{"id":62229,"date":"2021-11-15T10:57:51","date_gmt":"2021-11-15T15:57:51","guid":{"rendered":"https:\/\/dataladder.com\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/"},"modified":"2021-12-21T13:52:44","modified_gmt":"2021-12-21T13:52:44","slug":"fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions","status":"publish","type":"post","link":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/","title":{"rendered":"Fusionner des donn\u00e9es provenant de sources multiples &#8211; D\u00e9fis et solutions"},"content":{"rendered":"\n<h3><strong>Fusionner des donn\u00e9es provenant de plusieurs sources<\/strong> <\/h3>\n\n<p>La fusion des donn\u00e9es est un processus par lequel les donn\u00e9es sont unifi\u00e9es \u00e0 partir de sources multiples pour repr\u00e9senter un point de r\u00e9f\u00e9rence unique ou un point de v\u00e9rit\u00e9 unique. Bien qu&rsquo;il s&rsquo;agisse d&rsquo;un objectif apparemment simple, la fusion des donn\u00e9es est un processus aussi compliqu\u00e9 que de d\u00e9m\u00ealer une pelote de fil nou\u00e9e. La raison ? Une entreprise moyenne a d\u00e9ploy\u00e9 environ <a href=\"https:\/\/www.skyhighnetworks.com\/cloud-security-blog\/every-company-is-a-software-company-today\/\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">464 applications personnalis\u00e9es<\/a> pour g\u00e9rer ses processus op\u00e9rationnels.  <\/p>\n\n<p>En outre, la plupart des bases de donn\u00e9es pr\u00e9sentent des probl\u00e8mes de duplication, d&rsquo;incoh\u00e9rence et d&rsquo;inexactitude. Le nom et l&rsquo;adresse d&rsquo;un client peuvent \u00eatre \u00e9crits de 10 fa\u00e7ons diff\u00e9rentes par 10 personnes diff\u00e9rentes dans 10 r\u00e9f\u00e9rentiels de donn\u00e9es diff\u00e9rents. En outre, ces donn\u00e9es proviennent de dix sources diff\u00e9rentes : sites web, formulaires de pages de renvoi, publicit\u00e9s sur les m\u00e9dias sociaux, registres des ventes, registres de facturation, registres de marketing, registres des points d&rsquo;achat et autres domaines dans lesquels le client a pu interagir avec l&rsquo;entreprise.  <\/p>\n\n<p>Mais lorsqu&rsquo;il s&rsquo;agit de tirer des enseignements utiles des donn\u00e9es collect\u00e9es, il devient important de combiner toutes ces sources de donn\u00e9es et d&rsquo;obtenir un point de r\u00e9f\u00e9rence unique.  <\/p>\n\n<p>Dans cet article, nous aborderons des sujets essentiels tels que :  <\/p>\n\n<ul><li>Sc\u00e9narios o\u00f9 la fusion des donn\u00e9es devient n\u00e9cessaire  <\/li><li>Comment fusionner des donn\u00e9es provenant de plusieurs sources  <\/li><li>D\u00e9fis rencontr\u00e9s lors du processus de fusion des donn\u00e9es  <\/li><li>Meilleures pratiques pour permettre une fusion des donn\u00e9es sans heurts  <\/li><\/ul>\n\n<p>Commen\u00e7ons.  <\/p>\n\n<p><\/p>\n\n<h3><strong>Sc\u00e9narios o\u00f9 la fusion des donn\u00e9es devient n\u00e9cessaire<\/strong> <\/h3>\n\n<p>Voyons plus en d\u00e9tail l&rsquo;importance de la fusion de donn\u00e9es provenant de sources multiples dans trois sc\u00e9narios diff\u00e9rents :  <\/p>\n\n<h4><strong>1. Initiative de transformation num\u00e9rique  <\/strong><\/h4>\n\n<p>La fusion de donn\u00e9es est n\u00e9cessaire pour d\u00e9placer des fichiers disparates (tels que des fichiers texte, des CSV, des feuilles Excel, des bases de donn\u00e9es SQL ou d&rsquo;autres formats de fichiers) vers un syst\u00e8me complet d&rsquo;h\u00e9bergement et de traitement des donn\u00e9es, et pour permettre l&rsquo;automatisation des flux de travail, l&rsquo;am\u00e9lioration des capacit\u00e9s de recherche, le contr\u00f4le de l&rsquo;acc\u00e8s aux informations, etc.  <\/p>\n\n<h4><strong>2. Favoriser l&rsquo;intelligence \u00e9conomique  <\/strong><\/h4>\n\n<p>La fusion de donn\u00e9es se produit g\u00e9n\u00e9ralement lors de la combinaison de donn\u00e9es r\u00e9sidant dans diff\u00e9rentes applications (telles que les CRM, les outils d&rsquo;automatisation du marketing, les outils d&rsquo;analyse de sites Web, etc.), et les fusionne pour pr\u00e9parer l&rsquo;analyse et le traitement ult\u00e9rieurs des donn\u00e9es, et extraire des informations utiles pour les pr\u00e9visions futures.  <\/p>\n\n<h4><strong>3. Int\u00e9gration des donn\u00e9es apr\u00e8s les fusions et acquisitions  <\/strong><\/h4>\n\n<p>Les fusions et acquisitions comportent des \u00e9l\u00e9ments mobiles complexes, et l&rsquo;une des \u00e9tapes les plus compliqu\u00e9es consiste \u00e0 combiner les donn\u00e9es de diff\u00e9rentes entreprises en un seul r\u00e9f\u00e9rentiel, puis \u00e0 rendre les processus compatibles avec les projets, structures et flux de travail nouvellement fusionn\u00e9s.  <\/p>\n\n<h3><strong>Comment fusionner des donn\u00e9es provenant de plusieurs sources<\/strong> <\/h3>\n\n<p>La fusion des donn\u00e9es doit \u00eatre trait\u00e9e comme un processus \u00e9troitement surveill\u00e9 et contr\u00f4l\u00e9 afin d&rsquo;\u00e9viter la perte de donn\u00e9es ou de causer des dommages irr\u00e9versibles aux structures de donn\u00e9es individuelles concern\u00e9es. Nous avons mis en \u00e9vidence ci-dessous les trois \u00e9tapes de la fusion des donn\u00e9es :  <\/p>\n\n<h4><strong>Processus de pr\u00e9-fusion<\/strong> <\/h4>\n\n<h5><strong>1. Profilage des donn\u00e9es  <\/strong><\/h5>\n\n<p>Sans profilage des sources de donn\u00e9es individuelles, il est difficile de comprendre les donn\u00e9es que vous traitez ou l&rsquo;impact de vos d\u00e9cisions pendant le processus de fusion. Un processus de <a href=\"https:\/\/dataladder.com\/fr\/logiciels-et-outils-de-profilage-de-donnees-obtenez-des-resultats-instantanes-devaluation-de-la-qualite-des-donnees\/\">profilage des donn\u00e9es<\/a> donne un aper\u00e7u de deux parties importantes de vos donn\u00e9es :  <\/p>\n\n<h6><strong>a. Analyse des attributs  <\/strong><\/h6>\n\n<p>Il identifie et met en \u00e9vidence la liste des attributs (colonnes de donn\u00e9es) que chaque source de donn\u00e9es contient. Cela vous aide \u00e0 comprendre comment vos donn\u00e9es fusionn\u00e9es peuvent s&rsquo;\u00e9chelonner verticalement, en fonction des attributs qui peuvent \u00eatre fusionn\u00e9s et de ceux qui doivent \u00eatre ajout\u00e9s car ils repr\u00e9sentent des informations distinctes.  <\/p>\n\n<h6><strong>b. Analyse statistique de chaque attribut  <\/strong><\/h6>\n\n<p>Il analyse les valeurs des donn\u00e9es contenues dans chaque colonne d&rsquo;une source pour \u00e9valuer la distribution, l&rsquo;exhaustivit\u00e9 et l&rsquo;unicit\u00e9 des attributs. En outre, un profil de donn\u00e9es valide \u00e9galement les valeurs par rapport \u00e0 un mod\u00e8le d\u00e9fini et met en \u00e9vidence les valeurs non valides.  <\/p>\n\n<p>Pr\u00e9cis\u00e9ment, les profils de donn\u00e9es calculent et pr\u00e9sentent l&rsquo;\u00e9tat actuel de vos sources de donn\u00e9es, et mettent en \u00e9vidence les possibilit\u00e9s de <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-nettoyage-de-donnees-outil-de-nettoyage-des-donnees-crm-rapide-et-economique\/\">nettoyage<\/a> et autres consid\u00e9rations avant que le processus de fusion ne puisse r\u00e9ellement commencer.  <\/p>\n\n<h5><strong>2. Nettoyage, normalisation et transformation des donn\u00e9es  <\/strong><\/h5>\n\n<p>Il n&rsquo;est pas pratique de fusionner des sources de donn\u00e9es qui contiennent des valeurs incompl\u00e8tes, inexactes ou invalides. Les attributs de donn\u00e9es de deux sources diff\u00e9rentes peuvent repr\u00e9senter conceptuellement la m\u00eame information, mais le format de leurs valeurs de donn\u00e9es peut \u00eatre compl\u00e8tement diff\u00e9rent. Ces diff\u00e9rences structurelles et lexicales dans les donn\u00e9es peuvent entra\u00eener des pertes de donn\u00e9es et des erreurs irr\u00e9parables si les donn\u00e9es sont fusionn\u00e9es sans avoir \u00e9t\u00e9 nettoy\u00e9es et normalis\u00e9es. En utilisant les profils de donn\u00e9es g\u00e9n\u00e9r\u00e9s comme point de r\u00e9f\u00e9rence, un certain nombre de mesures sont prises pour <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-normalisation-des-donnees-outil-de-standardisation-des-donnees-rapide-et-economique\/\">normaliser la<\/a> qualit\u00e9 des <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-normalisation-des-donnees-outil-de-standardisation-des-donnees-rapide-et-economique\/\">donn\u00e9es<\/a>, dont quelques-unes sont pr\u00e9sent\u00e9es ci-dessous :  <\/p>\n\n<ul><li>Remplacement des caract\u00e8res non valides par des valeurs correctes (par exemple, remplacement des caract\u00e8res non imprimables, des valeurs nulles, des espaces avant ou arri\u00e8re, etc.)  <\/li><\/ul>\n\n<ul><li>L&rsquo;analyse syntaxique des champs de donn\u00e9es longs en composants plus petits afin de normaliser les donn\u00e9es entre plusieurs sources (par exemple, l&rsquo;analyse syntaxique du champ <em>Adresse <\/em>en <em>num\u00e9ro de rue<\/em>, <em>nom de rue<\/em>, <em>ville<\/em>, <em>code postal<\/em> et <em>pays<\/em>). L&rsquo;analyse des champs de donn\u00e9es de cette mani\u00e8re garantit que l&rsquo;exactitude des donn\u00e9es est maintenue apr\u00e8s la fusion des donn\u00e9es.  <\/li><li>D\u00e9finir les contraintes d&rsquo;int\u00e9grit\u00e9, les validations de mod\u00e8le et les types de donn\u00e9es autoris\u00e9s pour tous les attributs (par exemple, le nombre maximum\/minimum de caract\u00e8res autoris\u00e9s pour le champ <em>Nombre <\/em>, qui ne peut contenir que des chiffres ou des tirets dans un mod\u00e8le tel que <em>NNN-NNN-NNNN<\/em>).  <\/li><\/ul>\n\n<h5><strong>3. Filtrage des donn\u00e9es  <\/strong><\/h5>\n\n<p>Il se peut que vous souhaitiez simplement fusionner des sous-ensembles de vos sources de donn\u00e9es au lieu d&rsquo;effectuer une fusion compl\u00e8te. Ce d\u00e9coupage horizontal ou vertical de vos donn\u00e9es est g\u00e9n\u00e9ralement n\u00e9cessaire dans les cas suivants :  <\/p>\n\n<ul><li>Vous voulez fusionner les donn\u00e9es tombant dans une certaine p\u00e9riode de temps (d\u00e9coupage horizontal).  <\/li><li>Vous voulez fusionner des donn\u00e9es pour les analyser et seul un sous-ensemble de lignes r\u00e9pond aux crit\u00e8res conditionnels (d\u00e9coupage horizontal).  <\/li><li>Vos donn\u00e9es contiennent un certain nombre d&rsquo;attributs qui ne contiennent pas d&rsquo;informations utiles (d\u00e9coupage vertical).  <\/li><\/ul>\n\n<p>Si vous souhaitez fusionner toutes les donn\u00e9es sans rien omettre, vous pouvez passer \u00e0 l&rsquo;\u00e9tape suivante.  <\/p>\n\n<h5><strong>4. D\u00e9duplication des donn\u00e9es  <\/strong><\/h5>\n\n<p>Parfois, les organisations ont tendance \u00e0 stocker les informations d&rsquo;une m\u00eame entit\u00e9 dans plusieurs sources. Chacun de ces enregistrements repr\u00e9sente des donn\u00e9es pr\u00e9cieuses sur cette entit\u00e9. La fusion des donn\u00e9es devient difficile si vos ensembles de donn\u00e9es contiennent des doublons. Avant de lancer le processus de fusion, il est essentiel de mettre en \u0153uvre des algorithmes de rapprochement des donn\u00e9es appropri\u00e9s pour identifier les doublons, appliquer des r\u00e8gles conditionnelles pour supprimer les doublons et assurer l&rsquo;unicit\u00e9 des enregistrements dans toutes les sources.  <\/p>\n\n<h4><strong>Processus de fusion : Agr\u00e9gation\/int\u00e9gration des donn\u00e9es<\/strong> <\/h4>\n\n<p>Les donn\u00e9es sont maintenant pr\u00eates \u00e0 entrer dans le processus de fusion. En fonction de la finalit\u00e9, les donn\u00e9es peuvent \u00eatre fusionn\u00e9es de diff\u00e9rentes mani\u00e8res :  <\/p>\n\n<ul><li>Ajout de lignes  <\/li><li>Ajout de colonnes  <\/li><li>Ajout de lignes et de colonnes \u00e0 la fois  <\/li><li>Fusion conditionnelle  <\/li><\/ul>\n\n<p>Examinons chacun de ces sc\u00e9narios de mani\u00e8re un peu plus d\u00e9taill\u00e9e.  <\/p>\n\n<h5><strong>1. Ajouter des lignes  <\/strong><\/h5>\n\n<p>L&rsquo;ajout de lignes est utile lorsque vous souhaitez rassembler et combiner des enregistrements provenant de diff\u00e9rentes sources en un seul endroit.  <\/p>\n\n<p>Un exemple d&rsquo;ajout de rang\u00e9es est le cas o\u00f9 vous avez recueilli des informations sur les clients par le biais de plusieurs syst\u00e8mes de gestion des contacts, mais que vous avez maintenant besoin de rassembler tous les enregistrements en un seul endroit.  <\/p>\n\n<p><strong>Consid\u00e9rations<\/strong> <\/p>\n\n<ul><li>Toutes les sources de donn\u00e9es \u00e0 combiner doivent avoir la m\u00eame structure (colonnes).  <\/li><li>Les types de donn\u00e9es, les contraintes d&rsquo;int\u00e9grit\u00e9 et les validations de mod\u00e8le des colonnes correspondantes doivent \u00eatre les m\u00eames pour \u00e9viter les erreurs de format invalide.  <\/li><li>En pr\u00e9sence d&rsquo;identificateurs uniques, assurez-vous que des sources diff\u00e9rentes ne contiennent pas les m\u00eames identificateurs uniques, sinon cela entra\u00eenera des erreurs lors du processus de fusion.  <\/li><\/ul>\n\n<ul><li>Si les donn\u00e9es d&rsquo;une entit\u00e9 englobent plusieurs enregistrements provenant de sources disparates, il faut proc\u00e9der \u00e0 la <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-correspondance-de-donnees-classe-parmi-les-meilleurs-de-sa-categorie-avec-une-precision-de-correspondance-de-96\/\">mise en correspondance<\/a> et \u00e0 la <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-deduplication-de-donnees-utilisez-des-regles-integrees-et-personnalisees-pour-la-deduplication-crm\/\">d\u00e9duplication des<\/a> <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-correspondance-de-donnees-classe-parmi-les-meilleurs-de-sa-categorie-avec-une-precision-de-correspondance-de-96\/\">donn\u00e9es<\/a> avant le processus de fusion.  <\/li><\/ul>\n\n<h5><strong>2. Ajouter des colonnes  <\/strong><\/h5>\n\n<p>L&rsquo;ajout de colonnes est utile lorsque vous souhaitez ajouter des dimensions suppl\u00e9mentaires \u00e0 des enregistrements existants.  <\/p>\n\n<p>Un exemple d&rsquo;adjonction de colonnes est le cas o\u00f9 vous avez les coordonn\u00e9es en ligne de vos clients dans un ensemble de donn\u00e9es, et leurs coordonn\u00e9es physiques ou r\u00e9sidentielles dans un autre, et que vous voulez combiner les deux ensembles de donn\u00e9es en un seul.  <\/p>\n\n<p><strong>Consid\u00e9rations<\/strong> <\/p>\n\n<ul><li>Toutes les colonnes de sources disparates doivent \u00eatre uniques (pas de doublons).  <\/li><li>Chaque enregistrement doit \u00eatre identifiable de mani\u00e8re unique dans tous les ensembles de donn\u00e9es, de sorte que les enregistrements ayant le m\u00eame identifiant puissent \u00eatre fusionn\u00e9s.  <\/li><li>Si un ensemble de donn\u00e9es ne contient pas de donn\u00e9es pour la colonne de fusion, vous pouvez alors sp\u00e9cifier des valeurs nulles pour tous les enregistrements de cet ensemble de donn\u00e9es.  <\/li><li>Si plusieurs ensembles de donn\u00e9es contiennent les m\u00eames informations sur les dimensions, vous pouvez \u00e9galement fusionner les dimensions dans un seul champ (s\u00e9par\u00e9 par une virgule, etc.) si vous ne voulez pas perdre de donn\u00e9es.  <\/li><\/ul>\n\n<h5><strong>3. Fusion conditionnelle  <\/strong><\/h5>\n\n<p>La fusion conditionnelle est utile lorsque vous avez des ensembles de donn\u00e9es incomplets qui doivent \u00eatre fusionn\u00e9s. Dans ce type de fusion, vous recherchez les valeurs d&rsquo;un ensemble de donn\u00e9es et les remplissez de mani\u00e8re appropri\u00e9e dans les autres ensembles de donn\u00e9es en fonction de l&rsquo;enregistrement\/attribut correct.  <\/p>\n\n<p>Un exemple de fusion conditionnelle est lorsque vous avez une liste de produits dans un ensemble de donn\u00e9es, mais que les ventes moyennes par mois pour chacun d&rsquo;entre eux sont captur\u00e9es dans un autre ensemble de donn\u00e9es. Maintenant, pour fusionner les donn\u00e9es, vous pouvez avoir besoin de rechercher chaque vente de produit dans le deuxi\u00e8me ensemble de donn\u00e9es et d&rsquo;ajouter ces donn\u00e9es \u00e0 l&rsquo;enregistrement correct du produit dans le premier ensemble de donn\u00e9es. Cela se fait g\u00e9n\u00e9ralement lorsque vous n&rsquo;avez pas d&rsquo;identifiants uniques dans un ensemble de donn\u00e9es et que vous devez donc effectuer une comparaison conditionnelle bas\u00e9e sur une autre colonne et fusionner en cons\u00e9quence.  <\/p>\n\n<p><strong>Consid\u00e9rations<\/strong> <\/p>\n\n<ul><li>L&rsquo;ensemble de donn\u00e9es \u00e0 partir duquel vous recherchez des valeurs doit contenir tous les enregistrements uniques (par exemple, un num\u00e9ro de vente moyen pour chaque produit).  <\/li><li>L&rsquo;ensemble de donn\u00e9es auquel vous ajoutez des donn\u00e9es peut \u00eatre non unique (par exemple, les produits sont r\u00e9pertori\u00e9s par emplacement et le m\u00eame produit vendu dans plusieurs emplacements peut donc \u00eatre r\u00e9pertori\u00e9 plusieurs fois).  <\/li><\/ul>\n\n<p><strong>Note suppl\u00e9mentaire<\/strong> <\/p>\n\n<p>Le type de fusion que vous utilisez d\u00e9pend fortement de votre cas d&rsquo;utilisation sp\u00e9cifique. Si vos ensembles de donn\u00e9es ne contiennent pas beaucoup de valeurs nulles et sont relativement complets, l&rsquo;ajout de lignes ou de colonnes, ou des deux, peut r\u00e9pondre \u00e0 vos besoins. Mais lorsque vous rencontrez des lacunes dans vos ensembles de donn\u00e9es, vous pouvez avoir besoin de rechercher et de combler ces valeurs en premier lieu. Tr\u00e8s souvent, les organisations utilisent toutes les techniques de fusion de donn\u00e9es pour rassembler leurs donn\u00e9es. Par exemple, vous pouvez d&rsquo;abord effectuer une fusion conditionnelle, puis compl\u00e9ter le processus de fusion en ajoutant \u00e9galement des lignes et des colonnes.  <\/p>\n\n<h4><strong>Processus post-fusion<\/strong> <\/h4>\n\n<h5><strong>1. Profilage de la source fusionn\u00e9e  <\/strong><\/h5>\n\n<p>Une fois que le processus de fusion est termin\u00e9, il est essentiel d&rsquo;effectuer un contr\u00f4le final du profil de la source fusionn\u00e9e, tout comme celui effectu\u00e9 au d\u00e9but du processus pour les sources individuelles. Cela permettra de signaler toute erreur rencontr\u00e9e lors de la fusion, et de mettre en \u00e9vidence si des informations sont laiss\u00e9es incompl\u00e8tes, inexactes, ou contiennent des valeurs non valides, etc.  <\/p>\n\n<h3><strong>D\u00e9fis rencontr\u00e9s lors du processus de fusion des donn\u00e9es<\/strong> <\/h3>\n\n<h4><strong>1. H\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des donn\u00e9es  <\/strong><\/h4>\n\n<p>L&rsquo;un des plus grands d\u00e9fis rencontr\u00e9s lors de la fusion des donn\u00e9es est l&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des donn\u00e9es &#8211; les diff\u00e9rences structurelles et lexicales pr\u00e9sentes dans les ensembles de donn\u00e9es \u00e0 fusionner.  <\/p>\n\n<h5><strong>a. H\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 structurelle  <\/strong><\/h5>\n\n<p>Lorsque ces ensembles de donn\u00e9es ne contiennent pas le m\u00eame nombre et les m\u00eames types de colonnes\/attributs, on parle d&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 structurelle. Par exemple, une base de donn\u00e9es peut stocker le nom d&rsquo;un contact en tant que <em>Nom du contact<\/em>, tandis que dans une autre base de donn\u00e9es, il est stock\u00e9 dans plusieurs colonnes telles que <em>Salutation,<\/em> <em>Pr\u00e9nom<\/em>, <em>Second pr\u00e9nom<\/em> et <em>Nom de famille.<\/em>  <\/p>\n\n<h5><strong>b. H\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 lexicale  <\/strong><\/h5>\n\n<p>L&rsquo;h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 lexicale se produit lorsque les champs de diff\u00e9rentes bases de donn\u00e9es sont structurellement les m\u00eames, mais qu&rsquo;ils repr\u00e9sentent la m\u00eame information d&rsquo;une mani\u00e8re syntaxiquement diff\u00e9rente. Par exemple, deux bases de donn\u00e9es ou plus peuvent avoir le m\u00eame champ <em>Adresse <\/em>, mais l&rsquo;une peut avoir une valeur d&rsquo;adresse : <em>32 E St. 4<\/em>, alors que l&rsquo;autre peut avoir <em>32 East, 4<\/em><em>\n  <sup>th<\/sup>\n<\/em><em> Rue<\/em>.  <\/p>\n\n<p>Pour surmonter ce probl\u00e8me, les colonnes doivent \u00eatre analys\u00e9es et fusionn\u00e9es pour obtenir la m\u00eame structure dans tous les ensembles de donn\u00e9es. En outre, les valeurs des colonnes doivent \u00eatre transform\u00e9es pour suivre la m\u00eame syntaxe.  <\/p>\n\n<h4><strong>2. \u00c9volutivit\u00e9  <\/strong><\/h4>\n\n<p>En g\u00e9n\u00e9ral, les initiatives de fusion de donn\u00e9es sont planifi\u00e9es et mises en \u0153uvre en gardant \u00e0 l&rsquo;esprit un nombre d\u00e9termin\u00e9 de sources et de types, et ne laissent aucune place \u00e0 l&rsquo;\u00e9volutivit\u00e9. Il s&rsquo;agit d&rsquo;un d\u00e9fi de taille, car les besoins des organisations se transforment au fil du temps et elles ont besoin d&rsquo;un syst\u00e8me capable d&rsquo;int\u00e9grer davantage de sources de donn\u00e9es dont les structures et les m\u00e9canismes de stockage varient.  <\/p>\n\n<p>Pour surmonter ce d\u00e9fi, il est important de mettre en \u0153uvre et d&rsquo;utiliser une conception d&rsquo;int\u00e9gration \u00e9volutive pendant le processus de fusion, plut\u00f4t que de coder en dur l&rsquo;int\u00e9gration \u00e0 certaines sources seulement. Un syst\u00e8me d&rsquo;int\u00e9gration de donn\u00e9es r\u00e9utilisable tient compte des possibilit\u00e9s actuelles et futures et construit une architecture \u00e9volutive qui extrait des donn\u00e9es de plusieurs sources et prend en charge diff\u00e9rents formats de donn\u00e9es, tels que les API, les bases de donn\u00e9es SQL, les fichiers texte, les entrep\u00f4ts ETL, etc.  <\/p>\n\n<h4><strong>3. Duplication  <\/strong><\/h4>\n\n<p>Quelle que soit la technique de <a href=\"https:\/\/dataladder.com\/fr\/logiciel-merge-purge-utiliser-des-regles-de-survie-integrees-et-personnalisees\/\">fusion des donn\u00e9es<\/a> que vous envisagez de mettre en \u0153uvre, la duplication des donn\u00e9es est un probl\u00e8me majeur qui doit \u00eatre r\u00e9solu. Les doublons peuvent exister dans votre base de donn\u00e9es sous diff\u00e9rentes formes, dont certaines sont courantes :  <\/p>\n\n<ul><li>Plusieurs enregistrements repr\u00e9sentant la m\u00eame entit\u00e9 (qui peut ou non avoir un identifiant unique).  <\/li><li>Plusieurs attributs stockant les m\u00eames informations sur une entit\u00e9.  <\/li><li>Enregistrements ou attributs en double stock\u00e9s dans le m\u00eame ensemble de donn\u00e9es, ou s&rsquo;\u00e9tendant sur plusieurs ensembles de donn\u00e9es.  <\/li><\/ul>\n\n<p>Ce probl\u00e8me de duplication peut \u00eatre r\u00e9solu par :  <\/p>\n\n<ul><li>S\u00e9lectionner et configurer des algorithmes appropri\u00e9s de <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-correspondance-de-donnees-classe-parmi-les-meilleurs-de-sa-categorie-avec-une-precision-de-correspondance-de-96\/\">mise en correspondance des donn\u00e9es<\/a> qui identifient les enregistrements repr\u00e9sentant la m\u00eame entit\u00e9. En l&rsquo;absence d&rsquo;identifiants uniques, une combinaison d&rsquo;algorithmes avanc\u00e9s de <a href=\"https:\/\/dataladder.com\/fr\/correspondance-floue-101-nettoyage-et-mise-en-relation-de-donnees-desordonnees\/\">correspondance floue<\/a> doit \u00eatre utilis\u00e9e pour trouver des correspondances pr\u00e9cises.  <\/li><li>D\u00e9finition d&rsquo;un ensemble de r\u00e8gles conditionnelles qui \u00e9valuent intelligemment les colonnes identiques ou similaires et sugg\u00e8rent lesquels de ces attributs contiennent des valeurs plus compl\u00e8tes, plus pr\u00e9cises et plus valides.  <\/li><\/ul>\n\n<h4><strong>4. Un long processus de fusion  <\/strong><\/h4>\n\n<p>Les processus d&rsquo;int\u00e9gration des donn\u00e9es ont tendance \u00e0 \u00eatre plus longs que pr\u00e9vu. La raison la plus fr\u00e9quente en est une mauvaise planification et des attentes irr\u00e9alistes fix\u00e9es au d\u00e9part. Il est plus facile de commencer quelque chose \u00e0 partir de z\u00e9ro que de corriger ce qui a d\u00e9j\u00e0 \u00e9t\u00e9 mis en \u0153uvre, et qui est en vigueur depuis des d\u00e9cennies.  <\/p>\n\n<p>Il est essentiel de tenir compte de la quantit\u00e9 de donn\u00e9es que vous traitez et d&rsquo;\u00e9valuer les profils de donn\u00e9es de toutes les sources avant de pouvoir \u00e9laborer un plan de mise en \u0153uvre r\u00e9aliste.  <\/p>\n\n<p>Les ajouts ou modifications de derni\u00e8re minute sont une autre raison de la lenteur des projets d&rsquo;int\u00e9gration. L&rsquo;\u00e9quipe doit consacrer un certain temps au processus de pr\u00e9-\u00e9valuation et recueillir des informations aupr\u00e8s de toutes les parties prenantes concern\u00e9es, telles que les utilisateurs professionnels (qui saisissent\/capturent les donn\u00e9es), les administrateurs (qui g\u00e8rent les donn\u00e9es) et les analystes de donn\u00e9es (qui donnent un sens aux donn\u00e9es).  <\/p>\n\n<h3><strong>Meilleures pratiques pour permettre une fusion des donn\u00e9es sans heurts<\/strong> <\/h3>\n\n<h4><strong>1. Savoir ce qu&rsquo;il faut int\u00e9grer  <\/strong><\/h4>\n\n<p>Avant de lancer le processus d&rsquo;int\u00e9gration des donn\u00e9es, prenez le temps d&rsquo;\u00e9valuer les sources de donn\u00e9es concern\u00e9es. Cela permet d&rsquo;identifier exactement ce qu&rsquo;il faut combiner &#8211; les sources et les attributs qu&rsquo;elles contiennent. Il se peut que les anciens enregistrements soient p\u00e9rim\u00e9s et ne doivent pas \u00eatre pris en compte dans le processus d&rsquo;int\u00e9gration. Le fait de savoir exactement ce qu&rsquo;il faut combiner augmentera la vitesse et la pr\u00e9cision du processus.  <\/p>\n\n<h4><strong>2. Visualiser les donn\u00e9es  <\/strong><\/h4>\n\n<p>Il est toujours pr\u00e9f\u00e9rable de comprendre les donn\u00e9es que l&rsquo;on traite, et le moyen le plus rapide d&rsquo;y parvenir est de les visualiser. Non seulement elle est plus facile \u00e0 \u00e9valuer, mais elle vous donne une vue compl\u00e8te de toutes les valeurs aberrantes ou invalidantes qui peuvent se trouver dans votre ensemble de donn\u00e9es. Les histogrammes statistiques et les diagrammes \u00e0 barres montrant l&rsquo;exhaustivit\u00e9 des attributs peuvent \u00eatre tr\u00e8s utiles.  <\/p>\n\n<h4><strong>3. Essayez les outils automatis\u00e9s en libre-service  <\/strong><\/h4>\n\n<p>La r\u00e9alisation manuelle de l&rsquo;ensemble du processus d&rsquo;int\u00e9gration et d&rsquo;agr\u00e9gation des donn\u00e9es semble \u00eatre un processus gourmand en ressources et en co\u00fbts. Essayez les outils d&rsquo;int\u00e9gration de donn\u00e9es automatis\u00e9s et en libre-service qui offrent une solution tout-en-un pour le profilage, le nettoyage, le rapprochement, l&rsquo;int\u00e9gration et le chargement rapides, pr\u00e9cis et approfondis des donn\u00e9es.  <\/p>\n\n<p><a href=\"https:\/\/dataladder.com\/fr\/produits\/datamatch-enterprise-classe-premier-produit-de-gestion-de-la-qualite-des-donnees\/\">DataMatch Enterprise de Data Ladder<\/a>  est l&rsquo;un de ces outils qui prend en charge de mani\u00e8re transparente une grande vari\u00e9t\u00e9 de types et de formats de donn\u00e9es, y compris les fichiers locaux (fichiers texte, CSV, feuilles Excel), les bases de donn\u00e9es (SQL Server, Oracle, Teradata), les magasins en nuage (CRM tels que Salesforce), les API et d&rsquo;autres bases de donn\u00e9es utilisant une connexion ODBC, ainsi que la cr\u00e9ation de connecteurs natifs en fonction des besoins sp\u00e9cifiques des utilisateurs.  <\/p>\n\n<h4><strong>4. D\u00e9cider o\u00f9 h\u00e9berger les donn\u00e9es fusionn\u00e9es  <\/strong><\/h4>\n\n<p>Vous pouvez souhaiter fusionner les donn\u00e9es de toutes les sources en une seule source de destination, ou charger l&rsquo;ensemble de donn\u00e9es fusionn\u00e9es dans une toute nouvelle source. En fonction de vos besoins, assurez-vous que vous avez test\u00e9, con\u00e7u et structur\u00e9 la source de destination en cons\u00e9quence, afin qu&rsquo;elle puisse supporter efficacement les donn\u00e9es fusionn\u00e9es entrantes.  <\/p>\n","protected":false},"excerpt":{"rendered":"<p>Fusionner des donn\u00e9es provenant de plusieurs sources La fusion des donn\u00e9es est un processus par lequel les donn\u00e9es sont unifi\u00e9es \u00e0 partir de sources multiples pour repr\u00e9senter un point de r\u00e9f\u00e9rence unique ou un point de v\u00e9rit\u00e9 unique. Bien qu&rsquo;il s&rsquo;agisse d&rsquo;un objectif apparemment simple, la fusion des donn\u00e9es est un processus aussi compliqu\u00e9 que [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":58092,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1330],"tags":[518,519,520,517,521,516,522],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Fusionner des donn\u00e9es provenant de sources multiples - D\u00e9fis et solutions - Data Ladder<\/title>\n<meta name=\"description\" content=\"Lorsqu&#039;il s&#039;agit de tirer des enseignements des donn\u00e9es, il devient important de combiner toutes les sources de donn\u00e9es et d&#039;obtenir un point de r\u00e9f\u00e9rence unique.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Fusionner des donn\u00e9es provenant de sources multiples - D\u00e9fis et solutions - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Lorsqu&#039;il s&#039;agit de tirer des enseignements des donn\u00e9es, il devient important de combiner toutes les sources de donn\u00e9es et d&#039;obtenir un point de r\u00e9f\u00e9rence unique.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/\" \/>\n<meta property=\"og:site_name\" content=\"Data Ladder\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/web.facebook.com\/DataLadderSoftware\" \/>\n<meta property=\"article:published_time\" content=\"2021-11-15T15:57:51+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2021-12-21T13:52:44+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/merging-multiple-data-sources-scaled-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1707\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"lbarrera\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"lbarrera\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"17 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Fusionner des donn\u00e9es provenant de sources multiples &#8211; D\u00e9fis et solutions\",\"datePublished\":\"2021-11-15T15:57:51+00:00\",\"dateModified\":\"2021-12-21T13:52:44+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/\"},\"wordCount\":3516,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#organization\"},\"keywords\":[\"fusion de donn\u00e9es\",\"fusion des donn\u00e9es\",\"fusionner des donn\u00e9es provenant de sources multiples\",\"la qualit\u00e9 des donn\u00e9es\",\"logiciel de fusion\",\"Merge-Software\",\"vue unique du client\"],\"articleSection\":[\"Ingestion et int\u00e9gration de donn\u00e9es\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/\",\"url\":\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/\",\"name\":\"Fusionner des donn\u00e9es provenant de sources multiples - D\u00e9fis et solutions - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#website\"},\"datePublished\":\"2021-11-15T15:57:51+00:00\",\"dateModified\":\"2021-12-21T13:52:44+00:00\",\"description\":\"Lorsqu'il s'agit de tirer des enseignements des donn\u00e9es, il devient important de combiner toutes les sources de donn\u00e9es et d'obtenir un point de r\u00e9f\u00e9rence unique.\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Fusionner des donn\u00e9es provenant de sources multiples &#8211; D\u00e9fis et solutions\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/dataladder.com\/fr\/#website\",\"url\":\"https:\/\/dataladder.com\/fr\/\",\"name\":\"Data Ladder\",\"description\":\"Enterprise Data Profiling, Cleansing, and Matching\",\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/dataladder.com\/fr\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/dataladder.com\/fr\/#organization\",\"name\":\"Data Ladder\",\"url\":\"https:\/\/dataladder.com\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"contentUrl\":\"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png\",\"width\":413,\"height\":408,\"caption\":\"Data Ladder\"},\"image\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/company\/dataladder-llc\/\",\"https:\/\/web.facebook.com\/DataLadderSoftware\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\",\"name\":\"lbarrera\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g\",\"caption\":\"lbarrera\"},\"url\":\"https:\/\/dataladder.com\/fr\/author\/lbarrera\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Fusionner des donn\u00e9es provenant de sources multiples - D\u00e9fis et solutions - Data Ladder","description":"Lorsqu'il s'agit de tirer des enseignements des donn\u00e9es, il devient important de combiner toutes les sources de donn\u00e9es et d'obtenir un point de r\u00e9f\u00e9rence unique.