{"id":63095,"date":"2020-05-13T00:00:00","date_gmt":"2020-05-13T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/"},"modified":"2022-04-05T10:39:01","modified_gmt":"2022-04-05T10:39:01","slug":"donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees","status":"publish","type":"post","link":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/","title":{"rendered":"Donn\u00e9es disparates, sales, dupliqu\u00e9es &#8211; Comprendre les 3D des mauvaises donn\u00e9es."},"content":{"rendered":"<p>Dans un monde fascin\u00e9 par les possibilit\u00e9s illimit\u00e9es de l&rsquo;IA, du ML et de l&rsquo;analyse pr\u00e9dictive, la qualit\u00e9 des donn\u00e9es est devenue un d\u00e9fi important. Les entreprises sont sur la corde raide : elles ont besoin de donn\u00e9es pr\u00e9cises pour cr\u00e9er des exp\u00e9riences personnalis\u00e9es, mais elles n&rsquo;ont pas la capacit\u00e9 de g\u00e9rer les mauvaises donn\u00e9es.<\/p>\n<p>Les entreprises doivent faire face \u00e0 deux aspects d\u00e9bilitants de la qualit\u00e9 des donn\u00e9es, les donn\u00e9es sales (donn\u00e9es en double, probl\u00e8mes d&rsquo;orthographe, informations incompl\u00e8tes, etc.) et les donn\u00e9es non conformes. Il s&rsquo;agit notamment de donn\u00e9es qui exposent les organisations \u00e0 un risque de violation du GDPR, d&rsquo;analyses inexactes &amp; de rapports erron\u00e9s.<\/p>\n<p>Dans cet article, nous allons nous concentrer sur :<\/p>\n<ul>\n<li>Comprendre les principaux enjeux de la qualit\u00e9 des donn\u00e9es<\/li>\n<li>Principaux d\u00e9fis en mati\u00e8re de qualit\u00e9 des donn\u00e9es que les entreprises ont du mal \u00e0 relever<\/li>\n<li>Comprendre les 3D \u00e0 l&rsquo;aide d&rsquo;une \u00e9tude de cas<\/li>\n<li>Comment Data Ladder aide \u00e0 surmonter ces d\u00e9fis<\/li>\n<\/ul>\n<p>Plongeons dans le vif du sujet.<\/p>\n<h2><strong>Principaux d\u00e9fis en mati\u00e8re de qualit\u00e9 des donn\u00e9es que les entreprises ont du mal \u00e0 relever <\/strong><\/h2>\n<p>Les experts aiment utiliser l&rsquo;expression \u00ab\u00a0garbage in, garbage out\u00a0\u00bb pour d\u00e9finir le probl\u00e8me de la qualit\u00e9 des donn\u00e9es, mais ce n&rsquo;est pas tout.<\/p>\n<p>Une conclusion du <a href=\"https:\/\/www.oreilly.com\/radar\/the-state-of-data-quality-in-2020\/\">rapport State of Data Quality d&rsquo;OReilly<\/a> indique que :<\/p>\n<blockquote><p>\u00ab\u00a0Les organisations sont confront\u00e9es \u00e0 des probl\u00e8mes multiples et simultan\u00e9s de qualit\u00e9 des donn\u00e9es. Elles ont trop de sources de donn\u00e9es diff\u00e9rentes et trop de donn\u00e9es incoh\u00e9rentes. Elles ne disposent pas des ressources n\u00e9cessaires pour nettoyer les probl\u00e8mes de qualit\u00e9 des donn\u00e9es. Et ce n&rsquo;est que le d\u00e9but.\u00a0\u00bb<\/p><\/blockquote>\n<p>La bonne nouvelle ? Les hauts responsables des organisations sont conscients de cet important d\u00e9fi.<\/p>\n<p>La mauvaise nouvelle ? Ils manquent d&rsquo;outils, de ressources et de solutions pour r\u00e9soudre ce probl\u00e8me. Beaucoup d&rsquo;entre eux se d\u00e9battent encore avec les processus de base de la gestion des donn\u00e9es.