Qualité des données : dimensions, règles et indicateurs

Sciences de l'information · Bachelor 3

Mesurer la qualité des données : exactitude, complétude, cohérence, unicité.

Introduction

Des données de mauvaise qualité conduisent à des décisions erronées, des doublons coûteux et une perte de confiance. La qualité n'est pas une propriété absolue : elle s'évalue par rapport à un usage, c'est-à-dire l'adéquation des données à leur finalité (fitness for use).

On décrit la qualité par des dimensions mesurables : exactitude (conformité à la réalité), complétude (valeurs obligatoires renseignées), cohérence (absence de contradiction entre sources ou champs), unicité (absence de doublons), actualité (mise à jour suffisante) et validité (respect du format et des valeurs admises).

La démarche typique comprend le profilage des données pour découvrir les problèmes, la définition de règles de qualité, la mesure par indicateurs, la correction à la source et le suivi dans le temps. Dans un catalogue de bibliothèque, par exemple, notices en double, auteurs écrits de plusieurs façons ou dates mal formatées sont des défauts classiques.

Objectifs d'apprentissage

Définir la qualité des données comme adéquation à l'usage
Citer et illustrer les principales dimensions
Formuler une règle de qualité mesurable
Décrire le profilage et le cycle d'amélioration
Proposer des indicateurs de suivi

Concepts clés

Adéquation à l'usage: La qualité se juge par rapport à la finalité des données.
Dimensions: Exactitude, complétude, cohérence, unicité, actualité, validité.
Profilage: Analyse statistique des données pour détecter anomalies et motifs.
Correction à la source: Traiter la cause (saisie, interface) plutôt que seulement nettoyer en aval.

Conclusion

La qualité des données est un processus continu qui combine mesure, règles et responsabilités. Elle gagne à être pilotée par des indicateurs simples, reliés aux usages réels.

En associant profilage, contrôles à la saisie et responsabilisation des stewards, on réduit durablement les coûts de correction et on renforce la confiance dans les données.

Cartes

Comment définir la qualité des données ?: Comme leur adéquation à l'usage prévu : fitness for use.
Que mesure la complétude ?: La proportion de valeurs obligatoires effectivement renseignées.
Que mesure l'exactitude ?: Le degré de conformité des valeurs à la réalité qu'elles représentent.
Que mesure l'unicité ?: L'absence de doublons : une entité réelle n'est représentée qu'une fois.
Que mesure la cohérence ?: L'absence de contradiction entre champs ou entre systèmes.
Que mesure l'actualité ?: Le fait que les données soient à jour par rapport au rythme de changement de la réalité.
Qu'est-ce que le profilage ?: Une analyse systématique des données (valeurs manquantes, distributions, formats) pour identifier les problèmes.
Exemple de règle de qualité mesurable ?: « Au moins 98 % des notices ont une date de publication au format AAAA. »
Pourquoi corriger à la source ?: Le nettoyage en aval est répétitif ; contrôler la saisie évite que l'erreur réapparaisse.

Glossaire

Complétude: Part des données obligatoires renseignées.
Exactitude: Fidélité des données à la réalité.
Doublon: Enregistrements multiples pour une même entité.
Profilage de données: Exploration statistique de la structure et du contenu des données.
Règle de validation: Contrôle automatique d'une contrainte sur une donnée.
Indicateur de qualité: Mesure chiffrée suivie dans le temps.