Aujourd’hui, les entreprises d\u00e9pendent fortement des donn\u00e9es pour d\u00e9velopper leurs activit\u00e9s et atteindre leurs objectifs et leurs attentes. Des efforts consid\u00e9rables sont investis dans l’\u00e9laboration d’une feuille de route parfaite en mati\u00e8re de strat\u00e9gie de donn\u00e9es et dans l’utilisation de l’information en tant qu’actif commercial le plus critique ; pourtant, les r\u00e9sultats ne sont pas satisfaisants. L’incapacit\u00e9 d’une organisation \u00e0 comprendre suffisamment bien ses donn\u00e9es et \u00e0 les mettre correctement en correspondance avec les r\u00e9sultats escompt\u00e9s est la raison la plus courante de l’\u00e9chec des initiatives fond\u00e9es sur les donn\u00e9es.<\/p>\n\n
C’est l\u00e0 que le profilage des donn\u00e9es joue un r\u00f4le important.<\/p>\n\n
Le profilage des donn\u00e9es est le processus qui consiste \u00e0 d\u00e9couvrir des d\u00e9tails cach\u00e9s sur la structure et le contenu de vos ensembles de donn\u00e9es.<\/em><\/p><\/blockquote><\/figure>\n\n
L’utilisation de ces d\u00e9tails non couverts d\u00e9pend de ce que vous essayez d’obtenir avec vos donn\u00e9es. Par exemple, si vous souhaitez am\u00e9liorer la qualit\u00e9 des donn\u00e9es, un profil de donn\u00e9es permet d’identifier les possibilit\u00e9s de nettoyage des donn\u00e9es et d’\u00e9valuer la qualit\u00e9 de vos donn\u00e9es par rapport aux crit\u00e8res de qualit\u00e9 des donn\u00e9es.<\/p>\n\n
Port\u00e9e du profilage des donn\u00e9es – S’agit-il uniquement de tests de qualit\u00e9 des donn\u00e9es ?<\/strong><\/h3>\n\n
Le profilage des donn\u00e9es est g\u00e9n\u00e9ralement consid\u00e9r\u00e9 comme une simple exigence pour garantir la qualit\u00e9 des donn\u00e9es, alors qu’en r\u00e9alit\u00e9, son application et son utilisation vont bien au-del\u00e0. Le profilage des donn\u00e9es est un processus syst\u00e9matique qui met en \u0153uvre un certain nombre d’algorithmes qui analysent et \u00e9valuent les d\u00e9tails empiriques d’un ensemble de donn\u00e9es, et produisent une vue r\u00e9sum\u00e9e de la structure des donn\u00e9es et de leurs valeurs. Ces informations peuvent ensuite \u00eatre utilis\u00e9es \u00e0 toutes fins utiles – par exemple, pour mettre en \u00e9vidence les probl\u00e8mes potentiels de qualit\u00e9 des donn\u00e9es, d\u00e9terminer les domaines \u00e0 am\u00e9liorer, \u00e9tablir une correspondance avec un autre profil de donn\u00e9es pour un projet de fusion, etc.<\/p>\n\n
Examinons quelques contextes de base o\u00f9 le profilage des donn\u00e9es est largement utilis\u00e9 :<\/p>\n\n
1. Reverse engineering des donn\u00e9es pour trouver les m\u00e9tadonn\u00e9es manquantes<\/strong><\/h4>\n\n
Dans de nombreux cas o\u00f9 les donn\u00e9es sont saisies depuis une longue p\u00e9riode, les m\u00e9tadonn\u00e9es sont g\u00e9n\u00e9ralement manquantes ou incompl\u00e8tes. Les m\u00e9tadonn\u00e9es repr\u00e9sentent des d\u00e9tails sur chaque attribut d’un ensemble de donn\u00e9es, tel que son :<\/p>\n\n
- D\u00e9finition :<\/strong> le but de l’attribut stock\u00e9,<\/li>
- Type de donn\u00e9es :<\/strong> le type de donn\u00e9es qu’il est autoris\u00e9 \u00e0 contenir ; par exemple, cha\u00eene de caract\u00e8res, nombre, date, etc,<\/li>
- Taille :<\/strong> le nombre maximum ou minimum de caract\u00e8res qu’il peut contenir,<\/li>
- Domaine : <\/strong>l’espace \u00e0 partir duquel il d\u00e9rive ses valeurs ; par exemple, les valeurs de la colonne Pays ne peuvent \u00eatre d\u00e9riv\u00e9es que d’une liste de pays r\u00e9els existant dans le monde.<\/li><\/ul>\n\n
En l’absence de telles informations, les valeurs d’un attribut font l’objet d’une r\u00e9tro-ing\u00e9nierie – analys\u00e9e et r\u00e9sum\u00e9e – pour d\u00e9couvrir les m\u00e9tadonn\u00e9es manquantes, afin qu’elles puissent \u00eatre utilis\u00e9es pour d’autres activit\u00e9s telles que la construction d’un mod\u00e8le de donn\u00e9es d’entreprise, la planification des migrations de donn\u00e9es, la r\u00e9novation des processus m\u00e9tier, etc.<\/p>\n\n
