- \n
- Un guide complet pour la normalisation et la validation des adresses<\/a>.<\/li>\n<\/ul>\n
Voici quelques-unes des questions cl\u00e9s abord\u00e9es dans ce billet : <\/span><\/p>\n
- \n
- Qu’est-ce que le rapprochement des donn\u00e9es dans le processus de normalisation et de validation des adresses ? <\/span><\/li>\n
- Quelles sont les fonctions et les composantes impliqu\u00e9es dans la correspondance des donn\u00e9es d’adresse ? <\/span><\/li>\n
- Principaux d\u00e9fis de la mise en correspondance des donn\u00e9es d’adresses<\/li>\n
- \u00c9tude de cas Cabarrus<\/li>\n<\/ul>\n
Allons-y.<\/p>\n
Qu’est-ce que le rapprochement des donn\u00e9es dans le processus de normalisation et de validation des adresses ? <\/span><\/h2>\n
Supposons que vous disposiez de deux ensembles de donn\u00e9es clients A et B, l’ensemble A repr\u00e9sentant les clients appartenant \u00e0 la tranche d’\u00e2ge 20 – 35 ans tandis que l’ensemble B appartient \u00e0 la tranche 35 – 50 ans. La plupart des personnes figurant sur ces listes partagent une adresse exacte (membres de la m\u00eame famille) ou similaire (membres d’une copropri\u00e9t\u00e9 par exemple). Vous voulez consolider les deux listes pour pouvoir envoyer une seule lettre d’information au lieu de 3 lettres \u00e0 3 membres de la m\u00eame famille. <\/span><\/p>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/08\/DL_Address-Duplicates.png\")
<\/p>\nLerapprochement des donn\u00e9es<\/a> est le processus qui vous permet de faire correspondre ces deux ensembles sur la base de leurs donn\u00e9es d’adresse et de les consolider pour vous donner une liste finale des clients qui partagent la m\u00eame adresse. <\/strong><\/p>\n
\u00c7a semble facile ? <\/span><\/p>\n
Seulement si c’\u00e9tait le cas ! <\/span><\/p>\n
Par exemple, les donn\u00e9es de l’ensemble A peuvent consister en des adresses similaires ou exactes dans la m\u00eame liste. Cela signifie que vous devrez d’abord faire correspondre les enregistrements du jeu A, les d\u00e9duire, obtenir une liste d’enregistrements uniques et la sauvegarder en tant que nouvel enregistrement. Vous devrez r\u00e9p\u00e9ter le m\u00eame processus avec l’ensemble B. <\/span><\/p>\n
Ensuite, vous pouvez d\u00e9couvrir que plusieurs enregistrements des nouveaux d\u00e9riv\u00e9s des ensembles A et B sont similaires. Vous effectuez donc une nouvelle comparaison de donn\u00e9es entre les deux enregistrements pour cr\u00e9er un troisi\u00e8me enregistrement qui contient des informations consolid\u00e9es sur les ensembles A et B. Mais qu’en est-il des enregistrements originaux ? Vous pourriez avoir besoin de les assortir aussi ! <\/span><\/p>\n
Le processus est \u00e9poustouflant et it\u00e9ratif par nature. Imaginez devoir faire tout cela manuellement. <\/span><\/p>\n
Ce processus d’appariement apparemment simple prendrait des jours \u00e0 accomplir. Les utilisateurs doivent d’abord extraire les donn\u00e9es de la source de donn\u00e9es, qui peut \u00eatre un CRM, un ERP ou un entrep\u00f4t de donn\u00e9es. Les donn\u00e9es sont ensuite transmises aux utilisateurs professionnels sous la forme de feuilles de calcul et c’est l\u00e0 que le vrai travail commence. Les utilisateurs professionnels devront analyser les donn\u00e9es pour d\u00e9tecter les erreurs courantes, valider les informations de chaque colonne, \u00e9liminer les fautes de frappe et utiliser des formules Excel pour identifier les champs nuls ou dupliqu\u00e9s. Ce processus est r\u00e9p\u00e9t\u00e9 pour chaque ensemble de donn\u00e9es qui doit \u00eatre mis en correspondance. Une fois que l’utilisateur est satisfait de la qualit\u00e9 de l’ensemble de donn\u00e9es, il lance le processus de mise en correspondance. <\/span><\/p>\n
Dans les situations o\u00f9 les utilisateurs professionnels ne sont pas impliqu\u00e9s, le rapprochement des donn\u00e9es est effectu\u00e9 au moyen de requ\u00eates SQL \u00e9tendues. L’inconv\u00e9nient de cette situation est la capacit\u00e9 limit\u00e9e des utilisateurs professionnels \u00e0 analyser et \u00e0 comprendre r\u00e9ellement les donn\u00e9es. Et s’ils veulent obtenir des donn\u00e9es suppl\u00e9mentaires en termes de sexe et de profession ? Ils devront communiquer ce processus au service informatique et tout le processus fastidieux est r\u00e9vis\u00e9 ou r\u00e9p\u00e9t\u00e9 pour obtenir une correspondance. <\/span><\/p>\n
