Sujets de données

Le Data Management Body of Knowledge (DMBOK) définit la qualité des données (QD) comme  » la planification, la mise en œuvre et le contrôle d’activités qui appliquent des techniques de gestion de la qualité aux données, afin de s’assurer qu’elles sont propres à la consommation et répondent aux besoins des consommateurs de données. »

Étant donné que les attentes concernant la qualité des données ne sont pas toujours verbalisées et connues, une discussion continue est nécessaire. La qualité des données dépend du contexte et des exigences du consommateur de données.

Une courte Liste des dimensions de la qualité des données est:

• Précision
• Exhaustivité
• Cohérence
• Intégrité
• Raisonnabilité
• Actualité
• Unicité / Déduplication
• Validité
• Accessibilité

D’autres définitions de la qualité des données comprennent:

•  » Adapté à un but. Répond aux exigences de ses auteurs, utilisateurs et administrateurs. » (Dr Peter Aiken, adapté de Martin Eppler)
•  » Le recours à l’exactitude, à la cohérence et à l’exhaustivité des données pour être utile dans toute l’entreprise. » (Michelle Knight)
• Outils et processus utilisés pour l’analyse et la normalisation, le  » nettoyage  » généralisé, l’appariement, le profilage, la surveillance et l’enrichissement (Gartner)

• Cadre Strong-Wang: (Wang, et Strong, MIT et DAMA DMBOK)
  • DQ intrinsèque:
    • Précision
    • Objectivité
    • Crédibilité
    • Réputation
  • QD contextuel :
    • Valeur ajoutée
    • Pertinence
    • Exhaustivité
    • Quantité appropriée de données
  • DQ de Représentation:
    • Interprétabilité
    • Facilité de compréhension
    • Cohérence de la représentation
    • Représentation concise
  • Accessibilité DQ :
    • Accessibilité
    • Sécurité d’accès

Quelques utilisations de la qualité des données sont:

• Augmenter la valeur des données organisationnelles et les possibilités de les utiliser.
• Réduction des risques et des coûts associés à des données de mauvaise qualité.
• Amélioration de l’efficacité et de la productivité organisationnelles.
• Protéger et améliorer la réputation de l’organisation.
• Profilage des données.
• Normalisation des données.
• Surveillance des données.
• Nettoyage des données.

Crédit photo: Rawpixel.com/.com