2. Analyse des anomalies<\/strong><\/h4>\n\n
Avant de pouvoir utiliser les donn\u00e9es \u00e0 quelque fin que ce soit, il faut s’assurer qu’elles sont exemptes d’anomalies, sinon les r\u00e9sultats analys\u00e9s seront fauss\u00e9s. Le profilage des donn\u00e9es permet d’analyser statistiquement un ensemble de donn\u00e9es et d’identifier une gamme de valeurs qui se situent dans la fourchette acceptable, et de d\u00e9tecter les valeurs aberrantes qui peuvent \u00eatre pr\u00e9sentes. L’analyse statistique d’un ensemble de donn\u00e9es examine les distributions de fr\u00e9quences, les valeurs variantes, le pourcentage de valeurs absentes, ainsi que les relations entre les colonnes d’un m\u00eame ensemble de donn\u00e9es et d’ensembles de donn\u00e9es diff\u00e9rents.<\/p>\n\n
3. D\u00e9couvrir les r\u00e8gles implicites des donn\u00e9es<\/strong><\/h4>\n\n
Dans la mani\u00e8re dont les donn\u00e9es sont captur\u00e9es, stock\u00e9es et manipul\u00e9es, une biblioth\u00e8que de r\u00e8gles de donn\u00e9es est mise en \u0153uvre pour assurer la conformit\u00e9 aux normes de donn\u00e9es.<\/a> Parfois, ces r\u00e8gles sont assez \u00e9videntes et intentionnelles, mais d’autres fois, ces r\u00e8gles peuvent \u00eatre compl\u00e8tement involontaires et implicites dans la logique et les processus d’une entreprise.<\/p>\n\n
Les contraintes d’int\u00e9grit\u00e9 ou les d\u00e9pendances relationnelles entre attributs sont des exemples de ces r\u00e8gles. Un profil de donn\u00e9es peut vous aider \u00e0 extraire les r\u00e8gles cach\u00e9es afin qu’elles puissent \u00eatre int\u00e9gr\u00e9es intentionnellement dans le cycle de vie des donn\u00e9es.<\/p>\n\n
Trois niveaux de profilage des donn\u00e9es<\/strong><\/h3>\n\n
Le processus de profilage des donn\u00e9es se d\u00e9roule \u00e0 trois niveaux. Selon la fa\u00e7on dont les r\u00e9sultats du profilage doivent \u00eatre utilis\u00e9s, vous pouvez ex\u00e9cuter le profilage \u00e0 un seul niveau ou \u00e0 une combinaison de niveaux. La complexit\u00e9 du calcul augmente au fur et \u00e0 mesure que le niveau augmente (nous y reviendrons dans la section suivante).<\/p>\n\n
Au premier niveau et au niveau initial, une seule colonne est analys\u00e9e en ex\u00e9cutant diverses techniques statistiques. Au niveau suivant, l’analyse des relations entre plusieurs colonnes d’un m\u00eame ensemble de donn\u00e9es a lieu. Et enfin, au troisi\u00e8me niveau, nous analysons les relations qui existent entre les colonnes de diff\u00e9rents ensembles de donn\u00e9es ou tableaux.<\/p>\n\n
Examinons chaque niveau plus en d\u00e9tail.<\/p>\n\n
1. Profilage de la colonne<\/strong><\/h4>\n\n
Le profilage des colonnes \u00e9value les diff\u00e9rentes caract\u00e9ristiques que les valeurs d’une colonne repr\u00e9sentent et donne des indications sur la fa\u00e7on dont elle est structur\u00e9e – en termes de m\u00e9tadonn\u00e9es et de contenu. Lors du profilage d’une colonne, une analyse de fr\u00e9quence, statistique et descriptive est effectu\u00e9e.<\/p>\n\n
a. Analyse de fr\u00e9quence<\/strong><\/h5>\n\n
Cela concerne un certain nombre de techniques li\u00e9es au comptage et \u00e0 la distribution des valeurs dans une colonne, par exemple :<\/p>\n\n
- Analyse de la gamme :<\/strong> \u00e9value si les valeurs d’une colonne peuvent \u00eatre soumises \u00e0 un ordre, et s’il existe une gamme bien d\u00e9finie (valeurs minimales et maximales) dans laquelle toutes les valeurs peuvent \u00eatre mises en correspondance.<\/li>
- Analyse des valeurs nulles :<\/strong> enregistre le pourcentage de valeurs qui sont nulles (vides) dans la colonne.<\/li>
- Analyse du nombre de valeurs distinctes :<\/strong> compte le nombre de valeurs distinctes qui apparaissent dans la colonne.<\/li>
- Analyse de la distribution des valeurs :<\/strong> \u00e9value comment les valeurs d’une colonne sont distribu\u00e9es dans l’intervalle d\u00e9fini.<\/li>
