Un \u00ab\u00a0non\u00a0\u00bb \u00e0 ces questions indique que vous devez optimiser vos donn\u00e9es avant d’investir dans un programme de BI ou d’analyse. Et cet article vous aidera \u00e0 comprendre comment.<\/p>\n
Quelques statistiques pour vous pousser \u00e0 l’action <\/strong><\/h3>\nVoici des statistiques tir\u00e9es d’une enqu\u00eate men\u00e9e par le HBR<\/a> pour d\u00e9terminer pourquoi la plupart des entreprises \u00e9chouent dans leurs efforts ax\u00e9s sur les donn\u00e9es. L’enqu\u00eate montre :<\/p>\n\n- 72 % des participants \u00e0 l’enqu\u00eate indiquent qu’ils n’ont pas encore forg\u00e9 une culture de la donn\u00e9e.<\/li>\n
- 69 % indiquent qu’ils n’ont pas cr\u00e9\u00e9 une organisation ax\u00e9e sur les donn\u00e9es.<\/li>\n
- 53 % d\u00e9clarent qu’ils ne traitent pas encore les donn\u00e9es comme un actif commercial.<\/li>\n
- 52% admettent qu’ils ne sont pas en concurrence sur les donn\u00e9es et l’analytique<\/li>\n<\/ul>\n
Des chiffres alarmants ? Apr\u00e8s avoir travaill\u00e9 avec plus de 4 500 clients dans le monde entier, nous ne connaissons que trop bien la v\u00e9rit\u00e9 qui se cache derri\u00e8re ces statistiques.<\/p>\n
Les organisations redoublent d’efforts pour \u00eatre ax\u00e9es sur les donn\u00e9es, mais des probl\u00e8mes tels que ceux \u00e9voqu\u00e9s ci-dessus, comme l’absence d’une culture des donn\u00e9es ou l’incapacit\u00e9 \u00e0 traiter les donn\u00e9es comme un actif commercial, compliquent la t\u00e2che des entreprises.<\/p>\n
Qu’est-ce que la transformation des donn\u00e9es et pourquoi vous devez la privil\u00e9gier par rapport \u00e0 tout le reste ? <\/strong><\/h3>\nDans un monde interconnect\u00e9, les entreprises sont confront\u00e9es \u00e0 une quantit\u00e9 insondable de donn\u00e9es brutes. Imaginez toutes les donn\u00e9es que vous collectez \u00e0 partir des applications de m\u00e9dias sociaux, des campagnes de marketing, des campagnes de vente, des publicit\u00e9s, des activit\u00e9s d’\u00e9tude de march\u00e9, des entonnoirs de vente, etc. Toutes ces donn\u00e9es brutes doivent \u00eatre extraites, tri\u00e9es, nettoy\u00e9es et \u00ab\u00a0transform\u00e9es\u00a0\u00bb en donn\u00e9es exploitables fournissant des informations pr\u00e9cieuses.<\/p>\n
La transformation des donn\u00e9es est donc le processus qui consiste \u00e0 transformer des donn\u00e9es brutes en donn\u00e9es utilisables. Ce processus implique des \u00e9tapes cl\u00e9s comme :<\/p>\n
\n- Identifier les failles affectant la qualit\u00e9 de vos donn\u00e9es<\/li>\n
- Int\u00e9grer des donn\u00e9es provenant de sources disparates en une seule source consolid\u00e9e de v\u00e9rit\u00e9<\/li>\n
- Nettoyage et correction des donn\u00e9es (probl\u00e8mes tels que les fautes de frappe, les valeurs manquantes, etc.)<\/li>\n
- D\u00e9duplication des donn\u00e9es<\/li>\n
- Mappage des donn\u00e9es vers un outil de BI<\/li>\n
- Rendre les donn\u00e9es utilisables pour la migration ou d’autres objectifs de transformation num\u00e9rique.<\/li>\n<\/ul>\n
Bien que cela semble simple en th\u00e9orie, dans la pratique, la transformation des donn\u00e9es est un processus tr\u00e9pidant qui implique un investissement important dans des outils de transformation des donn\u00e9es, la consultation de prestataires de services tiers et l’adh\u00e9sion des cadres dirigeants. Il faut au moins un an de r\u00e9flexion pour qu’une entreprise prenne les mesures n\u00e9cessaires \u00e0 la transformation des donn\u00e9es.<\/p>\n
Les deux approches de base<\/strong><\/h3>\nEn g\u00e9n\u00e9ral, il existe deux approches de base pour une solution de transformation des donn\u00e9es. Ce sont :<\/p>\n
\n- \n
\n- L’approche manuelle – Cr\u00e9er une \u00e9quipe interne pour coder manuellement les solutions ETL : <\/strong>Une m\u00e9thode traditionnelle, cette approche est encore utilis\u00e9e par certaines organisations aujourd’hui, ce qui les fait \u00e9chouer lamentablement. Les donn\u00e9es dont nous disposons aujourd’hui sont complexes. Il est pratiquement impossible d’avoir une \u00e9quipe de codeurs qui cr\u00e9e des scripts ETL pour chaque source de donn\u00e9es, ce qui non seulement prend du temps mais est aussi contre-productif. Les \u00e9quipes doivent passer des mois et des ann\u00e9es \u00e0 modifier des scripts pour r\u00e9pondre \u00e0 une demande croissante, sans pour autant atteindre le niveau de pr\u00e9cision requis pour que les donn\u00e9es soient efficaces. Les erreurs involontaires, les malentendus, les t\u00e2ches banales et r\u00e9p\u00e9titives font de cette approche un \u00e9chec co\u00fbteux pour la plupart des organisations.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n<\/div>\n\n\n