<\/p>\n<p>Au cours de notre exp\u00e9rience avec plus de 4 500 clients, y compris ceux du gouvernement et des entreprises Fortune 500, nous constatons souvent trois probl\u00e8mes communs :<\/p>\n<ol>\n<li>Donn\u00e9es stock\u00e9es dans des sources multiples ou des syst\u00e8mes disparates<\/li>\n<li>Donn\u00e9es qui ne r\u00e9pondent pas aux objectifs de qualit\u00e9<\/li>\n<li>L&rsquo;absence d&rsquo;une solution robuste de rapprochement des donn\u00e9es permettant d&rsquo;\u00e9liminer les doublons profond\u00e9ment enfouis.<\/li>\n<\/ol>\n<p>Les entreprises ont d\u00e9sesp\u00e9r\u00e9ment besoin d&rsquo;aide pour g\u00e9rer des donn\u00e9es disparates, sales et dupliqu\u00e9es.<\/p>\n<h2><strong>Comprendre les 3D des donn\u00e9es<\/strong><\/h2>\n<p>Les donn\u00e9es sales, disparates et dupliqu\u00e9es affectent les entreprises \u00e0 un niveau plus profond. Ils affectent les processus organisationnels et l&rsquo;<a href=\"https:\/\/www.kdnuggets.com\/2020\/03\/bad-data-affecting-organizations-operational-efficiency.html\">efficacit\u00e9 op\u00e9rationnelle<\/a>. Ils entravent les efforts visant \u00e0 instaurer une culture ax\u00e9e sur les donn\u00e9es et sont la principale cause des analyses et des rapports erron\u00e9s.<\/p>\n<h3><strong>Donn\u00e9es disparates : <\/strong><\/h3>\n<p>En moyenne, une entreprise est connect\u00e9e \u00e0 plus de 461 applications ou syst\u00e8mes. Ces syst\u00e8mes collectent des donn\u00e9es sous de multiples formats qui sont ensuite d\u00e9vers\u00e9es dans un lac de donn\u00e9es. Les entreprises qui ne disposent pas de lacs de donn\u00e9es tentent d&rsquo;ajouter ces donn\u00e9es \u00e0 leurs ERP, mais les difficult\u00e9s li\u00e9es au formatage et au mappage des donn\u00e9es rendent ce processus fastidieux. En cons\u00e9quence, les donn\u00e9es ne sont jamais tri\u00e9es ou trait\u00e9es jusqu&rsquo;\u00e0 ce qu&rsquo;il y ait un besoin critique et urgent.<\/p>\n<p>Prenons, par exemple, le cas de Bell Bank &#8211; une banque renomm\u00e9e dont la gamme de services s&rsquo;\u00e9tend sur les 50 \u00c9tats des \u00c9tats-Unis. Dans le cadre de sa valeur fondamentale, qui est de fournir des exp\u00e9riences personnalis\u00e9es \u00e0 ses clients, la banque a voulu mieux comprendre ses clients en \u00e9valuant leur relation et leur interaction \u00e0 diff\u00e9rents points de contact. Pour ce faire, ils devaient cr\u00e9er une version unique de la v\u00e9rit\u00e9 pour chacun de leurs clients. Pour cela, elle a d\u00fb <a href=\"https:\/\/dataladder.com\/fr\/logiciel-merge-purge-utiliser-des-regles-de-survie-integrees-et-personnalisees\/\">fusionner, purger<\/a>, d\u00e9duire et nettoyer des millions de lignes de donn\u00e9es pour obtenir enfin une image consolid\u00e9e du parcours de ses clients.<\/p>\n<p>Mais qu&rsquo;est-ce que des sources de donn\u00e9es disparates ? S&rsquo;agit-il simplement de donn\u00e9es stock\u00e9es dans des sources diff\u00e9rentes ?<\/p>\n<p>Eh bien non.