Gestion de la qualité des données

- Identifier le rôle et les différents aspects de la gouvernance des données. - Définir les enjeux réglementaires de la donnée. - Envisager une gouvernance des données selon les bonnes pratiques. - Appréhender les technologies pour la qualité des données. - Mettre en place les éléments de mesure de qualité des données.

- Qualité de l'information dans les organisations. Définir les concepts clé : données, information, connaissance. Déterminer le cycle de vie de l'information. Identifier la valeur de la donnée. - Caractéristiques de la qualité des données ?. La fraîcheur. La disponibilité. La cohérence. La traçabilité. La sécurisation. L'exhaustivité. - L'importance de la qualité de l'information. Le coût de la non-qualité. Qualité de l'information en interne. La qualité des relations entre l'entreprise et l'extérieur (clients, partenaires, ...). - La démarche qualité. Identifier les motivations. Définir les événements déclencheurs des démarches QoD. La recherche de plus d'efficacité métier. - Enjeux réglementaires et juridiques. Identifier l'impact juridique et règlementaire en termes de qualité des données. Définir les obligations qui pourraient aller à l'encontre des démarches de qualité des données des entreprises. - Les facteurs clés de succès et bonnes pratiques. Lister les piliers de la qualité des données. Les bonnes questions à se poser. Le pilotage du projet. La gestion des volumes. Vers une gouvernance de l'information. - Gouvernance des données. D'une démarche qualité à la mise en place d'une gouvernance de l'information. Répartition des rôles entre l'Informatique et les Métiers. Les 5 niveaux de maturité. Les principaux drivers pour la gouvernance des données. Organiser les éléments stratégiques des ensembles de données à l'aide des métadonnées. Favoriser la prise de responsabilité grâce aux workflows de stewardship des données. Créer un data lake avec une qualité de données native pour traiter le droit au consentement et les droits de la personne concernée. Suivre et gérer les données via des pistes d'audit et le lignage de données. - Mesurer la qualité des données. La problématique des silos de données. Rôle du Master Data Management (MDM). Les apports d'un outil de type DQM (Data Quality Management). Les critères à prendre en compte pour évaluer un outil DQM (définition et contrôle de patterns, algorithmes spécifiques disponibles, simulation de fusion, profilage, convivialité pour la vue d'ensemble des données, etc.). Quelques exemples d'outils. La place des ETL dans la qualité des données. Liens entre MDM et qualité (conformité). Grille de « mesure » (complétude, exactitude, cohérence, pertinence). Les procédures à appliquer et leurs coûts (humain, automatisation, etc.). Mettre en place une démarche de mesure de la qualité des données. - Limites, pièges à éviter et perspectives. Les réticences aux démarches de qualité de l'information. Le coût de la sur-qualité. Explosion de la volumétrie. Changement de nature de la donnée. Impact du Web et des médias sociaux. Prise en considération accrue de la donnée non structurée.

Attestation de suivi de présence

Pour suivre cette formation Gestion de la qualite des donnees, il est necessaire d avoir des connaissances en SI et d etre a l aise avec le traitement des donnees.