Pourquoi les solutions internes de qualit\u00e9 des donn\u00e9es \u00e9chouent<\/h3>\n<\/div>\n\nUne responsabilit\u00e9 coh\u00e9rente pour les entreprises<\/p>\n<\/div>\n<\/div>\n
T\u00e9l\u00e9charger le livre blanc gratuit<\/strong> <\/a><\/div>\n<\/div>\n\n- L’approche logicielle – Se doter d’un outil de pr\u00e9paration des donn\u00e9es<\/a> <\/strong>sur site : Les solutions sur site permettent aux entreprises de pr\u00e9parer, de transformer, d’int\u00e9grer et de fusionner des donn\u00e9es<\/a> provenant de sources multiples dans un nouvel enregistrement principal. Par rapport \u00e0 l’approche manuelle, cette approche automatis\u00e9e se d\u00e9roule en peu de temps, consomme moins de ressources, est moins co\u00fbteuse que le recrutement d’une \u00e9quipe \u00e0 part enti\u00e8re et ne n\u00e9cessite qu’une seule personne pour g\u00e9rer l’ensemble du processus. Certains outils, comme DataMatch Enterprise de Data Ladder<\/a>, ont une interface utilisateur simple qui permet aux utilisateurs non informaticiens de comparer, nettoyer et fusionner des donn\u00e9es sans avoir besoin de connaissances linguistiques suppl\u00e9mentaires.<\/li>\n<\/ul>\n
Six types de transformation des donn\u00e9es dont vos donn\u00e9es auraient besoin <\/strong><\/h3>\nLa transformation des donn\u00e9es est un processus compos\u00e9 de diff\u00e9rents processus et chaque processus est con\u00e7u pour aider les entreprises \u00e0 atteindre un certain objectif en mati\u00e8re de donn\u00e9es. Par exemple, certaines entreprises ont peut-\u00eatre d\u00e9j\u00e0 mis en place un m\u00e9canisme de nettoyage des donn\u00e9es, mais elles ont probablement besoin d’une solution d’int\u00e9gration pour regrouper leurs donn\u00e9es sur une seule plateforme afin d’obtenir une source unique de v\u00e9rit\u00e9. Vos besoins en mati\u00e8re de transformation des donn\u00e9es d\u00e9pendent de la qualit\u00e9 actuelle de vos donn\u00e9es et de vos objectifs en la mati\u00e8re.<\/p>\n
En g\u00e9n\u00e9ral, si vous n’avez pas mis en place un cadre de qualit\u00e9 des donn\u00e9es, vos donn\u00e9es devront subir cinq processus de base pour \u00eatre transform\u00e9es. Ce sont :<\/p>\n
Nettoyage des donn\u00e9es : <\/strong> Les donn\u00e9es brutes sont des donn\u00e9es sales. En fait, toute donn\u00e9e collect\u00e9e par un syst\u00e8me et qui n’a pas \u00e9t\u00e9 trait\u00e9e ou analys\u00e9e pour \u00eatre utilis\u00e9e tend \u00e0 \u00eatre une donn\u00e9e sale.<\/p>\nLorsque nous parlons de donn\u00e9es brutes, il s’agit de toutes les donn\u00e9es qui existent :<\/p>\n
\n- Il est truff\u00e9 de fautes d’orthographe, de coquilles, de probl\u00e8mes de chiffres et de ponctuation, et bien plus encore.<\/li>\n
- Dupliqu\u00e9 plusieurs fois dans une source de donn\u00e9es ou dans plusieurs sources de donn\u00e9es (si une organisation a plusieurs d\u00e9partements qui stockent diff\u00e9rentes formes d’informations sur une entit\u00e9).<\/li>\n
- Incomplet, incoh\u00e9rent et impr\u00e9cis. Les faux noms, les adresses \u00e9lectroniques et les adresses physiques font partie des probl\u00e8mes de qualit\u00e9 des donn\u00e9es les plus courants.<\/li>\n<\/ul>\n
