• FNE
  • FSE

Formation Introduction Data Quality Management

Durée 2 jours
Niveau Fondamental
Classe à distance
Possible

Vous pouvez suivre cette formation en direct depuis votre domicile ou votre lieu de travail. Plus d'informations sur notre solution de classe à distance...

Référence IDQM
Éligible CPF Non

Qu'est-ce que la gestion de la qualité des données et stratégies de remédiation ? 
La gestion de la qualité des données consiste à mettre en œuvre des processus, des techniques et des outils pour garantir que les données d'une organisation sont fiables, précises et utilisables. Les stratégies de remédiation visent à corriger les erreurs ou incohérences détectées afin de maintenir la qualité des données au niveau requis par les utilisateurs et les processus métier.

Pourquoi suivre une formation sur la gestion de la qualité des données et stratégies de remédiation ? 
Aujourd'hui, la qualité des données est cruciale pour garantir des décisions informées et la performance des systèmes d'information. Les entreprises dépendent de données précises pour leurs analyses, opérations et stratégies commerciales. Une formation sur ce sujet permet de comprendre les enjeux de la qualité des données, d'identifier les outils adaptés et de mettre en œuvre des stratégies de remédiation efficaces. Elle est essentielle pour les professionnels souhaitant améliorer la fiabilité de leurs données et garantir leur conformité aux standards de qualité.

Objectif opérationnel :

Savoir évaluer la qualité des données et mettre en place des stratégies efficaces de remédiation.

Objectifs pédagogiques :

A l'issue de cette formation Data Quality Management, vous aurez acquis les connaissances nécessaires pour :

  • Comprendre ce qu'est la gestion de la qualité de données
  • Pourquoi est-elle primordiale aujourd’hui et pour les années à venir ?
  • Apprendre à évaluer la qualité d’un jeu de données selon un ensemble de critères prédéfinis
  • Savoir mettre en œuvre une stratégie d’amélioration de la qualité des données
  • Identifier les principaux outils de data quality management disponibles sur le marché et comprendre leurs fonctionnalités principales
  • Comprendre la gouvernance des données et comment la gestion de la qualité des données s’y intègre
  • Connaître les principales contraintes réglementaires concernant les données, par exemple RGPD

Public :

Ce cours est destiné aux gestionnaires de données, responsables qualité, chefs de projet, analystes de données et toute personne impliquée dans la gestion ou l'exploitation des données au sein de l'entreprise.

Prérequis :

Pour suivre cette formation, il est recommandé d'avoir des connaissances de base en gestion de données et une expérience préalable en utilisation de systèmes d'information. Une première exposition aux concepts de gestion des données ou de business intelligence est un plus pour tirer pleinement parti de la formation.

 Introduction Data Quality Management

Définition et objectifs 
Coût et impact d’une mauvaise qualité des données 
Cause de la mauvaise qualité des données 
Pourquoi les entreprise sous estiment-elles souvent ces problèmes ?

Les critères de la qualité de données

Tidy Data – Données Analysables ou Formatées 
Data Validity – Validité des données 
Data Anomaly Detection - Detection d’anomalies dans les données 
Data Accuracy – Exactitude des données 
Data Completeness – Exhaustivité des données 
DataUniqueness – Unicité des données 
Data Consistency – Cohérence des données 
Data Compliance – Conformité des données
Travaux pratiques :Utilisation d’un jeu de données type tableur (Excel, Google Sheet, etc) contenant diverses erreurs. 
Après chaque présentation de critère, l’exercice consiste à identifier les erreurs associées à ce critère. Une revue des erreurs est ensuite effectuée en groupe.

Mise en place d’une stratégie d’amélioration de la qualité des données

Définition des objectifs d’amélioration et impacts attendus 
Établissement de règles de qualité des données 
Profilage des données – vérification de la conformité aux normes établies 
Évaluation et résolution des problèmes 
Surveillance et contrôle – suivi des indicateurs de performance 
Gestion des erreurs a posteriori et itération
Travaux PratiquesSur le même jeu de données que le module précédent, où les erreurs de différentes natures ont été identifiées, mise en place de règles de qualité pour les identifier de manière automatique.

Les outils de Data Quality Management

Présentation des principaux outils disponibles sur le marché 
Fonctionnalités couramment utilisées 
Démonstration d’un outil en lien avec les ateliers précédents
Travaux pratiques :Prise en main d’un outil de gestion de la qualité des données et application des concepts précédents sur le même jeu de données pour en percevoir l’intérêt.
Date de mise à jour du programme : 09/10/2024

Dates et lieux

Aucune session programmée actuellement.

Ces formations peuvent aussi vous intéresser :

Hive, Pig, Impala, Spark, Drill, Elasticsearch, Logstash, Kibana, Dataviz

  • Niveau : Fondamental
  • Référence : OTAV

  • Niveau : Fondamental
  • Référence : OFDS

  • Niveau : Avancé
  • Référence : MDSA

Connaître, maîtriser et restituer les enjeux du Big Data

  • Niveau : Intermédiaire
  • Référence : CCDS


Formations Informatique
et Management
en ligne à ce jour

+
Stagiaires dans nos salles
de cours sur
l'année

%
De participants satisfaits
ou très satisfaits de nos
formations


Formateurs experts
validés par
PLB