<\/p>\n<p>Les donn\u00e9es disparates ne sont pas seulement stock\u00e9es dans des sources diff\u00e9rentes, elles ont aussi des formats de donn\u00e9es diff\u00e9rents, des normes vari\u00e9es et sont g\u00e9n\u00e9ralement consid\u00e9r\u00e9es comme des donn\u00e9es de faible qualit\u00e9. <strong>Les donn\u00e9es sont nettement diff\u00e9rentes par leur nature, leur qualit\u00e9 ou leur caract\u00e8re.<\/strong><\/p>\n<p>Bell Bank devra d\u00e9river des donn\u00e9es des services de marketing, de vente, de soutien \u00e0 la client\u00e8le et de fournisseurs tiers pour obtenir une image claire du profil d&rsquo;un client, de son interaction avec l&rsquo;entreprise, des donn\u00e9es sur son foyer, et bien plus encore. Toutes ces donn\u00e9es \u00ab\u00a0disparates\u00a0\u00bb devront \u00eatre consolid\u00e9es par un processus de <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-correspondance-de-donnees-classe-parmi-les-meilleurs-de-sa-categorie-avec-une-precision-de-correspondance-de-96\/\">rapprochement des donn\u00e9es<\/a> qui donnera finalement \u00e0 la banque la version de la v\u00e9rit\u00e9 dont elle a tant besoin.<\/p>\n<p>Bell Bank n&rsquo;est qu&rsquo;un exemple des nombreuses entreprises, banques, d\u00e9taillants et institutions qui r\u00e9alisent l&rsquo;importance d&rsquo;obtenir une <a href=\"https:\/\/dataladder.com\/fr\/resolution-dentites-pour-une-vue-unique-du-client\/\">vue unique du client<\/a>. \u00c0 une \u00e9poque o\u00f9 les clients exigent des exp\u00e9riences personnalis\u00e9es avant m\u00eame de les demander, une vue consolid\u00e9e permet aux organisations d&rsquo;avoir une longueur d&rsquo;avance. En comprenant le parcours de ses clients, Bell Bank sera en mesure de fournir des services personnalis\u00e9s tels que des cartes de fid\u00e9lit\u00e9 sp\u00e9ciales, des r\u00e9ductions, des avantages pour les membres, etc. Les donn\u00e9es disjointes emp\u00eachent les entreprises d&rsquo;obtenir cette vision plus approfondie, ce qui les emp\u00eache de tirer une quelconque valeur de leurs donn\u00e9es.<\/p>\n<h3><strong>Donn\u00e9es sales <\/strong><\/h3>\n<p>Gardez tous les probl\u00e8mes li\u00e9s aux sources de donn\u00e9es disparates ci-dessus et ajoutez-y des probl\u00e8mes tels que :<\/p>\n<ul>\n<li>Fautes d&rsquo;orthographe<\/li>\n<li>Informations incompl\u00e8tes (adresses sans code postal, chiffres manquants dans les num\u00e9ros de t\u00e9l\u00e9phone, etc.)<\/li>\n<li>Utilisation de la ponctuation dans les champs de donn\u00e9es<\/li>\n<li>Espacement n\u00e9gatif<\/li>\n<li>Probl\u00e8mes de formatage<\/li>\n<\/ul>\n<p>On pourrait penser que c&rsquo;est une chose simple \u00e0 g\u00e9rer avec des filtres et des corrections automatiques. Mais il existe des entreprises qui ne font rien d&rsquo;autre que de nettoyer les adresses physiques des rues dans les bases de donn\u00e9es &#8211; parce que les gens utilisent des termes diff\u00e9rents pour la rue. (par exemple, Rue, St., ST). Leurs analystes et sp\u00e9cialistes des donn\u00e9es doivent passer plus de 80 % de leur temps \u00e0 corriger ces donn\u00e9es brutes &#8211; le temps et le talent qui \u00e9taient cens\u00e9s \u00eatre consacr\u00e9s \u00e0 l&rsquo;analyse et non \u00e0 la correction d&rsquo;orthographes ou d&rsquo;abr\u00e9viations.