D\u00e9fis li\u00e9s \u00e0 la correspondance des donn\u00e9es pour les adresses <\/span><\/h2>\n
Le rapprochement des donn\u00e9es est une fonction n\u00e9cessaire lorsqu’on travaille avec des donn\u00e9es tabulaires, mais ce n’est pas un processus facile. <\/span><\/p>\n
Parmi les principaux d\u00e9fis auxquels nos clients sont confront\u00e9s en mati\u00e8re de rapprochement des donn\u00e9es, citons les suivants <\/span><\/p>\n
- \n
- Garantir l’exactitude des donn\u00e9es :<\/strong> <\/span><\/b>La plupart des entreprises n’ont pas mis en place de syst\u00e8me de nettoyage des donn\u00e9es ou bien les gestionnaires de donn\u00e9es utilisent des requ\u00eates complexes pour effectuer un nettoyage de base des donn\u00e9es. Pourtant, des probl\u00e8mes tels que l’espacement n\u00e9gatif, les fautes de frappe avec le gros doigt, l’utilisation accidentelle de signes de ponctuation, etc. <\/span>etc.<\/span> ne sont pas faciles \u00e0 d\u00e9tecter. En outre, la normalisation et la standardisation des donn\u00e9es d’adresses<\/a> prennent du temps, d’autant plus qu’elles sont les plus sujettes aux erreurs. <\/span><\/li>\n<\/ul>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/08\/Address-Variations_Data-Integration.png\")
<\/p>\n- \n
- Collecte de donn\u00e9es \u00e0 partir de sources disparates :<\/strong> <\/span><\/span>Les donn\u00e9es ne sont g\u00e9n\u00e9ralement pas facilement disponibles pour le rapprochement. Elles doivent g\u00e9n\u00e9ralement \u00eatre collect\u00e9es aupr\u00e8s de plusieurs sources disparates, ce qui rend encore plus difficile la garantie de leur exactitude. Par exemple, de nombreuses entreprises doivent collecter des donn\u00e9es aupr\u00e8s de fournisseurs et d’applications tierces \u00e0 des fins d’analyse, mais comme ces sources de donn\u00e9es diff\u00e8rent les unes des autres en termes de structure, il peut \u00eatre difficile de les faire correspondre. Ce probl\u00e8me ne se limite pas aux instances de donn\u00e9es externes. Les entreprises qui sont connect\u00e9es \u00e0 plusieurs applications ou qui utilisent plusieurs plateformes ont souvent du mal \u00e0 consolider leurs donn\u00e9es \u00e0 des fins d’analyse ou de renseignement. <\/span><\/span>
\n<\/span>
<\/span><\/li>\n- Ne pas mesurer les scores de correspondance des donn\u00e9es :<\/strong> <\/span><\/span>Malheureusement, les entreprises ne mesurent g\u00e9n\u00e9ralement pas les scores de concordance des donn\u00e9es. Le rapprochement des donn\u00e9es pose deux probl\u00e8mes courants : les faux positifs et les faux n\u00e9gatifs. Les deux sont pr\u00e9judiciables au temps et aux efforts de l’entreprise. <\/span><\/span><\/li>\n<\/ul>\n
Par exemple, deux sources de donn\u00e9es sont mises en correspondance pour d\u00e9terminer les adresses en double dans un bloc sp\u00e9cifique. 8 adresses sur 20 correspondent, ce qui indique une duplication ainsi que l’utilisation d’une adresse pour plusieurs personnes (comme les membres d’une famille). Cependant, 4\/20 correspondances sont des faux positifs – ce qui signifie que les adresses sont cens\u00e9es correspondre mais qu’elles ne sont pas celles de la m\u00eame personne. Une valeur manquante, telle qu’un num\u00e9ro de maison, peut \u00eatre \u00e0 l’origine d’une correspondance faussement positive. 6\/20 sont des faux n\u00e9gatifs, ce qui signifie que les adresses correspondent et appartiennent bien \u00e0 la m\u00eame personne, mais que le syst\u00e8me est pass\u00e9 compl\u00e8tement \u00e0 c\u00f4t\u00e9 en raison de variables telles qu’un deuxi\u00e8me pr\u00e9nom manquant ou incomplet, ou des codes postaux ZIP<\/a> manquants, etc. <\/span><\/p>\n
Dans les deux cas, les \u00e9quipes devront passer du temps \u00e0 v\u00e9rifier et valider manuellement les informations. Les efforts manuels de rapprochement des donn\u00e9es d’adresses ne fonctionnent mieux que lorsqu’il n’y a pas d’incoh\u00e9rences dans les donn\u00e9es. Mais comme nous le savons, les donn\u00e9es, surtout les donn\u00e9es modernes, sont tout sauf coh\u00e9rentes. <\/span><\/p>\n