- Analyse d’unicit\u00e9 :<\/strong> \u00e9tiquette si une valeur dans une colonne n’appara\u00eet qu’une seule fois (est unique) ou non.<\/li><\/ol>\n\n
b. Analyse statistique<\/strong><\/h5>\n\n
Cette analyse est g\u00e9n\u00e9ralement effectu\u00e9e pour les colonnes num\u00e9riques ou celles li\u00e9es \u00e0 des horodatages. Il donne un aper\u00e7u d’une vue agr\u00e9g\u00e9e ou r\u00e9sum\u00e9e de la colonne, par exemple :<\/p>\n\n
- Valeur min\/max : <\/strong>identifie la valeur minimale et maximale de la colonne en ordonnant toutes les valeurs.<\/li>
- Moyenne : <\/strong>calcule la valeur moyenne de la colonne.<\/li>
- M\u00e9diane : <\/strong>s\u00e9lectionne la valeur m\u00e9diane de l’ensemble des colonnes ordonn\u00e9es.<\/li>
- \u00c9cart-type : <\/strong>calcule la variation pr\u00e9sente dans l’ensemble des valeurs de la colonne.<\/li><\/ol>\n\n
c. Analyse descriptive<\/strong><\/h5>\n\n
Enfin, l’analyse descriptive s’int\u00e9resse plus en d\u00e9tail au contenu de la chronique, au lieu de se concentrer sur sa structure et sa distribution. Cela implique :<\/p>\n\n
- Analyse du type de donn\u00e9es : <\/strong>d\u00e9termine le type de donn\u00e9es et la taille maximale du nombre de caract\u00e8res qu’il contient ; par exemple, cha\u00eene de caract\u00e8res, nombre, date, etc.<\/li>
- Analyse des types de donn\u00e9es personnalis\u00e9s :<\/strong> analyse s\u00e9mantiquement les valeurs pour voir si un type de donn\u00e9es abstrait ou personnalis\u00e9 existe pour la colonne ; par exemple, Adresse, ou Num\u00e9ro de t\u00e9l\u00e9phone, etc.<\/li>
- Analyse des motifs : permet<\/strong> de d\u00e9couvrir des motifs ou des formats cach\u00e9s utilis\u00e9s dans les valeurs des colonnes.<\/li>
- Analyse du domaine :<\/strong> cartographie l’espace \u00e0 partir duquel les valeurs de la colonne sont d\u00e9riv\u00e9es ; par exemple, les valeurs de la colonne Pays ne peuvent \u00eatre d\u00e9riv\u00e9es que d’une liste de pays r\u00e9els existant dans le monde.<\/li><\/ol>\n\n
2. Profilage sur plusieurs colonnes<\/strong><\/h4>\n\n
Ce type d’analyse identifie les d\u00e9pendances ou les relations qui existent entre plusieurs colonnes. Comme elle implique une plus grande quantit\u00e9 de donn\u00e9es, elle est plus gourmande en ressources.<\/p>\n\n
a. Analyse des cl\u00e9s primaires<\/strong><\/h5>\n\n
Une cl\u00e9 primaire identifie de mani\u00e8re unique chaque entit\u00e9 pr\u00e9sente dans un ensemble de donn\u00e9es. Par exemple, la colonne Num\u00e9ro de s\u00e9curit\u00e9 sociale d’un ensemble de donn\u00e9es sur les clients identifie de mani\u00e8re unique chaque client ; de m\u00eame, la colonne Num\u00e9ro de fabricant du produit de l’ensemble de donn\u00e9es sur les produits identifie de mani\u00e8re unique chaque produit, et ainsi de suite.<\/p>\n\n
Souvent, les ensembles de donn\u00e9es ne contiennent pas ces attributs d’identification uniques ou ils sont pr\u00e9sents, mais la plupart de leurs valeurs sont manquantes. Dans ce cas, une combinaison de colonnes est s\u00e9lectionn\u00e9e et leurs valeurs sont examin\u00e9es pour d\u00e9terminer les cl\u00e9s primaires potentielles qui identifient de mani\u00e8re unique chaque enregistrement.<\/p>\n\n
b. Analyse des d\u00e9pendances<\/strong><\/h5>\n\n
Ce type d’analyse identifie les d\u00e9pendances fonctionnelles entre plusieurs colonnes. Ces relations sont g\u00e9n\u00e9ralement int\u00e9gr\u00e9es dans le contenu de l’attribut. Par exemple, il existe une relation entre les deux colonnes Ville et Pays. Si deux lignes d’un ensemble de donn\u00e9es ont la m\u00eame ville, les valeurs correspondantes du pays doivent \u00e9galement \u00eatre identiques.<\/p>\n\n
Ce type de profilage des donn\u00e9es vous aide \u00e0 documenter toutes les relations de ce type pr\u00e9sentes dans votre ensemble de donn\u00e9es – qu’elles soient g\u00e9n\u00e9riques ou sp\u00e9cifiques \u00e0 vos processus organisationnels.<\/p>\n\n