Vous pouvez obtenir plus d’informations sur le nettoyage des donn\u00e9es dans le guided\u00e9taill\u00e9 101 Data Cleansing Guide<\/a>.<\/p>\nLenettoyage des donn\u00e9es<\/a> est la premi\u00e8re \u00e9tape de la transformation des donn\u00e9es. Vous ne pouvez rien faire d’autre tant que vos donn\u00e9es ne sont pas d\u00e9barrass\u00e9es des erreurs de base qui leur donnent un indicateur de \u00ab\u00a0mauvaise sant\u00e9\u00a0\u00bb.<\/p>\nD\u00e9duplication des donn\u00e9es<\/a> <\/strong>: C’est un probl\u00e8me classique dans la plupart des organisations. C’est le probl\u00e8me le plus courant que nous ayons eu \u00e0 rencontrer avec des clients du Fortune 500. Un grand d\u00e9taillant, par exemple, avait du mal \u00e0 g\u00e9rer les donn\u00e9es sur les produits provenant de multiples fournisseurs et revendeurs tiers. Avec des identifiants uniques, des formats de donn\u00e9es et des sources de donn\u00e9es diff\u00e9rents, les listes de produits \u00e9taient fortement affect\u00e9es par la mauvaise qualit\u00e9 des donn\u00e9es.<\/p>\nDe m\u00eame, les organisations dont les donn\u00e9es clients sont stock\u00e9es en silo dans plusieurs sources de donn\u00e9es ont souvent des probl\u00e8mes de duplication des donn\u00e9es. Si les ventes, le marketing et la facturation collectent les m\u00eames donn\u00e9es sur les clients de trois mani\u00e8res diff\u00e9rentes, il y a de fortes chances que la duplication des donn\u00e9es soit exponentielle.<\/p>\n
Normalisation des donn\u00e9es<\/a> <\/strong>: Bien que l’absence d’un format de donn\u00e9es unifi\u00e9 puisse sembler insignifiante, \u00e0 long terme, elle est \u00e0 l’origine des goulets d’\u00e9tranglement les plus graves lors d’une phase de migration des donn\u00e9es. Si votre nouveau CRM a mis en place des r\u00e8gles strictes de normalisation des donn\u00e9es (par exemple, tous les noms doivent commencer par une majuscule ou tous les num\u00e9ros de t\u00e9l\u00e9phone doivent commencer par l’indicatif du pays + la ville), vous avez un s\u00e9rieux probl\u00e8me \u00e0 r\u00e9gler. Si les donn\u00e9es de votre organisation sont collect\u00e9es et saisies manuellement par diff\u00e9rentes personnes utilisant des formats diff\u00e9rents, elles devront \u00eatre normalis\u00e9es pour \u00eatre trait\u00e9es.<\/p>\nEn apparence sans importance, la normalisation des donn\u00e9es est souvent n\u00e9glig\u00e9e par les organisations jusqu’\u00e0 ce qu’elles aient besoin d’effectuer une activit\u00e9 de rapprochement des donn\u00e9es<\/a> pour se rendre compte que l’algorithme de rapprochement des donn\u00e9es ne tient pas compte des informations qui ne pr\u00e9sentent pas les m\u00eames caract\u00e9ristiques.<\/p>\nValidation des donn\u00e9es<\/a> <\/strong>: Vos donn\u00e9es sources sont-elles exactes ? Est-il complet ? Par exemple, disposez-vous de donn\u00e9es d’adresse pr\u00e9cises ? Avez-vous plus de faux num\u00e9ros de t\u00e9l\u00e9phone et de fausses adresses \u00e9lectroniques que d’adresses valides ? La validation des donn\u00e9es est le processus qui consiste \u00e0 s’assurer que vous disposez de donn\u00e9es exactes et fiables.<\/p>\nLors du transfert de donn\u00e9es, il est imp\u00e9ratif que les donn\u00e9es provenant de diff\u00e9rentes sources soient conformes aux r\u00e8gles de gestion de la nouvelle source ou du nouveau syst\u00e8me et ne soient pas corrompues en raison de donn\u00e9es incoh\u00e9rentes.<\/p>\n
Consolidation des donn\u00e9es : <\/strong>Les donn\u00e9es stock\u00e9es dans des sources disparates constituent l’un des d\u00e9fis les plus importants auxquels les organisations sont confront\u00e9es aujourd’hui. Pour une entreprise moyenne, qui est connect\u00e9e \u00e0 au moins 400 applications, la quantit\u00e9 de donn\u00e9es qui affluent est insondable. Pour donner un sens \u00e0 toutes ces donn\u00e9es provenant de diff\u00e9rentes sources et stock\u00e9es dans diff\u00e9rentes bases de donn\u00e9es, les entreprises ont besoin d’une solution qui leur permette de fusionner ou de consolider ces donn\u00e9es pour obtenir une source unique de v\u00e9rit\u00e9.<\/p>\nPour nombre de nos clients, la consolidation des donn\u00e9es est la cl\u00e9 de leurs strat\u00e9gies personnalis\u00e9es d’engagement des clients. Bell Banks, une banque renomm\u00e9e, a pu atteindre ses objectifs en mati\u00e8re d’engagement des clients gr\u00e2ce \u00e0 un processus efficace de rapprochement et de consolidation des donn\u00e9es. La banque a pu identifier le parcours de ses clients \u00e0 travers de multiples services et a pu consolider les informations provenant de sources disparates pour obtenir une vue \u00e0 360\u00b0 du client. Non seulement cela les a aid\u00e9s \u00e0 personnaliser l’engagement des clients, mais cela a \u00e9galement permis \u00e0 leurs \u00e9quipes d’obtenir des informations commerciales<\/a> qui ont \u00e9t\u00e9 utilis\u00e9es pour lancer de nouvelles strat\u00e9gies.