La solution – Comment obtenir une correspondance pr\u00e9cise des donn\u00e9es d’adresses ? <\/span><\/span><\/h2>\n
Je pourrais simplement vous dire de vous procurer un outil de rapprochement de donn\u00e9es<\/a> haut de gamme et ce serait la solution \u00e0 tous vos probl\u00e8mes (effort manuel, manque de ressources SQL, etc.), mais ce n’est pas ainsi que cela fonctionne. <\/span><\/p>\n
Il y a un <\/span>processus complet<\/span> pour faire correspondre les donn\u00e9es d’adresse<\/a>. <\/span><\/p>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/08\/DL_Address-Deduplication.png\")
<\/p>\n- \n
- Int\u00e9grer vos sources de donn\u00e9es :<\/strong> <\/span><\/b>Si vous collectez des donn\u00e9es provenant de plusieurs sources, vous devrez les int\u00e9grer dans une plateforme pour lancer l’activit\u00e9 de rapprochement. L’int\u00e9gration des donn\u00e9es n’est cependant pas facile. Vous devrez extraire les donn\u00e9es et les transformer dans un fichier CSV ou dans votre base de donn\u00e9es. Dans les deux cas, vous devrez pr\u00e9parer les donn\u00e9es avant de pouvoir les d\u00e9placer. <\/span><\/li>\n
- Profilage des donn\u00e9es : <\/strong><\/span><\/b>Lorsque vous pr\u00e9parez les donn\u00e9es, vous les profilez pour voir si elles contiennent des erreurs, des fautes de frappe ou des valeurs manquantes. Si vous sautez cette \u00e9tape, votre processus de rapprochement \u00e9chouera. Vous avez besoin de donn\u00e9es pr\u00e9cises<\/a> pour effectuer un rapprochement efficace.<\/span><\/span><\/li>\n
\nNormalisation et nettoyage des donn\u00e9es :<\/strong> <\/span>
\n<\/b>Toutes les villes doivent-elles \u00eatre \u00e9crites comme <\/span>
\nNY, NYC ou ny ? <\/span>
\n<\/b> Toutes les adresses devraient-elles avoir un code postal ? Faut-il supprimer les signes – entre les chiffres ? Ce sont tous des cas mineurs qui d\u00e9gradent la qualit\u00e9 de vos donn\u00e9es. Pour r\u00e9aliser un match efficace, vous devrez nettoyer ces incoh\u00e9rences. C’est un d\u00e9fi en soi. Les scientifiques\/analystes de donn\u00e9es passent 80 % de leur temps \u00e0 nettoyer ces donn\u00e9es<\/a>. <\/span><\/li>\n- Validation des donn\u00e9es d’adresse :<\/strong> <\/span><\/b>Et c’est la partie d\u00e9licate. Saviez-vous que la plupart des adresses que vous avez ne sont probablement m\u00eame pas valides ? Les gens ont tendance \u00e0 saisir des adresses incompl\u00e8tes, incorrectes ou m\u00eame fausses. Si vous vous lancez dans des activit\u00e9s de mailing sans avoir au pr\u00e9alable valid\u00e9 et v\u00e9rifi\u00e9 vos donn\u00e9es d’adresse<\/a>, vous perdrez des centaines de milliers de dollars en frais de mailing. C’est pourquoi vous avez besoin d’une solution certifi\u00e9e CASS (il s’agit d’un fournisseur certifi\u00e9 par l’USPS) pour vous aider \u00e0 valider les adresses<\/a> et vous assurer que votre liste d’adresses respecte les directives de l’USPS. <\/span><\/li>\n
- Enfin, la correspondance : <\/strong><\/span><\/b>Maintenant que vos donn\u00e9es d’adresse sont propres et valid\u00e9es, il est temps de proc\u00e9der au rapprochement. Si vous utilisez une solution de comparaison de donn\u00e9es comme DataMatch Enterprise<\/a>, le processus est simple et facile. Vous s\u00e9lectionnez les colonnes que vous voulez faire correspondre – que ce soit entre les sources de donn\u00e9es, entre elles ou \u00e0 l’int\u00e9rieur de celles-ci, vous ajustez les crit\u00e8res de correspondance et c’est tout ! Vous obtenez des r\u00e9sultats en quelques minutes. <\/span><\/li>\n<\/ol>\n
Et maintenant, voici la partie o\u00f9 je vous explique pourquoi vous avez besoin d’une solution de comparaison de donn\u00e9es en libre-service telle que <\/span>DataMatch<\/span> pour tirer de ce processus. En bref, avec cette solution, vous pouvez : <\/span><\/p>\n
- \n
- \n
- \n
- Gagner du temps, soit pr\u00e8s de 80 % des efforts manuels. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- \n
- \n
