Ressources
Préparer des données avant toute analyse
La préparation occupe la plus grande part du travail d'analyse, et elle décide de la validité de tout ce qui suit. Sources, formats, valeurs manquantes, doublons, cohérence : chaque point se traite par une décision documentée.
Chaque décision de nettoyage se documente
Remplacer une valeur manquante par une moyenne, écarter une ligne aberrante, fusionner deux référentiels clients : ces gestes changent le résultat, et celui qui lira l'analyse dans six mois doit pouvoir les retrouver. La traçabilité des transformations est donc une exigence de méthode autant qu'un confort : elle permet de rejouer la préparation sur de nouvelles données, de comparer deux périodes, et de répondre à une objection en pointant la ligne concernée.
- Un inventaire des sources, avec leur propriétaire et leur fréquence de mise à jour
- Un format unique par type de valeur : date, montant, identifiant
- Une décision explicite sur chaque valeur manquante, appliquée uniformément
- Une règle de dédoublonnage écrite, testée sur des cas connus
- Un référentiel unique par objet du métier, aligné entre les systèmes
L'ordre des opérations
- 01
Inventorier et dater
D'où vient chaque colonne, qui la produit, à quelle fréquence. Cet inventaire évite les rapprochements impossibles.
- 02
Uniformiser les formats
Dates, montants et identifiants ramenés à une seule écriture. La moitié des écarts constatés disparaît ici.
- 03
Traiter les manques
Une décision par colonne, écrite. La valeur absente est parfois l'information la plus intéressante du jeu.
- 04
Dédoublonner et rapprocher
Une règle testée sur des cas connus, puis appliquée. Le rapprochement inter-systèmes se vérifie par échantillon.
- 05
Documenter et rejouer
La préparation devient un traitement rejouable. C'est ce qui transforme une analyse ponctuelle en suivi régulier.
Le poids de la préparation au catalogue
- heures sur la qualité des données
- 200
- heures d'ingénierie des données
- 240
- heures dans le certificat décideurs
- 40
Bloc dédié du cursus de pilotage.
Extraction, transformation, qualité, orchestration.
Le même sujet, ramené à l'essentiel opérationnel.
Questions sur la préparation
Quelle part du temps la préparation occupe-t-elle ?
La plus grande, et c'est une donnée de conception plutôt qu'un imprévu : le calendrier d'un projet de données réserve donc explicitement ce temps. Un projet qui le sous-estime livre une analyse dont personne ne peut défendre les chiffres.
Que faire d'une colonne à moitié vide ?
L'examiner avant de la traiter : l'absence suit souvent une logique — un formulaire facultatif, une période antérieure à une mise en service. Cette logique est parfois l'information la plus intéressante du jeu, et elle se documente au même titre que la décision retenue.
Comment rapprocher deux référentiels clients ?
Par une règle écrite, testée d'abord sur des cas dont on connaît la réponse, puis vérifiée par échantillon sur le reste. Le bloc de qualité des données construit cette règle et sa traçabilité, sur des jeux réels.
À explorer ensuite
- Tableau de bordQuestion de départ, choix du graphique, hiérarchie visuelle, seuils et alertes, diffusion : construire un tableau de bord qui déclenche des décisions.
- Analyse trompeuseEffets de sélection, dénominateurs choisis, corrélation et causalité, axes tronqués : les quatre contrôles à faire avant d'accepter un chiffre.
- Apprentissage automatiqueRégression, classification, validation croisée, sélection de modèle et interprétabilité : ce que fait réellement un modèle et comment on le valide.
- Modèle en productionService d'inférence, suivi de la dérive, réentraînement, coût d'exploitation et arbitrage entre traitement local et infonuagique.
- Gouvernance des donnéesPropriété des données, cycle de vie, hébergement, durée de conservation, réversibilité et dépendance aux fournisseurs : cadrer la gouvernance.
- Données personnellesFinalité, base légale, minimisation, durée de conservation, sécurité et droits des personnes : le registre des traitements en pratique.