<\/p>\nComment Data Ladder peut-il vous aider \u00e0 atteindre vos objectifs en mati\u00e8re de donn\u00e9es ? <\/strong><\/h3>\nData Ladder, qui est un fournisseur de solutions de qualit\u00e9 des donn\u00e9es, a aid\u00e9 plus de 4 500 entreprises dans plus de 40 pays \u00e0 g\u00e9rer leurs donn\u00e9es. Au cours de la derni\u00e8re d\u00e9cennie, nous avons r\u00e9alis\u00e9 que pour la plupart des entreprises, le plus grand goulot d’\u00e9tranglement pour r\u00e9aliser la transformation num\u00e9rique ou l’efficacit\u00e9 op\u00e9rationnelle r\u00e9side dans la cause d’une mauvaise gestion des donn\u00e9es.<\/p>\n
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/04\/Data-Cleansing-Software-1.png\")
Avec notre solution, les entreprises peuvent :<\/p>\n
\n- Transformez les donn\u00e9es gr\u00e2ce aux outils de nettoyage et de pr\u00e9paration des donn\u00e9es : <\/strong>Le logiciel phare de Data Ladder, DataMatch Enterprise, permet de nettoyer et de pr\u00e9parer facilement et efficacement les donn\u00e9es \u00e0 partir de sources multiples.<\/li>\n<\/ul>\n
\n- Faites correspondre les donn\u00e9es pour supprimer les doublons avec un taux de pr\u00e9cision de 95 % : <\/strong>Dans le monde du rapprochement des donn\u00e9es, les taux de pr\u00e9cision sont importants. DataMatch Enterprise est la seule solution de sa cat\u00e9gorie \u00e0 offrir un taux de pr\u00e9cision de 95 %. Notre processus de rapprochement des donn\u00e9es est con\u00e7u pour aider les entreprises \u00e0 atteindre deux objectifs : supprimer les doublons et consolider ou fusionner plusieurs sources de donn\u00e9es.
![\"\"](\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/04\/DL_Delete-Duplicates-Graphic.jpg\")
<\/strong><\/li>\n- Standardiser et valider les donn\u00e9es : <\/strong>En tant que solution certifi\u00e9e CASS, DataMatch Enterprise peut \u00eatre utilis\u00e9 pour v\u00e9rifier et valider les donn\u00e9es d’adresse<\/a>. Sur la base de r\u00e8gles commerciales pr\u00e9d\u00e9finies, les utilisateurs peuvent utiliser l’option de normalisation des donn\u00e9es pour cr\u00e9er une uniformit\u00e9 et une coh\u00e9rence entre les ensembles de donn\u00e9es.<\/li>\n
- Int\u00e9gration et fusion de donn\u00e9es pour cr\u00e9er des fiches : <\/strong>L’int\u00e9gration de donn\u00e9es provenant de sources multiples peut \u00eatre facilement r\u00e9alis\u00e9e gr\u00e2ce aux plus de 150 options d’int\u00e9gration de donn\u00e9es fournies par la solution. En outre, le logiciel permet \u00e9galement aux utilisateurs de cr\u00e9er des fiches de fusion et de rapprochement de fichiers qui peuvent ensuite \u00eatre utilis\u00e9es comme version finale de la v\u00e9rit\u00e9.<\/li>\n<\/ul>\n
- \n
- 72 % des participants \u00e0 l’enqu\u00eate indiquent qu’ils n’ont pas encore forg\u00e9 une culture de la donn\u00e9e.<\/li>\n
- 69 % indiquent qu’ils n’ont pas cr\u00e9\u00e9 une organisation ax\u00e9e sur les donn\u00e9es.<\/li>\n
- 53 % d\u00e9clarent qu’ils ne traitent pas encore les donn\u00e9es comme un actif commercial.<\/li>\n
- 52% admettent qu’ils ne sont pas en concurrence sur les donn\u00e9es et l’analytique<\/li>\n<\/ul>\n
Des chiffres alarmants ? Apr\u00e8s avoir travaill\u00e9 avec plus de 4 500 clients dans le monde entier, nous ne connaissons que trop bien la v\u00e9rit\u00e9 qui se cache derri\u00e8re ces statistiques.<\/p>\n
Les organisations redoublent d’efforts pour \u00eatre ax\u00e9es sur les donn\u00e9es, mais des probl\u00e8mes tels que ceux \u00e9voqu\u00e9s ci-dessus, comme l’absence d’une culture des donn\u00e9es ou l’incapacit\u00e9 \u00e0 traiter les donn\u00e9es comme un actif commercial, compliquent la t\u00e2che des entreprises.<\/p>\n
Qu’est-ce que la transformation des donn\u00e9es et pourquoi vous devez la privil\u00e9gier par rapport \u00e0 tout le reste ? <\/strong><\/h3>\n