<\/p>\n<p>Malheureusement, les donn\u00e9es collect\u00e9es via les sites web et les centres d&rsquo;appels sont souvent entach\u00e9es d&rsquo;erreurs. Les donn\u00e9es tir\u00e9es des sites de m\u00e9dias sociaux sont \u00e9galement probl\u00e9matiques en termes de validit\u00e9 et d&rsquo;exactitude. Les donn\u00e9es collect\u00e9es par l&rsquo;interm\u00e9diaire de l&rsquo;homme sont rarement propres. Mais demander \u00e0 un analyste de donn\u00e9es de se pencher sur des millions de lignes de donn\u00e9es et faire de la correction des donn\u00e9es une partie permanente de son travail n&rsquo;est pas la solution.<\/p>\n<p><a href=\"https:\/\/dataladder.com\/fr\/le-guide-complet-des-outils-solutions-et-meilleures-pratiques-de-nettoyage-des-donnees-au-niveau-de-lentreprise\/\">Le nettoyage des donn\u00e9es est un besoin constant.<\/a> Cela signifie que votre entreprise a besoin d&rsquo;une solution automatis\u00e9e qui sera contr\u00f4l\u00e9e et exploit\u00e9e par un analyste de donn\u00e9es ou un utilisateur commercial, ce qui leur laissera le temps n\u00e9cessaire pour se concentrer sur l&rsquo;obtention d&rsquo;informations.<\/p>\n<h3><strong>Donn\u00e9es dupliqu\u00e9es <\/strong><\/h3>\n<p>Il y a duplication des donn\u00e9es lorsque la m\u00eame information est collect\u00e9e et stock\u00e9e dans diff\u00e9rentes sources de donn\u00e9es sous diff\u00e9rents formats. Et cela se produit \u00e0 une fr\u00e9quence alarmante.<\/p>\n<p>Chaque fois qu&rsquo;un utilisateur utilise deux adresses \u00e9lectroniques pour s&rsquo;inscrire \u00e0 un formulaire Web, un enregistrement en double est cr\u00e9\u00e9. Chaque fois qu&rsquo;un op\u00e9rateur de saisie de donn\u00e9es entre une cl\u00e9 d&rsquo;identification unique erron\u00e9e ou nouvelle (comme les num\u00e9ros de t\u00e9l\u00e9phone ou les SSN), un enregistrement en double est cr\u00e9\u00e9. Chaque fois qu&rsquo;une source de donn\u00e9es n&rsquo;est pas autoris\u00e9e \u00e0 utiliser les SSN, les risques de doublons augmentent car l&rsquo;op\u00e9rateur de donn\u00e9es doit attribuer ses propres cl\u00e9s uniques aux champs et, lorsque cet enregistrement est cens\u00e9 \u00eatre fusionn\u00e9 avec un autre, les risques de doublons sont plus \u00e9lev\u00e9s. Chaque fois qu&rsquo;un syst\u00e8me a un probl\u00e8me, un duplicata peut \u00eatre cr\u00e9\u00e9. En fait, il y a beaucoup trop de possibilit\u00e9s pour que des doublons soient cr\u00e9\u00e9s facilement.<\/p>\n<p>Les donn\u00e9es dupliqu\u00e9es prennent beaucoup de temps \u00e0 r\u00e9soudre. Les entreprises commettent ici une erreur classique : elles pensent que le probl\u00e8me peut \u00eatre r\u00e9solu facilement en essayant diff\u00e9rents algorithmes, mais c&rsquo;est beaucoup plus complexe. Vous ne pouvez \u00e9liminer les doublons qui ont des propri\u00e9t\u00e9s exactes que par des m\u00e9thodes traditionnelles. Vous ne pouvez pas \u00e9liminer les doublons qui semblent partager les m\u00eames propri\u00e9t\u00e9s.