données
Utilité
Accessibilité
Crédibilité
Interopérabilité
PertinenceUsageOpportunité
Disponibilité des systèmesPrivilèges
StandardisationCohérenceExactitude
Format cohérent et sansAmbiguïté (exemple date)
Démarche de qualité
3. Indicateurs et mesures• Les organisations doivent créer leurs propres définitions
opérationnelles en fonctions des objectifs et priorités de l’entreprise
14
Critères de qualité des données
Caractéristiques Exemples d’indicateurs
Cohérence Quelles sont les données sources des informations contradictoires?
-Vérification de la plausibilité-Valeur de la déviation standard
Exactitude Les valeurs représentent-elles la réalité?
-Fréquence de changement des valeurs
Duplication Quelles sont les données répétées?
-Nombre d’enregistrements dupliqués
Démarche de qualité
La gouvernance
• La direction générale et les directions opérationnelle : doivent être impliqués dans le processus de collecte et de mesure de qualité des données.
• La comité qualité des données : qui sera chargé de la suivi et de l’amélioration de la qualité des données
15
Le socle technologique
• La plupart les solutions technologique de qualités de données intègre des outils qui offre :
– Profilage : analyse de la qualité des données
– Standardisation : s’assurer que les données sont conformes aux règles de
qualité
– Rapprochement : comparaison des données
– Nettoyage : correction des données (inexactes)
– Enrichissement : utilisation des sources externes pour annoter les données
– Décomposition : décomposer les éléments par zone de saisie
– Surveillance : suivi de la qualité des données dans le temps 16
Le socle technologique
17
Un processus de qualité
Le socle technologique
• Rôle central des services de qualité dans l’architecture globale des données
18
Scénarios de mise en œuvre
• Parmi les domaines stratégique qui dépondent fortement de la qualité des données:
– Le business intelligence
– La conformité réglementaire
– Les données de référence
– Le service aux clients
– La consolidation et l’intégration des données
19
Conclusion
• L’amélioration de la qualité des données passe principalement par une réflexion et une initiative du démarche qualité
• La technologie permet d’automatiser les tâches de contrôle
• La qualité des données n’est pas un problème informatique mais plutôt un problème métier.
• Suggestion : ajouter un moyen de feedback des utilisateurs finaux.
20
Références
[1] Christophe TOULEMONDE. «Des données de qualité». Livre blanc de JEMM research, Janvier 2008.
21
22
Merci pour votre attention