Dans un monde interconnect\u00e9, les entreprises sont confront\u00e9es \u00e0 une quantit\u00e9 insondable de donn\u00e9es brutes. Imaginez toutes les donn\u00e9es que vous collectez \u00e0 partir des applications de m\u00e9dias sociaux, des campagnes de marketing, des campagnes de vente, des publicit\u00e9s, des activit\u00e9s d’\u00e9tude de march\u00e9, des entonnoirs de vente, etc. Toutes ces donn\u00e9es brutes doivent \u00eatre extraites, tri\u00e9es, nettoy\u00e9es et \u00ab\u00a0transform\u00e9es\u00a0\u00bb en donn\u00e9es exploitables fournissant des informations pr\u00e9cieuses.<\/p>\n
La transformation des donn\u00e9es est donc le processus qui consiste \u00e0 transformer des donn\u00e9es brutes en donn\u00e9es utilisables. Ce processus implique des \u00e9tapes cl\u00e9s comme :<\/p>\n
- \n
- Identifier les failles affectant la qualit\u00e9 de vos donn\u00e9es<\/li>\n
- Int\u00e9grer des donn\u00e9es provenant de sources disparates en une seule source consolid\u00e9e de v\u00e9rit\u00e9<\/li>\n
- Nettoyage et correction des donn\u00e9es (probl\u00e8mes tels que les fautes de frappe, les valeurs manquantes, etc.)<\/li>\n
- D\u00e9duplication des donn\u00e9es<\/li>\n
- Mappage des donn\u00e9es vers un outil de BI<\/li>\n
- Rendre les donn\u00e9es utilisables pour la migration ou d’autres objectifs de transformation num\u00e9rique.<\/li>\n<\/ul>\n
Bien que cela semble simple en th\u00e9orie, dans la pratique, la transformation des donn\u00e9es est un processus tr\u00e9pidant qui implique un investissement important dans des outils de transformation des donn\u00e9es, la consultation de prestataires de services tiers et l’adh\u00e9sion des cadres dirigeants. Il faut au moins un an de r\u00e9flexion pour qu’une entreprise prenne les mesures n\u00e9cessaires \u00e0 la transformation des donn\u00e9es.<\/p>\n
Les deux approches de base<\/strong><\/h3>\n
En g\u00e9n\u00e9ral, il existe deux approches de base pour une solution de transformation des donn\u00e9es. Ce sont :<\/p>\n
- \n
- \n
- \n
- L’approche manuelle – Cr\u00e9er une \u00e9quipe interne pour coder manuellement les solutions ETL : <\/strong>Une m\u00e9thode traditionnelle, cette approche est encore utilis\u00e9e par certaines organisations aujourd’hui, ce qui les fait \u00e9chouer lamentablement. Les donn\u00e9es dont nous disposons aujourd’hui sont complexes. Il est pratiquement impossible d’avoir une \u00e9quipe de codeurs qui cr\u00e9e des scripts ETL pour chaque source de donn\u00e9es, ce qui non seulement prend du temps mais est aussi contre-productif. Les \u00e9quipes doivent passer des mois et des ann\u00e9es \u00e0 modifier des scripts pour r\u00e9pondre \u00e0 une demande croissante, sans pour autant atteindre le niveau de pr\u00e9cision requis pour que les donn\u00e9es soient efficaces. Les erreurs involontaires, les malentendus, les t\u00e2ches banales et r\u00e9p\u00e9titives font de cette approche un \u00e9chec co\u00fbteux pour la plupart des organisations.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n<\/div>\n\n\n
Pourquoi les solutions internes de qualit\u00e9 des donn\u00e9es \u00e9chouent<\/h3>\n<\/div>\n
\nUne responsabilit\u00e9 coh\u00e9rente pour les entreprises<\/p>\n<\/div>\n<\/div>\n
T\u00e9l\u00e9charger le livre blanc gratuit<\/strong> <\/a><\/div>\n<\/div>\n- \n
- L’approche logicielle – Se doter d’un outil de pr\u00e9paration des donn\u00e9es<\/a> <\/strong>sur site : Les solutions sur site permettent aux entreprises de pr\u00e9parer, de transformer, d’int\u00e9grer et de fusionner des donn\u00e9es<\/a> provenant de sources multiples dans un nouvel enregistrement principal. Par rapport \u00e0 l’approche manuelle, cette approche automatis\u00e9e se d\u00e9roule en peu de temps, consomme moins de ressources, est moins co\u00fbteuse que le recrutement d’une \u00e9quipe \u00e0 part enti\u00e8re et ne n\u00e9cessite qu’une seule personne pour g\u00e9rer l’ensemble du processus. Certains outils, comme DataMatch Enterprise de Data Ladder<\/a>, ont une interface utilisateur simple qui permet aux utilisateurs non informaticiens de comparer, nettoyer et fusionner des donn\u00e9es sans avoir besoin de connaissances linguistiques suppl\u00e9mentaires.<\/li>\n<\/ul>\n
Six types de transformation des donn\u00e9es dont vos donn\u00e9es auraient besoin <\/strong><\/h3>\n