3. Profilage des tables crois\u00e9es<\/strong><\/h4>\n\n
Le dernier niveau de profilage des donn\u00e9es est le plus complexe sur le plan informatique, car il implique l’analyse de plusieurs colonnes dans plusieurs tables. Ceci est fait pour d\u00e9terminer les relations qui peuvent exister entre les tables, ainsi que la fa\u00e7on dont ces relations sont maintenues. Il comprend les techniques suivantes :<\/p>\n\n
a. Analyse des cl\u00e9s \u00e9trang\u00e8res<\/strong><\/h5>\n\n
Lors du profilage inter-table, les cl\u00e9s \u00e9trang\u00e8res sont analys\u00e9es pour comprendre comment une colonne d’une table relie ses enregistrements \u00e0 une autre table<\/a>. Par exemple, une entreprise peut enregistrer les informations personnelles de ses employ\u00e9s dans une table, et les d\u00e9tails de leur emploi dans une autre table. Ainsi, une cl\u00e9 \u00e9trang\u00e8re doit \u00eatre pr\u00e9sente dans la table des employ\u00e9s qui relie le r\u00f4le de chaque individu \u00e0 la liste des r\u00f4les disponibles et \u00e0 d’autres informations connexes, telles que le d\u00e9partement, les d\u00e9tails de la r\u00e9mun\u00e9ration, etc.<\/p>\n\n
b. Analyse des enregistrements orphelins<\/strong><\/h5>\n\n
Cette analyse examine si une relation de cl\u00e9 \u00e9trang\u00e8re est viol\u00e9e. En prolongeant l’exemple pr\u00e9c\u00e9dent, la violation peut se produire lorsque l’enregistrement personnel d’un employ\u00e9 identifie son r\u00f4le d’emploi en utilisant une cl\u00e9 \u00e9trang\u00e8re qui n’est pas pr\u00e9sente dans la table des r\u00f4les d’emploi.<\/p>\n\n
Lors du profilage transversal, tous ces enregistrements orphelins sont d\u00e9termin\u00e9s afin que les donn\u00e9es manquantes puissent \u00eatre mises \u00e0 jour et compl\u00e9t\u00e9es.<\/p>\n\n
c. Colonnes en double<\/strong><\/h5>\n\n
Souvent, la m\u00eame information est stock\u00e9e dans plusieurs colonnes de plusieurs tables. Il est \u00e9galement possible de stocker des informations diff\u00e9rentes dans plusieurs colonnes portant le m\u00eame nom. Ces similitudes\/diff\u00e9rences sont analys\u00e9es en colonnes \u00e0 travers les tableaux en \u00e9valuant les valeurs des colonnes et leurs intersections.<\/p>\n\n
D\u00e9fis rencontr\u00e9s lors du profilage des donn\u00e9es<\/strong><\/h3>\n\n
Si le profilage des donn\u00e9es est un \u00e9l\u00e9ment important de toute initiative ax\u00e9e sur les donn\u00e9es, il peut facilement devenir incontr\u00f4lable en fonction de la port\u00e9e et de l’ampleur du processus d’analyse. Voici quelques-uns des d\u00e9fis les plus fr\u00e9quemment rencontr\u00e9s lors du profilage des donn\u00e9es :<\/p>\n\n
1. Performance du syst\u00e8me<\/strong><\/h4>\n\n
Le processus de profilage des donn\u00e9es est gourmand en ressources informatiques car il implique un grand nombre de comparaisons de colonnes – au sein d’une m\u00eame table, entre les tables et entre les tables. Cela n\u00e9cessite un grand nombre de ressources informatiques, telles que la m\u00e9moire et l’espace disque, ainsi que plus de temps pour compl\u00e9ter et construire les r\u00e9sultats de sortie. L’utilisation d’un syst\u00e8me capable de prendre en charge des calculs complexes constitue donc un d\u00e9fi de taille.<\/p>\n\n
2. Limiter la port\u00e9e des r\u00e9sultats<\/strong><\/h4>\n\n
Puisque les rapports de profil de donn\u00e9es sont g\u00e9n\u00e9r\u00e9s en r\u00e9sumant et en agr\u00e9geant les valeurs des donn\u00e9es, il doit y avoir un seuil qui d\u00e9finit le niveau de compression \u00e0 mettre en \u0153uvre. Cela permet d’obtenir des r\u00e9sultats plus significatifs et plus cibl\u00e9s.<\/p>\n\n
Par exemple, vous ne souhaitez peut-\u00eatre pas conna\u00eetre les valeurs qui n’apparaissent qu’une ou deux fois dans une colonne, mais si elles apparaissent plus de dix fois, elles peuvent ajouter de la valeur \u00e0 la synth\u00e8se et doivent donc \u00eatre incluses. Ainsi, la possibilit\u00e9 de limiter ou de conditionner ce qui entre et ce qui n’entre pas dans le rapport final du profil est une d\u00e9cision difficile \u00e0 prendre.<\/p>\n\n
