Practical Data Quality
Clarifier et prenez en main les concepts clés de la gestion de la qualité des données
Pierre angulaire de la gestion des données, la mise sous contrôle qualité des données est une étape obligatoire pour considérer ses données comme un actif. Par où commencer ? Comment mesurer la qualité des données ? Quels processus et outils doivent être déployés ? A travers l'expérience des consultants de Pramana et en s'appuyant sur les bonnes pratiques issues d'ouvrages de référence, Pramana University propose une formation permettant d’une part de clarifier les concepts clés, mais également de pouvoir opérationnaliser des activités de gestion de la qualité des données. Elle apporte ainsi non seulement des clés de lecture théoriques, mais également une vue pratique sur le sujet via la réalisation de cas pratiques (définir des règles de qualité des données, profiler les données, résolution de doublons, etc ...) ainsi que de démonstration outillé (identification de cause racine, corrigé des données, utiliser un tableau de bord, etc ...)
À propos de cette formation
Lieux sur devis
À partir de 1650€ HT
2 jours
14 heures
Action de formation
Éligible OPCO
Chiffres clés
10
Très bien
Taux de satisfaction à chaud : 10 / 10
2023
Date de création
En savoir plus
- Comprendre les concepts clés de la qualité des données
- Savoir mettre en œuvre les méthodes et bonnes pratiques issues des ouvrages de référence (DMBOK, Ten Steps to Quality Data and Trusted Information, …) et de nos expériences terrain pour : - Mesurer et suivre la qualité des données - Identifier les causes racines des problèmes de qualité - Mettre en qualité les données
- Acquérir des compétences opérationnelles ancrées dans le réel grâce aux cas pratiques et aux illustrations outillées (avec Informatica, Power BI et Knime)
-
Concepts clés
- Data as an Asset : Principes d’une organisation Data Driven
- Enjeux et définitions : La qualité des données selon DMBOK
- Fitness for purpose : La conformité aux usages
- La non qualité : - Impacts et risques de la non-qualité - Cas pratique - Problèmes classiques de la qualité & Causes racines - Cas pratique
- Les principes de la qualité - Cas pratique
- Les dimensions de la qualité : Définition, bénéfices & Frameworks existants
- Les bonnes pratiques
- Les rôles
-
Démarche de gestion de la qualité des données - Partie 1
- Le cycle d’amélioration de la qualité
- Phase 1 & 2 : Définir les besoins métier et la démarche sur le cycle puis analyser l’environnement informationnel: - Illustrations glossaire et linéage métier
- Phase 3 & 4 : Évaluation de la qualité des données & des impacts métiers - Illustrations linéage fonctionnel et points de contrôle - Bonnes pratiques - Focus sur le profiling - Cas pratique sur les règles de qualité - Démonstration outillée profiling - Illustrations et cas pratiques sur la Résolution de doublons, les Algorithmes de matching et les Seuils de confiance - Évaluation des impacts
-
Démarche de gestion de la qualité des données - Partie 2
- Phase 5 : Identifier les causes racines - Illustration sur l’identification des causes racines - Démonstration outillée Track & trace
- Phase 6 : Définir le plan d’ amélioration - Cas pratiques sur les règles et indicateurs de qualité des données
- Phase 7 & 8 : Mettre en œuvre les actions préventives & correctives - Illustrations data processing - Démonstration outillée data processing / correction
- Phase 9 : Implémenter les contrôles - Illustrations sur la mesure de la non qualité - Démonstration outillée Tableau de bord
-
Outillage
- Outils du marché et outils de DQM: - Fonctionnalités supportées par les outils spécifiques de Data Quality Management (DQM) - Fonctionnalités supportées par des outils du marché non estampillés DQM
- Présentation et illustrations avec: - Informatica DQ - KNIME - Power BI
L'organisme de formation
Human learning
Découvrir l'organisme de formation
Public concerné
- Data Steward
- Data Analyst / Data Quality Analyst
- Membres de Cellule Données / Data Office
- Data Owner
- Responsable SI métier
- AMOA
- Bonne culture générale sur les Systèmes d'Information et leurs architectures
- Première expérience sur une thématique du Data Management
- Public expérimenté > 3 ans d'expérience
Conditions d'accès
D'autres formations qui pourraient vous intéresser