QUALIT DES DONNES la mthode gnrale

1
QUALITÉ DES DONNÉESla méthode générale
modèle de données
mesurer
données non conformes
corriger
données corrigées / S.I. amélioré
prévenir
programmes corrigés gestion des exceptions
2
MESURER LA QUALITÉ DES DONNÉES
Le modèle des données est le point central de
toutes les actions
3
MESURER LA QUALITÉ DES DONNÉES
application A
programmes
qualité du système dinformations
données
qualité des données
application B
programmes
qualité du système dinformations
données
qualité des données
monde réel
modèle de lorganisation (AB liens fonctionnels)
qualité du système dinformations de
lorganisation
4
MESURER LA QUALITÉ DES DONNÉES
5
MESURER LA QUALITÉ DES DONNÉES
6
MESURER LA QUALITÉ DES DONNÉES
7
QUALITÉ DES DONNÉESla méthode générale
modèle de données
mesurer
données non conformes
corrections
données corrigées
mesures de prévention
programmes corrigées gestion des exceptions
8
CORRIGER

• Pour les données
• inadéquation des concepts
• segmentation et normalisation des champs
• nettoyage des valeurs des champs
• détection des données  orphelines 
• déduplication des occurrences
• Pour le système dinformation
• Amélioration du modèle des données et de
  lapplication

9
CORRIGER
10
PRÉVENIR

• La mise en oeuvre de processus de qualité des
  données doit permettre
• de nettoyer ponctuellement le fond du fleuve
• dendiguer larrivée de nouveaux flux
  dinformation de qualité douteuse

11
QUALITÉ DES DONNÉESla méthode générale
modèle de données
mesurer
données non conformes
corrections
données corrigées
mesures de prévention
programmes corrigées gestion des exceptions
12
PRÉVENIR

• Objectif (Ré)organiser les flux de données de
  manière à garantir un niveau déterminé de qualité
  et donc minimiser les processus correctifs.
• Principe Les données sont des produits sortant
  d'une chaîne de fabrication. On devrait donc leur
  appliquer les principes de contrôle de qualité de
  l'industrie.
• Mesure en différents points
• Validation par rapport au monde externe
• Implique tout autant l'organisation (management,
  processus administratifs) que la technologie.
• Importance des résistances

13
PRÉVENIR

• Technique
• Correction des programmes
• Consolidation du dictionnaire de données
  (méta-données complètes).
• Réingénierie des BD
• Organisationnel
• Identification des processus et des flux des
  données
• Identification des points critiques et des
  responsabilités
• Formation des utilisateurs
• Restructuration organisationnelle flux

14
SYNTHÈSE
mesurer
corriger
prévenir
détection des données  orphelines 
extraction logique des données
15
SYNTHÈSE
mesurer
corriger
prévenir
ce quil faut faire
1
2
3
4