La transformation des donn\u00e9es est un processus compos\u00e9 de diff\u00e9rents processus et chaque processus est con\u00e7u pour aider les entreprises \u00e0 atteindre un certain objectif en mati\u00e8re de donn\u00e9es. Par exemple, certaines entreprises ont peut-\u00eatre d\u00e9j\u00e0 mis en place un m\u00e9canisme de nettoyage des donn\u00e9es, mais elles ont probablement besoin d’une solution d’int\u00e9gration pour regrouper leurs donn\u00e9es sur une seule plateforme afin d’obtenir une source unique de v\u00e9rit\u00e9. Vos besoins en mati\u00e8re de transformation des donn\u00e9es d\u00e9pendent de la qualit\u00e9 actuelle de vos donn\u00e9es et de vos objectifs en la mati\u00e8re.<\/p>\n
En g\u00e9n\u00e9ral, si vous n’avez pas mis en place un cadre de qualit\u00e9 des donn\u00e9es, vos donn\u00e9es devront subir cinq processus de base pour \u00eatre transform\u00e9es. Ce sont :<\/p>\n
Nettoyage des donn\u00e9es : <\/strong> Les donn\u00e9es brutes sont des donn\u00e9es sales. En fait, toute donn\u00e9e collect\u00e9e par un syst\u00e8me et qui n’a pas \u00e9t\u00e9 trait\u00e9e ou analys\u00e9e pour \u00eatre utilis\u00e9e tend \u00e0 \u00eatre une donn\u00e9e sale.<\/p>\n
Lorsque nous parlons de donn\u00e9es brutes, il s’agit de toutes les donn\u00e9es qui existent :<\/p>\n
- \n
- Il est truff\u00e9 de fautes d’orthographe, de coquilles, de probl\u00e8mes de chiffres et de ponctuation, et bien plus encore.<\/li>\n
- Dupliqu\u00e9 plusieurs fois dans une source de donn\u00e9es ou dans plusieurs sources de donn\u00e9es (si une organisation a plusieurs d\u00e9partements qui stockent diff\u00e9rentes formes d’informations sur une entit\u00e9).<\/li>\n
- Incomplet, incoh\u00e9rent et impr\u00e9cis. Les faux noms, les adresses \u00e9lectroniques et les adresses physiques font partie des probl\u00e8mes de qualit\u00e9 des donn\u00e9es les plus courants.<\/li>\n<\/ul>\n
Vous pouvez obtenir plus d’informations sur le nettoyage des donn\u00e9es dans le guided\u00e9taill\u00e9 101 Data Cleansing Guide<\/a>.<\/p>\n
Lenettoyage des donn\u00e9es<\/a> est la premi\u00e8re \u00e9tape de la transformation des donn\u00e9es. Vous ne pouvez rien faire d’autre tant que vos donn\u00e9es ne sont pas d\u00e9barrass\u00e9es des erreurs de base qui leur donnent un indicateur de \u00ab\u00a0mauvaise sant\u00e9\u00a0\u00bb.<\/p>\n
D\u00e9duplication des donn\u00e9es<\/a> <\/strong>: C’est un probl\u00e8me classique dans la plupart des organisations. C’est le probl\u00e8me le plus courant que nous ayons eu \u00e0 rencontrer avec des clients du Fortune 500. Un grand d\u00e9taillant, par exemple, avait du mal \u00e0 g\u00e9rer les donn\u00e9es sur les produits provenant de multiples fournisseurs et revendeurs tiers. Avec des identifiants uniques, des formats de donn\u00e9es et des sources de donn\u00e9es diff\u00e9rents, les listes de produits \u00e9taient fortement affect\u00e9es par la mauvaise qualit\u00e9 des donn\u00e9es.<\/p>\n
De m\u00eame, les organisations dont les donn\u00e9es clients sont stock\u00e9es en silo dans plusieurs sources de donn\u00e9es ont souvent des probl\u00e8mes de duplication des donn\u00e9es. Si les ventes, le marketing et la facturation collectent les m\u00eames donn\u00e9es sur les clients de trois mani\u00e8res diff\u00e9rentes, il y a de fortes chances que la duplication des donn\u00e9es soit exponentielle.<\/p>\n
Normalisation des donn\u00e9es<\/a> <\/strong>: Bien que l’absence d’un format de donn\u00e9es unifi\u00e9 puisse sembler insignifiante, \u00e0 long terme, elle est \u00e0 l’origine des goulets d’\u00e9tranglement les plus graves lors d’une phase de migration des donn\u00e9es. Si votre nouveau CRM a mis en place des r\u00e8gles strictes de normalisation des donn\u00e9es (par exemple, tous les noms doivent commencer par une majuscule ou tous les num\u00e9ros de t\u00e9l\u00e9phone doivent commencer par l’indicatif du pays + la ville), vous avez un s\u00e9rieux probl\u00e8me \u00e0 r\u00e9gler. Si les donn\u00e9es de votre organisation sont collect\u00e9es et saisies manuellement par diff\u00e9rentes personnes utilisant des formats diff\u00e9rents, elles devront \u00eatre normalis\u00e9es pour \u00eatre trait\u00e9es.<\/p>\n