3. Tirer de la valeur des rapports profil\u00e9s<\/strong><\/h4>\n\n
L’analyse des ensembles de donn\u00e9es pour comprendre leur structure et la formation de leur contenu n’est qu’un aspect de la question. Les profils de donn\u00e9es g\u00e9n\u00e9r\u00e9s doivent \u00eatre analys\u00e9s pour comprendre la prochaine ligne d’action. Il faut impliquer des professionnels exp\u00e9riment\u00e9s dans le domaine des donn\u00e9es, capables d’examiner les rapports et d’expliquer pourquoi les donn\u00e9es sont telles qu’elles sont, et ce qui peut \u00eatre fait pour les transformer si n\u00e9cessaire.<\/p>\n\n
4. Outils de profilage des donn\u00e9es en libre-service<\/strong><\/h4>\n\n
Compte tenu de la complexit\u00e9 du calcul du profilage des donn\u00e9es, il s’agit d’un processus qui doit g\u00e9n\u00e9ralement \u00eatre r\u00e9alis\u00e9 par des professionnels comp\u00e9tents en mati\u00e8re de technologie ou de donn\u00e9es. L’indisponibilit\u00e9 d’outils logiciels de profilage des donn\u00e9es<\/a> en libre-service est un probl\u00e8me courant.<\/p>\n\n
Un outil de profilage des donn\u00e9es en libre-service capable de produire une vue rapide \u00e0 360\u00b0 des donn\u00e9es et d’identifier les anomalies de base, telles que les valeurs vides, les types de donn\u00e9es des champs, les mod\u00e8les r\u00e9currents et d’autres statistiques descriptives, est une exigence de base pour toute initiative ax\u00e9e sur les donn\u00e9es. DataMatch Enterprise<\/a> de Data Ladder est une solution de qualit\u00e9 des donn\u00e9es enti\u00e8rement optimis\u00e9e qui offre le profilage des donn\u00e9es comme la premi\u00e8re des nombreuses \u00e9tapes de correction, d’optimisation et de raffinement de vos donn\u00e9es.<\/p>\n\n
Pour en savoir plus sur la fa\u00e7on dont notre solution peut vous aider \u00e0 r\u00e9soudre vos probl\u00e8mes de qualit\u00e9 des donn\u00e9es, inscrivez-vous \u00e0 un essai gratuit <\/a>d\u00e8s aujourd’hui ou organisez une d\u00e9monstration<\/a> avec l’un de nos experts.<\/p>\n","protected":false},"excerpt":{"rendered":"
Aujourd’hui, les entreprises d\u00e9pendent fortement des donn\u00e9es pour d\u00e9velopper leurs activit\u00e9s et atteindre leurs objectifs et leurs attentes. Des efforts consid\u00e9rables sont investis dans l’\u00e9laboration d’une feuille de route parfaite en mati\u00e8re de strat\u00e9gie de donn\u00e9es et dans l’utilisation de l’information en tant qu’actif commercial le plus critique ; pourtant, les r\u00e9sultats ne sont pas […]<\/p>\n","protected":false},"author":9,"featured_media":61326,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[],"tags":[],"acf":[],"yoast_head":"\n
Qu'est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis - Data Ladder<\/title>\n<meta name=\"description\" content=\"Le profilage des donn\u00e9es est le processus qui consiste \u00e0 d\u00e9couvrir des d\u00e9tails cach\u00e9s sur la structure et le contenu de vos ensembles de donn\u00e9es.\" \/>\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\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Qu'est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Le profilage des donn\u00e9es est le processus qui consiste \u00e0 d\u00e9couvrir des d\u00e9tails cach\u00e9s sur la structure et le contenu de vos ensembles de donn\u00e9es.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/\" \/>\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=\"2021-11-22T11:25:57+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2021-12-21T13:52:43+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/11\/What-is-data-profiling-Scope-techniques-and-challenges.