- Am\u00e9liorez l’efficacit\u00e9 et laissez votre \u00e9quipe avoir plus de temps pour analyser les donn\u00e9es au lieu de les nettoyer. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- \n
- \n
- Validez votre adresse. Nous sommes une solution certifi\u00e9e CASS<\/a> et pouvons valider les adresses des \u00c9tats-Unis, du Canada et du Royaume-Uni. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- \n
- \n
- Effectuez la mise en correspondance des donn\u00e9es avec un score de pr\u00e9cision \u00e9lev\u00e9. Dans de multiples \u00e9tudes et rapports, Data Ladder a devanc\u00e9 SAS et IBM en termes de pr\u00e9cision. Nous sommes la seule solution qui offre une correspondance d’une pr\u00e9cision de 96 % (au moins). Avec des donn\u00e9es complexes, vous aurez besoin d’une solution de rapprochement de donn\u00e9es qui renvoie des r\u00e9sultats tr\u00e8s pr\u00e9cis. Toute valeur inf\u00e9rieure implique un effort manuel accru pour \u00e9liminer les faux positifs et n\u00e9gatifs. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- \n
- \n
- Consolidez vos donn\u00e9es et cr\u00e9ez facilement des enregistrements. Vous ne devez pas continuer \u00e0 d\u00e9placer les donn\u00e9es. Faites correspondre, fusionnez<\/a>, d\u00e9duisez<\/a> et obtenez une nouvelle liste que vous pourrez utiliser et d\u00e9velopper. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
C’est ainsi que nous avons aid\u00e9 plusieurs institutions du gouvernement am\u00e9ricain et de l’enseignement public \u00e0 non seulement faire correspondre les donn\u00e9es d’adresses mais aussi \u00e0 am\u00e9liorer la qualit\u00e9 globale des donn\u00e9es. <\/span><\/p>\n
Comment Cabarrus Education a \u00e9conomis\u00e9 des semaines de travail manuel pour faire correspondre les donn\u00e9es d’adresse.<\/h2>\n
Lisez cette \u00e9tude de cas pour voir comment nous avons aid\u00e9 un district scolaire \u00e0 am\u00e9liorer sa productivit\u00e9 gr\u00e2ce \u00e0 l’analyse des donn\u00e9es, en r\u00e9duisant le temps de nettoyage des donn\u00e9es brutes de deux semaines \u00e0 seulement <\/span>
\n16 heures ! <\/span>
\n<\/b><\/p>\n","protected":false},"excerpt":{"rendered":"Les donn\u00e9es d’adresses sont semi-structur\u00e9es, ce qui en fait l’un des \u00e9l\u00e9ments les plus difficiles \u00e0 mettre en \u0153uvre dans une activit\u00e9 de rapprochement de donn\u00e9es. Depuis longtemps, des m\u00e9thodes manuelles de rapprochement des donn\u00e9es, comprenant une programmation SQL pouss\u00e9e et des formules de tableur, sont utilis\u00e9es pour rapprocher les listes d’adresses. Si cette m\u00e9thode […]<\/p>\n","protected":false},"author":9,"featured_media":58332,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1212,1263],"tags":[707,706,705,704,561],"acf":[],"yoast_head":"\n
La mise en correspondance des donn\u00e9es d'adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire. - Data Ladder<\/title>\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\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"La mise en correspondance des donn\u00e9es d'adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire. - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Les donn\u00e9es d’adresses sont semi-structur\u00e9es, ce qui en fait l’un des \u00e9l\u00e9ments les plus difficiles \u00e0 mettre en \u0153uvre dans une activit\u00e9 de rapprochement de donn\u00e9es. Depuis longtemps, des m\u00e9thodes manuelles de rapprochement des donn\u00e9es, comprenant une programmation SQL pouss\u00e9e et des formules de tableur, sont utilis\u00e9es pour rapprocher les listes d’adresses. Si cette m\u00e9thode […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/\" \/>\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=\"2020-08-26T04:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-29T06:51:04+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Address-Variations_Data-Integration.png\" \/>\n\t<meta property=\"og:image:width\" content=\"3470\" \/>\n\t<meta property=\"og:image:height\" content=\"1278\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\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=\"10 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"La mise en correspondance des donn\u00e9es d’adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire.\",\"datePublished\":\"2020-08-26T04:00:00+00:00\",\"dateModified\":\"2022-03-29T06:51:04+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/\"},\"wordCount\":2206,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#organization\"},\"keywords\":[\"aborder la qualit\u00e9 des donn\u00e9es\",\"adresse donn\u00e9es correspondance\",\"couplage de donn\u00e9es\",\"donn\u00e9es d'adresse\",\"mise en correspondance des donn\u00e9es\"],\"articleSection\":[\"Data quality management\",\"Gestion de la qualit\u00e9 des donn\u00e9es\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/\",\"url\":\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/\",\"name\":\"La mise en correspondance des donn\u00e9es d'adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire. - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#website\"},\"datePublished\":\"2020-08-26T04:00:00+00:00\",\"dateModified\":\"2022-03-29T06:51:04+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"La mise en correspondance des donn\u00e9es d’adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire.\"}]},{\"@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":"La mise en correspondance des donn\u00e9es d'adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire. - Data Ladder","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\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/","og_locale":"fr_FR","og_type":"article","og_title":"La mise en correspondance des donn\u00e9es d'adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire. - Data Ladder","og_description":"Les donn\u00e9es d’adresses sont semi-structur\u00e9es, ce qui en fait l’un des \u00e9l\u00e9ments les plus difficiles \u00e0 mettre en \u0153uvre dans une activit\u00e9 de rapprochement de donn\u00e9es. Depuis longtemps, des m\u00e9thodes manuelles de rapprochement des donn\u00e9es, comprenant une programmation SQL pouss\u00e9e et des formules de tableur, sont utilis\u00e9es pour rapprocher les listes d’adresses. Si cette m\u00e9thode […]","og_url":"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2020-08-26T04:00:00+00:00","article_modified_time":"2022-03-29T06:51:04+00:00","og_image":[{"width":3470,"height":1278,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Address-Variations_Data-Integration.png","type":"image\/png"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"lbarrera","Dur\u00e9e de lecture estim\u00e9e":"10 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"La mise en correspondance des donn\u00e9es d’adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire.","datePublished":"2020-08-26T04:00:00+00:00","dateModified":"2022-03-29T06:51:04+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/"},"wordCount":2206,"publisher":{"@id":"https:\/\/dataladder.com\/fr\/#organization"},"keywords":["aborder la qualit\u00e9 des donn\u00e9es","adresse donn\u00e9es correspondance","couplage de donn\u00e9es","donn\u00e9es d'adresse","mise en correspondance des donn\u00e9es"],"articleSection":["Data quality management","Gestion de la qualit\u00e9 des donn\u00e9es"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/","url":"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/","name":"La mise en correspondance des donn\u00e9es d'adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire. - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/#website"},"datePublished":"2020-08-26T04:00:00+00:00","dateModified":"2022-03-29T06:51:04+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/fr\/la-mise-en-correspondance-des-donnees-dadresses-ne-doit-pas-necessairement-etre-un-defi-qui-mobilise-des-ressources-voici-comment-vous-pouvez-mieux-le-faire\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/fr\/"},{"@type":"ListItem","position":2,"name":"La mise en correspondance des donn\u00e9es d’adresses ne doit pas n\u00e9cessairement \u00eatre un d\u00e9fi qui mobilise des ressources. Voici comment vous pouvez mieux le faire."}]},{"@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\/63027"}],"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=63027"}],"version-history":[{"count":2,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/63027\/revisions"}],"predecessor-version":[{"id":66564,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/63027\/revisions\/66564"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media\/58332"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media?parent=63027"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/categories?post=63027"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/tags?post=63027"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
