Chapter 1 introduces basic data quality terms, including data quality dimensions and data quality roles and responsibilities. You will also learn the importance and value of data quality in a business context.

Importance of data quality

Value of data quality

Data quality questions

Data quality terms and concepts

Data quality definition in context

Bonus data quality dimensions

Data quality dimension practice

Importance of consistency

Data quality roles and responsibilities

The Data Governance Team

Which data quality role fits

Which role is responsible

Defining Data Quality Terms

You’ll start chapter 2 by identifying data quality rules for each data quality dimension using data profiles. You’ll also learn about metadata and data lineage before exploring the overall data quality process for triaging and remediating issues.

Data quality rules using dimensions

Data quality rules

Data quality scenarios

Data profiles

Data quality rules based on a data profile

Data profile conclusions

Metadata and data quality

Identifying metadata

Order of data lineage

Data quality issues triage

Using data lineage and metadata

Executing data quality processes

Data Quality Processes and Components

In chapter 3, you’ll learn about the different types of data quality rules and the concept of data quality alert thresholds. You’ll finish the chapter with an exercise that puts dimensions, data quality rules, data quality processes, and data quality alerts together.

Règles de qualité des données de type Détection

Identifier les règles de détection

Processus de remédiation pour les problèmes détectés

Remédier aux problèmes détectés

Règles de qualité des données de type Préventives

Quand utiliser une règle Préventive ?

Options

Règle de qualité des données de type Détectives

Règle de qualité des données de type Préventives

Règles de qualité des données de type Détectives ou Préventives

Détection des anomalies

Quand utiliser la détection d'anomalies ?

Triage des anomalies

Seuils de qualité des données

Sélection du seuil

Niveau 1 - Avertissement

Niveau 2 - Alerte pour problème critique

Niveau 3 - Prévenir les problèmes critiques

Adapter le seuil à la criticité

Synthèse

Data Quality Rules In Action

Cheat Sheet - Data Quality Dimensions

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. <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 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>
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.

<h2>Découvrez les bases de la qualité des données</h2>
La qualité des données est un concept fondamental qu'il est essentiel de comprendre si vous travaillez 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, y compris les dimensions de la qualité des données, les rôles et les responsabilités, et les types de règles de qualité des données. Vous comprendrez le processus de qualité des données et serez prêt à 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 à titre préventif et curatif. <br><br> Vous apprendrez également les bases de la détection des anomalies, un moyen plus avancé de contrôler la qualité des données. Vous réunirez ces concepts en appliquant le processus de qualité des données. Vous apprendrez quel rôle est responsable des tâches spécifiques de qualité des données et l'ordre dans lequel ces tâches doivent être accomplies. 
<h2>Maîtriser 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. En fin de compte, vous serez en mesure de prendre de meilleures décisions et d'avoir 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

Découvrez les bases de la qualité des données et apprenez les concepts, dimensions et techniques clés pour l’évaluer et l’améliorer.

Fondamentaux de la gouvernance des données

Quand utiliser une règle Préventive ?

Introduction à la qualité des données

Exercice interactif pratique