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1000\" \/>\n\t<meta property=\"og:image:height\" content=\"667\" \/>\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=\"13 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Qu’est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis\",\"datePublished\":\"2021-11-22T11:25:57+00:00\",\"dateModified\":\"2021-12-21T13:52:43+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/\"},\"wordCount\":2679,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#organization\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/\",\"url\":\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/\",\"name\":\"Qu'est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#website\"},\"datePublished\":\"2021-11-22T11:25:57+00:00\",\"dateModified\":\"2021-12-21T13:52:43+00:00\",\"description\":\"Le profilage des donn\u00e9es est le processus qui consiste \u00e0 d\u00e9couvrir des d\u00e9tails cach\u00e9s sur la structure et le contenu de vos ensembles de donn\u00e9es.\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Qu’est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis\"}]},{\"@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":"Qu'est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis - Data Ladder","description":"Le profilage des donn\u00e9es est le processus qui consiste \u00e0 d\u00e9couvrir des d\u00e9tails cach\u00e9s sur la structure et le contenu de vos ensembles de donn\u00e9es.","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\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/","og_locale":"fr_FR","og_type":"article","og_title":"Qu'est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis - Data Ladder","og_description":"Le profilage des donn\u00e9es est le processus qui consiste \u00e0 d\u00e9couvrir des d\u00e9tails cach\u00e9s sur la structure et le contenu de vos ensembles de donn\u00e9es.","og_url":"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2021-11-22T11:25:57+00:00","article_modified_time":"2021-12-21T13:52:43+00:00","og_image":[{"width":1000,"height":667,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/11\/What-is-data-profiling-Scope-techniques-and-challenges.jpg","type":"image\/jpeg"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"lbarrera","Dur\u00e9e de lecture estim\u00e9e":"13 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Qu’est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis","datePublished":"2021-11-22T11:25:57+00:00","dateModified":"2021-12-21T13:52:43+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/"},"wordCount":2679,"commentCount":0,"publisher":{"@id":"https:\/\/dataladder.com\/fr\/#organization"},"inLanguage":"fr-FR","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/","url":"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/","name":"Qu'est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/#website"},"datePublished":"2021-11-22T11:25:57+00:00","dateModified":"2021-12-21T13:52:43+00:00","description":"Le profilage des donn\u00e9es est le processus qui consiste \u00e0 d\u00e9couvrir des d\u00e9tails cach\u00e9s sur la structure et le contenu de vos ensembles de donn\u00e9es.","breadcrumb":{"@id":"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/fr\/quest-ce-que-le-profilage-des-donnees-portee-techniques-et-defis\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/fr\/"},{"@type":"ListItem","position":2,"name":"Qu’est-ce que le profilage des donn\u00e9es ? Port\u00e9e, techniques et d\u00e9fis"}]},{"@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\/62230"}],"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=62230"}],"version-history":[{"count":1,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/62230\/revisions"}],"predecessor-version":[{"id":62231,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/62230\/revisions\/62231"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media\/61326"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media?parent=62230"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/categories?post=62230"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/tags?post=62230"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}