- Consolidez vos donn\u00e9es et cr\u00e9ez facilement des enregistrements. Vous ne devez pas continuer \u00e0 d\u00e9placer les donn\u00e9es. Faites correspondre, fusionnez<\/a>, d\u00e9duisez<\/a> et obtenez une nouvelle liste que vous pourrez utiliser et d\u00e9velopper. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- Effectuez la mise en correspondance des donn\u00e9es avec un score de pr\u00e9cision \u00e9lev\u00e9. Dans de multiples \u00e9tudes et rapports, Data Ladder a devanc\u00e9 SAS et IBM en termes de pr\u00e9cision. Nous sommes la seule solution qui offre une correspondance d’une pr\u00e9cision de 96 % (au moins). Avec des donn\u00e9es complexes, vous aurez besoin d’une solution de rapprochement de donn\u00e9es qui renvoie des r\u00e9sultats tr\u00e8s pr\u00e9cis. Toute valeur inf\u00e9rieure implique un effort manuel accru pour \u00e9liminer les faux positifs et n\u00e9gatifs. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- Validez votre adresse. Nous sommes une solution certifi\u00e9e CASS<\/a> et pouvons valider les adresses des \u00c9tats-Unis, du Canada et du Royaume-Uni. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- Am\u00e9liorez l’efficacit\u00e9 et laissez votre \u00e9quipe avoir plus de temps pour analyser les donn\u00e9es au lieu de les nettoyer. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n
- Gagner du temps, soit pr\u00e8s de 80 % des efforts manuels. <\/span><\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- Profilage des donn\u00e9es : <\/strong><\/span><\/b>Lorsque vous pr\u00e9parez les donn\u00e9es, vous les profilez pour voir si elles contiennent des erreurs, des fautes de frappe ou des valeurs manquantes. Si vous sautez cette \u00e9tape, votre processus de rapprochement \u00e9chouera. Vous avez besoin de donn\u00e9es pr\u00e9cises<\/a> pour effectuer un rapprochement efficace.<\/span><\/span><\/li>\n
- Ne pas mesurer les scores de correspondance des donn\u00e9es :<\/strong> <\/span><\/span>Malheureusement, les entreprises ne mesurent g\u00e9n\u00e9ralement pas les scores de concordance des donn\u00e9es. Le rapprochement des donn\u00e9es pose deux probl\u00e8mes courants : les faux positifs et les faux n\u00e9gatifs. Les deux sont pr\u00e9judiciables au temps et aux efforts de l’entreprise. <\/span><\/span><\/li>\n<\/ul>\n
- Collecte de donn\u00e9es \u00e0 partir de sources disparates :<\/strong> <\/span><\/span>Les donn\u00e9es ne sont g\u00e9n\u00e9ralement pas facilement disponibles pour le rapprochement. Elles doivent g\u00e9n\u00e9ralement \u00eatre collect\u00e9es aupr\u00e8s de plusieurs sources disparates, ce qui rend encore plus difficile la garantie de leur exactitude. Par exemple, de nombreuses entreprises doivent collecter des donn\u00e9es aupr\u00e8s de fournisseurs et d’applications tierces \u00e0 des fins d’analyse, mais comme ces sources de donn\u00e9es diff\u00e8rent les unes des autres en termes de structure, il peut \u00eatre difficile de les faire correspondre. Ce probl\u00e8me ne se limite pas aux instances de donn\u00e9es externes. Les entreprises qui sont connect\u00e9es \u00e0 plusieurs applications ou qui utilisent plusieurs plateformes ont souvent du mal \u00e0 consolider leurs donn\u00e9es \u00e0 des fins d’analyse ou de renseignement. <\/span><\/span>
- Quelles sont les fonctions et les composantes impliqu\u00e9es dans la correspondance des donn\u00e9es d’adresse ? <\/span><\/li>\n
- Qu’est-ce que le rapprochement des donn\u00e9es dans le processus de normalisation et de validation des adresses ? <\/span><\/li>\n