Le chapitre 1 présente les termes de base en qualité des données, notamment les dimensions de la qualité des données ainsi que les rôles et responsabilités. Vous verrez aussi l'importance et la valeur de la qualité des données dans un contexte d'affaires.

Importance de la qualité des données

Valeur de la qualité des données

Questions sur la qualité des données

Termes et concepts de la qualité des données

Définition de la qualité des données en contexte

Dimensions supplémentaires de la qualité des données

Exercice sur les dimensions de qualité des données

Importance de la cohérence

Rôles et responsabilités en matière de qualité des données

L'équipe de gouvernance des données

Quel rôle en matière de qualité des données convient

Quel rôle est responsable

Définir les termes liés à la qualité des données

Au début du chapitre 2, vous identifierez des règles de qualité des données pour chaque dimension de qualité des données à l'aide de profils de données. Vous en apprendrez aussi davantage sur les métadonnées et la lignée des données avant d'explorer le processus global de qualité des données pour trier et corriger les problèmes.

Règles de qualité des données selon les dimensions

Règles de qualité des données

Scénarios de qualité des données

Profils de données

Règles de qualité des données à partir d'un profil de données

Conclusions à partir d'un profil de données

Métadonnées et qualité des données

Repérer les métadonnées

Ordre de la traçabilité des données

Triage des problèmes de qualité des données

Utiliser la traçabilité des données et les métadonnées

Mettre en œuvre les processus de qualité des données

Processus et composants de la qualité des données

Dans le chapitre 3, vous découvrirez les différents types de règles de qualité des données et la notion de seuils d'alerte en qualité des données. Vous terminerez le chapitre avec un exercice qui réunit les dimensions, les règles de qualité des données, les processus de qualité des données et les alertes de qualité des données.

Règles de qualité des données de type détectif

Identifier les règles détectives

Processus de remédiation pour les problèmes détectés

Corriger les problèmes détectés

Règles préventives de qualité des données

Quand utiliser une règle préventive

Options

Règle de qualité des données détective

Règle de qualité des données préventive

Règles de qualité des données : détectives ou préventives

Détection des anomalies

Quand utiliser la détection d'anomalies

Prioriser les anomalies

Seuils de qualité des données

Choisir les seuils

Niveau 1 - Avertissement

Niveau 2 - Alerte pour problème critique

Niveau 3 - Prévenir un problème critique

Faire correspondre le seuil à la criticité

Récapitulatif

Règles de qualité des données en action

Cheat Sheet - Data Quality Dimensions

La qualité des données est un concept fondamental que vous devez bien comprendre si vous travaillez avec des données. Les concepts et processus liés à la qualité des données s'appliquent à tous les secteurs et peuvent être utilisés par toute personne qui produit ou consomme des données. Ce cours couvre les notions de base, dont les dimensions de la qualité des données, les rôles et responsabilités, ainsi que les types de règles de qualité des données. Vous comprendrez le processus de qualité des données et serez prêt à commencer à surveiller la qualité de vos propres données. <br><br>
Vous commencerez par apprendre la définition de la qualité des données et pourquoi il est si important d'en tenir compte dans la prise de décisions d'affaires. Une fois l'importance comprise, vous découvrirez six dimensions fondamentales de la qualité des données. Vous utiliserez ces dimensions pour définir des règles de qualité des données de type détection et prévention. <br><br>
À la fin du cours, vous saurez comment surveiller, repérer et résoudre les problèmes de qualité des données. Vous porterez un regard plus critique sur vos données et penserez aux problèmes potentiels de qualité avant de les utiliser. En fin de compte, vous pourrez prendre de meilleures décisions et avoir davantage confiance en vos données grâce aux techniques de base en qualité des données présentées dans ce cours.

<h2>Explorez les bases de la qualité des données</h2>
La qualité des données est un concept fondamental qu'il est essentiel de comprendre lorsqu’on travaille avec des données. Les concepts et processus relatifs à la qualité des données s'étendent à tous les secteurs et peuvent être appliqués par toute personne qui produit ou consomme des données. Ce cours couvre les bases, comme les dimensions de la qualité des données, les rôles et les responsabilités, ainsi que les types de règles de qualité des données. Vous allez comprendre le processus de qualité des données et vous former pour commencer à contrôler la qualité de vos propres données. 
<h2>Découvrez les dimensions de la qualité des données</h2>
Vous commencerez par apprendre la définition de la qualité des données et pourquoi il est si important d'en tenir compte dans la prise de décision des entreprises. Une fois que vous en aurez compris l'importance, vous découvrirez les six dimensions fondamentales de la qualité des données. Vous utiliserez ces dimensions pour définir des règles de qualité des données de type Préventives et Curatives. <br><br> Vous apprendrez également les bases de la détection d’anomalies, une méthode plus avancée pour surveiller la qualité des données. Vous mettrez ces concepts en pratique en appliquant le processus de qualité des données. Vous apprendrez quel rôle est responsable de tâches précises liées à la qualité des données et dans quel ordre ces tâches doivent être effectuées. 
<h2>Maîtrisez les bases de la gestion de la qualité des données</h2>
À l'issue de ce cours, vous saurez comment contrôler, identifier et résoudre les problèmes de qualité des données. Vous examinerez vos données d'un œil plus critique et réfléchirez aux problèmes potentiels de qualité des données avant de les utiliser. Enfin, vous serez en mesure de prendre de meilleures décisions et vous aurez plus confiance en vos données en appliquant les techniques de base de la qualité des données couvertes dans ce cours.

Découvrez les bases de la gestion de la qualité des données : concepts clés, dimensions, techniques.

Introduction à la qualité des données

Notions fondamentales de la gouvernance des données

Tous les numéros de compte doivent comporter 10 chiffres. Continuer le chargement en aval des données si une erreur est détectée.

Toutes les dates d'ouverture de compte doivent être dans le passé. Continuer le chargement en aval des données si une erreur est détectée.

Tous les comptes ayant l'état « Ouvert » doivent avoir un solde supérieur à 0,00. Continuer le chargement en aval des données si une erreur est détectée.

Tous les enregistrements doivent avoir un numéro de compte renseigné. Ne pas charger les données en aval si une erreur est détectée.

Tous les enregistrements doivent avoir un nom d'emprunteur renseigné. Ne pas charger les données en aval si une erreur est détectée.

Tous les enregistrements doivent avoir un numéro d'assurance sociale de l'emprunteur. Ne pas charger les données en aval si une erreur est détectée.

Règles de qualité des données : détectives ou préventives

Introduction à la qualité des données

Exercice interactif pratique