Data Quality

Avoir des données est nécessaire, mais leur valeur grandit lorsqu’elles sont de qualités. 

A contrario, avoir des données de mauvaises qualités nuit aux décisions.

La Data Quality vous apporte la confiance dans vos données.

Être Data Driven est un atout majeur mais dès que la confiance dans les données est perdue, il devient presque impossible de faire adhérer les utilisateurs à leur utilisation. Cette phase de Data Quality est donc indispensable.

#Qualification_des_données #Correction_des_données #Collaboration_entre_les_métiers_et_les_techniques #Processus_de_validation
Plusieurs étapes sont nécessaires
à la qualité de de la donnée :

  Mettre éventuellement un processus de validation couvrant l’ensemble des phases de traitement.

  La collaboration avec les équipes métiers pour les corrections n’étant pas automatiques.

  L’identification des problèmes de qualité ou au moins les doutes sur ceux ci.

  La correction automatique.

Apports

Fiabiliser vos données mais en tirer le plus de valeur.
Optimiser la gestion de la donnée en supprimant des occurrences redondantes car identiques ou semblables.
Faire collaborer différents profils sur vos données.

Cas d'usages

La Data Integration peut s’illustrer notamment par :

L’identification et la correction des divergences de types pour une même donnée reçus lors du développement de flux de Data Integration.
La définition d’un processus de validation
alliant choix techniques et métiers.

Technologies utilisées

Talend