DataWerhouse : Données de qualité

1 317 vues

Publié le

DataWerhouse : Données de qualité. La maîtrise de la qualité est un enjeu important

Publié dans : Données & analyses
0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
1 317
Sur SlideShare
0
Issues des intégrations
0
Intégrations
200
Actions
Partages
0
Téléchargements
33
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive
  • Bonjour à tous et vous êtes les bienvenue. Aujourd’hui nous vous présenterons notre projet qui s’articule autour de la qualité des données dans le contexte du cours Datawerhouse.
    Cette présentation est élaborée par moi-même Nassim BAHRI …
    Commençons par présenter les axes importants de notre projet
  • Nous finirons
  • Ce qui compte pour les entreprises c’est la qualités des données collectés plutôt que la quantité
  • Il s’agit donc de fournir des données qui seront :
    Tout en mettant en place des indicateurs :
    La direction générale et ses directions doivent disposer :
    Pour prendre les bonnes décision au moment opportun
  • Historiquement la gestion des qualité des données était une tache de la direction informatique. Et les direction métiers demandent l’information
    Tableau / indicateur
  • Aujourd’hui les entreprise doivent faire face au déferlement des données et d’informations
    Selon une étude faite au Etat Unis en 2002; plus de 600 milliard de dollars perdu chaque année à cause des données de mauvaises qualité
    courtier
  • Ce qui conduit à :
    En 1999 le NASA a perdu un satellite Mars Climate Orbiter à cause des données erronées
  • Mauvaise données de départ génère de mauvaise résultat
    Le problème relevé à ce niveau c’est la démarche à utiliser pour garantir la qualité des données entrées
  • Comparaison et rapprochement Pour détecter les duplication
  • ESB : Enterprise service bus (technique informatique interlogicielle)
  • DataWerhouse : Données de qualité

    1. 1. Des données de qualité Contexte : Cours DataWerhouse Elaboré par : Nassim BAHRI Présenté le 10 Mars 2015
    2. 2. 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
    3. 3. 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
    4. 4. 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
    5. 5. Introduction 5 Tronquées?Erronées ? Redondantes ? Les données issues de l’application sont :
    6. 6. 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
    7. 7. 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 yen Au lieu de 1 titre à 610 000 yen 286 millions €
    8. 8. 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
    9. 9. 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 9 Compagnie 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
    10. 10. 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
    11. 11. 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
    12. 12. 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
    13. 13. Démarche de qualité 2. Qualités des données • Expliquer ce qui fait la qualité des données 13 Qualités des données Utilité Accessibilité Crédibilité Interopérabilité Pertinence Usage Opportunité Disponibilité des systèmes Privilèges Standardisation Cohérence Exactitude Format cohérent et sans Ambiguïté (exemple date)
    14. 14. 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
    15. 15. 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
    16. 16. 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
    17. 17. Le socle technologique 17 Un processus de qualité
    18. 18. Le socle technologique • Rôle central des services de qualité dans l’architecture globale des données 18
    19. 19. 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
    20. 20. 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
    21. 21. Références [1] Christophe TOULEMONDE. «Des données de qualité». Livre blanc de JEMM research, Janvier 2008. 21
    22. 22. 22 Merci pour votre attention

    ×