En apparence sans importance, la normalisation des donn\u00e9es est souvent n\u00e9glig\u00e9e par les organisations jusqu’\u00e0 ce qu’elles aient besoin d’effectuer une activit\u00e9 de rapprochement des donn\u00e9es<\/a> pour se rendre compte que l’algorithme de rapprochement des donn\u00e9es ne tient pas compte des informations qui ne pr\u00e9sentent pas les m\u00eames caract\u00e9ristiques.<\/p>\n
Validation des donn\u00e9es<\/a> <\/strong>: Vos donn\u00e9es sources sont-elles exactes ? Est-il complet ? Par exemple, disposez-vous de donn\u00e9es d’adresse pr\u00e9cises ? Avez-vous plus de faux num\u00e9ros de t\u00e9l\u00e9phone et de fausses adresses \u00e9lectroniques que d’adresses valides ? La validation des donn\u00e9es est le processus qui consiste \u00e0 s’assurer que vous disposez de donn\u00e9es exactes et fiables.<\/p>\n
Lors du transfert de donn\u00e9es, il est imp\u00e9ratif que les donn\u00e9es provenant de diff\u00e9rentes sources soient conformes aux r\u00e8gles de gestion de la nouvelle source ou du nouveau syst\u00e8me et ne soient pas corrompues en raison de donn\u00e9es incoh\u00e9rentes.<\/p>\n
Consolidation des donn\u00e9es : <\/strong>Les donn\u00e9es stock\u00e9es dans des sources disparates constituent l’un des d\u00e9fis les plus importants auxquels les organisations sont confront\u00e9es aujourd’hui. Pour une entreprise moyenne, qui est connect\u00e9e \u00e0 au moins 400 applications, la quantit\u00e9 de donn\u00e9es qui affluent est insondable. Pour donner un sens \u00e0 toutes ces donn\u00e9es provenant de diff\u00e9rentes sources et stock\u00e9es dans diff\u00e9rentes bases de donn\u00e9es, les entreprises ont besoin d’une solution qui leur permette de fusionner ou de consolider ces donn\u00e9es pour obtenir une source unique de v\u00e9rit\u00e9.<\/p>\n
Pour nombre de nos clients, la consolidation des donn\u00e9es est la cl\u00e9 de leurs strat\u00e9gies personnalis\u00e9es d’engagement des clients. Bell Banks, une banque renomm\u00e9e, a pu atteindre ses objectifs en mati\u00e8re d’engagement des clients gr\u00e2ce \u00e0 un processus efficace de rapprochement et de consolidation des donn\u00e9es. La banque a pu identifier le parcours de ses clients \u00e0 travers de multiples services et a pu consolider les informations provenant de sources disparates pour obtenir une vue \u00e0 360\u00b0 du client. Non seulement cela les a aid\u00e9s \u00e0 personnaliser l’engagement des clients, mais cela a \u00e9galement permis \u00e0 leurs \u00e9quipes d’obtenir des informations commerciales<\/a> qui ont \u00e9t\u00e9 utilis\u00e9es pour lancer de nouvelles strat\u00e9gies.<\/p>\n
Comment Data Ladder peut-il vous aider \u00e0 atteindre vos objectifs en mati\u00e8re de donn\u00e9es ? <\/strong><\/h3>\n
Data Ladder, qui est un fournisseur de solutions de qualit\u00e9 des donn\u00e9es, a aid\u00e9 plus de 4 500 entreprises dans plus de 40 pays \u00e0 g\u00e9rer leurs donn\u00e9es. Au cours de la derni\u00e8re d\u00e9cennie, nous avons r\u00e9alis\u00e9 que pour la plupart des entreprises, le plus grand goulot d’\u00e9tranglement pour r\u00e9aliser la transformation num\u00e9rique ou l’efficacit\u00e9 op\u00e9rationnelle r\u00e9side dans la cause d’une mauvaise gestion des donn\u00e9es.<\/p>\n
Avec notre solution, les entreprises peuvent :<\/p>\n- \n
- Transformez les donn\u00e9es gr\u00e2ce aux outils de nettoyage et de pr\u00e9paration des donn\u00e9es : <\/strong>Le logiciel phare de Data Ladder, DataMatch Enterprise, permet de nettoyer et de pr\u00e9parer facilement et efficacement les donn\u00e9es \u00e0 partir de sources multiples.<\/li>\n<\/ul>\n
- \n
- Faites correspondre les donn\u00e9es pour supprimer les doublons avec un taux de pr\u00e9cision de 95 % : <\/strong>Dans le monde du rapprochement des donn\u00e9es, les taux de pr\u00e9cision sont importants. DataMatch Enterprise est la seule solution de sa cat\u00e9gorie \u00e0 offrir un taux de pr\u00e9cision de 95 %. Notre processus de rapprochement des donn\u00e9es est con\u00e7u pour aider les entreprises \u00e0 atteindre deux objectifs : supprimer les doublons et consolider ou fusionner plusieurs sources de donn\u00e9es.<\/strong><\/li>\n