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/","og_locale":"fr_FR","og_type":"article","og_title":"Fusionner des donn\u00e9es provenant de sources multiples - D\u00e9fis et solutions - Data Ladder","og_description":"Lorsqu'il s'agit de tirer des enseignements des donn\u00e9es, il devient important de combiner toutes les sources de donn\u00e9es et d'obtenir un point de r\u00e9f\u00e9rence unique.","og_url":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2021-11-15T15:57:51+00:00","article_modified_time":"2021-12-21T13:52:44+00:00","og_image":[{"width":2560,"height":1707,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/merging-multiple-data-sources-scaled-1.jpg","type":"image\/jpeg"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"lbarrera","Dur\u00e9e de lecture estim\u00e9e":"17 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Fusionner des donn\u00e9es provenant de sources multiples &#8211; D\u00e9fis et solutions","datePublished":"2021-11-15T15:57:51+00:00","dateModified":"2021-12-21T13:52:44+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/"},"wordCount":3516,"publisher":{"@id":"https:\/\/dataladder.com\/fr\/#organization"},"keywords":["fusion de donn\u00e9es","fusion des donn\u00e9es","fusionner des donn\u00e9es provenant de sources multiples","la qualit\u00e9 des donn\u00e9es","logiciel de fusion","Merge-Software","vue unique du client"],"articleSection":["Ingestion et int\u00e9gration de donn\u00e9es"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/","url":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/","name":"Fusionner des donn\u00e9es provenant de sources multiples - D\u00e9fis et solutions - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/#website"},"datePublished":"2021-11-15T15:57:51+00:00","dateModified":"2021-12-21T13:52:44+00:00","description":"Lorsqu'il s'agit de tirer des enseignements des donn\u00e9es, il devient important de combiner toutes les sources de donn\u00e9es et d'obtenir un point de r\u00e9f\u00e9rence unique.","breadcrumb":{"@id":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/fr\/fusionner-des-donnees-provenant-de-sources-multiples-defis-et-solutions\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/fr\/"},{"@type":"ListItem","position":2,"name":"Fusionner des donn\u00e9es provenant de sources multiples &#8211; D\u00e9fis et solutions"}]},{"@type":"WebSite","@id":"https:\/\/dataladder.com\/fr\/#website","url":"https:\/\/dataladder.com\/fr\/","name":"Data Ladder","description":"Enterprise Data Profiling, Cleansing, and Matching","publisher":{"@id":"https:\/\/dataladder.com\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dataladder.com\/fr\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/dataladder.com\/fr\/#organization","name":"Data Ladder","url":"https:\/\/dataladder.com\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/dataladder.com\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","contentUrl":"https:\/\/dataladder.com\/wp-content\/uploads\/2018\/06\/DL-Logo-Ball-30.png","width":413,"height":408,"caption":"Data Ladder"},"image":{"@id":"https:\/\/dataladder.com\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.linkedin.com\/company\/dataladder-llc\/","https:\/\/web.facebook.com\/DataLadderSoftware"]},{"@type":"Person","@id":"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b","name":"lbarrera","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/dataladder.com\/fr\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5198cb4dd374e7d879a15a9cf20299b3?s=96&d=mm&r=g","caption":"lbarrera"},"url":"https:\/\/dataladder.com\/fr\/author\/lbarrera\/"}]}},"modified_by":null,"_links":{"self":[{"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/62229"}],"collection":[{"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/comments?post=62229"}],"version-history":[{"count":1,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/62229\/revisions"}],"predecessor-version":[{"id":62232,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/62229\/revisions\/62232"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media\/58092"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media?parent=62229"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/categories?post=62229"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/tags?post=62229"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}