- Standardiser et valider les donn\u00e9es : <\/strong>En tant que solution certifi\u00e9e CASS, DataMatch Enterprise peut \u00eatre utilis\u00e9 pour v\u00e9rifier et valider les donn\u00e9es d’adresse<\/a>. Sur la base de r\u00e8gles commerciales pr\u00e9d\u00e9finies, les utilisateurs peuvent utiliser l’option de normalisation des donn\u00e9es pour cr\u00e9er une uniformit\u00e9 et une coh\u00e9rence entre les ensembles de donn\u00e9es.<\/li>\n
- Int\u00e9gration et fusion de donn\u00e9es pour cr\u00e9er des fiches : <\/strong>L’int\u00e9gration de donn\u00e9es provenant de sources multiples peut \u00eatre facilement r\u00e9alis\u00e9e gr\u00e2ce aux plus de 150 options d’int\u00e9gration de donn\u00e9es fournies par la solution. En outre, le logiciel permet \u00e9galement aux utilisateurs de cr\u00e9er des fiches de fusion et de rapprochement de fichiers qui peuvent ensuite \u00eatre utilis\u00e9es comme version finale de la v\u00e9rit\u00e9.<\/li>\n<\/ul>\n
- Standardiser et valider les donn\u00e9es : <\/strong>En tant que solution certifi\u00e9e CASS, DataMatch Enterprise peut \u00eatre utilis\u00e9 pour v\u00e9rifier et valider les donn\u00e9es d’adresse<\/a>. Sur la base de r\u00e8gles commerciales pr\u00e9d\u00e9finies, les utilisateurs peuvent utiliser l’option de normalisation des donn\u00e9es pour cr\u00e9er une uniformit\u00e9 et une coh\u00e9rence entre les ensembles de donn\u00e9es.<\/li>\n
- Faites correspondre les donn\u00e9es pour supprimer les doublons avec un taux de pr\u00e9cision de 95 % : <\/strong>Dans le monde du rapprochement des donn\u00e9es, les taux de pr\u00e9cision sont importants. DataMatch Enterprise est la seule solution de sa cat\u00e9gorie \u00e0 offrir un taux de pr\u00e9cision de 95 %. Notre processus de rapprochement des donn\u00e9es est con\u00e7u pour aider les entreprises \u00e0 atteindre deux objectifs : supprimer les doublons et consolider ou fusionner plusieurs sources de donn\u00e9es.
- Transformez les donn\u00e9es gr\u00e2ce aux outils de nettoyage et de pr\u00e9paration des donn\u00e9es : <\/strong>Le logiciel phare de Data Ladder, DataMatch Enterprise, permet de nettoyer et de pr\u00e9parer facilement et efficacement les donn\u00e9es \u00e0 partir de sources multiples.<\/li>\n<\/ul>\n
- L’approche logicielle – Se doter d’un outil de pr\u00e9paration des donn\u00e9es<\/a> <\/strong>sur site : Les solutions sur site permettent aux entreprises de pr\u00e9parer, de transformer, d’int\u00e9grer et de fusionner des donn\u00e9es<\/a> provenant de sources multiples dans un nouvel enregistrement principal. Par rapport \u00e0 l’approche manuelle, cette approche automatis\u00e9e se d\u00e9roule en peu de temps, consomme moins de ressources, est moins co\u00fbteuse que le recrutement d’une \u00e9quipe \u00e0 part enti\u00e8re et ne n\u00e9cessite qu’une seule personne pour g\u00e9rer l’ensemble du processus. Certains outils, comme DataMatch Enterprise de Data Ladder<\/a>, ont une interface utilisateur simple qui permet aux utilisateurs non informaticiens de comparer, nettoyer et fusionner des donn\u00e9es sans avoir besoin de connaissances linguistiques suppl\u00e9mentaires.<\/li>\n<\/ul>\n
- L’approche manuelle – Cr\u00e9er une \u00e9quipe interne pour coder manuellement les solutions ETL : <\/strong>Une m\u00e9thode traditionnelle, cette approche est encore utilis\u00e9e par certaines organisations aujourd’hui, ce qui les fait \u00e9chouer lamentablement. Les donn\u00e9es dont nous disposons aujourd’hui sont complexes. Il est pratiquement impossible d’avoir une \u00e9quipe de codeurs qui cr\u00e9e des scripts ETL pour chaque source de donn\u00e9es, ce qui non seulement prend du temps mais est aussi contre-productif. Les \u00e9quipes doivent passer des mois et des ann\u00e9es \u00e0 modifier des scripts pour r\u00e9pondre \u00e0 une demande croissante, sans pour autant atteindre le niveau de pr\u00e9cision requis pour que les donn\u00e9es soient efficaces. Les erreurs involontaires, les malentendus, les t\u00e2ches banales et r\u00e9p\u00e9titives font de cette approche un \u00e9chec co\u00fbteux pour la plupart des organisations.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
- \n