<\/p>\n<p><strong>Prenez par exemple :<\/strong><\/p>\n<p>Une cliente, Catherine, \u00e9crit son nom comme Catherine Davis, Cath Davis, C. Davis \u00e0 diff\u00e9rents endroits. Or, si elle a \u00e9galement chang\u00e9 de num\u00e9ro de t\u00e9l\u00e9phone ou d&rsquo;adresse \u00e9lectronique \u00e0 plusieurs reprises au cours du processus de saisie des donn\u00e9es, le syst\u00e8me a d\u00e9j\u00e0 cr\u00e9\u00e9 des doublons.<\/p>\n<p>Un algorithme travaillant sur les correspondances exactes peut identifier les doublons \u00e0 condition que le nom de Catherine soit orthographi\u00e9 de la m\u00eame fa\u00e7on dans un autre enregistrement.<\/p>\n<p>Mais s&rsquo;il y a d&rsquo;autres variations, il ne peut pas attraper le doublon.<\/p>\n<p>C&rsquo;est pourquoi la pr\u00e9cision est essentielle lorsqu&rsquo;il s&rsquo;agit de <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-deduplication-de-donnees-utilisez-des-regles-integrees-et-personnalisees-pour-la-deduplication-crm\/\">d\u00e9dupliquer des donn\u00e9es<\/a>.<\/p>\n<p>Vous avez besoin d&rsquo;une solution capable d&rsquo;effectuer des comparaisons pour des millions de lignes de donn\u00e9es, en utilisant une combinaison d&rsquo;algorithmes<a href=\"https:\/\/dataladder.com\/fr\/correspondance-floue-101-nettoyage-et-mise-en-relation-de-donnees-desordonnees\/\">(flou<\/a>, d\u00e9terministe, soundex, etc.) pour \u00e9liminer les cas les moins probables. \u00c0 cet \u00e9gard, la pr\u00e9cision de la solution DataMatch Enterprise de Data Ladder est in\u00e9gal\u00e9e.<\/p>\n<h3><strong>Comment Data Ladder aide-t-il les entreprises \u00e0 faire face \u00e0 ces 3 m\u00e9chants ? <\/strong><\/h3>\n<p>Au cours de la derni\u00e8re d\u00e9cennie, <a href=\"https:\/\/www.bbb.org\/us\/ct\/suffield\/profile\/data-systems-consultants\/data-ladder-0111-87102817\">Data Ladder<\/a> a aid\u00e9 les organisations \u00e0 donner un sens \u00e0 leurs donn\u00e9es. Gr\u00e2ce \u00e0 notre solution de rapprochement exclusive, combin\u00e9e \u00e0 d&rsquo;autres algorithmes de <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-correspondance-de-donnees-classe-parmi-les-meilleurs-de-sa-categorie-avec-une-precision-de-correspondance-de-96\/\">rapprochement de donn\u00e9es<\/a>, nous aidons les entreprises \u00e0 d\u00e9dupliquer les donn\u00e9es avec le plus haut niveau de pr\u00e9cision et de rapidit\u00e9.<\/p>\n<p>Nous ne comprenons que trop bien les difficult\u00e9s auxquelles les organisations sont confront\u00e9es aujourd&rsquo;hui. Les donn\u00e9es sont le nouveau carburant, mais pour que ces donn\u00e9es aident les organisations \u00e0 atteindre leurs objectifs commerciaux, elles doivent \u00eatre propres, pr\u00e9cises et utilisables. Les entreprises sont encore en train de comprendre les probl\u00e8mes que posent leurs donn\u00e9es, mais elles ont besoin d&rsquo;une solution qui puisse r\u00e9soudre ces probl\u00e8mes rapidement, efficacement et intelligemment.<\/p>\n<p>Et voici comment Data Ladder vous aide.<\/p>\n<p><img src=\"https:\/\/dataladder.com\/wp-content\/uploads\/2020\/05\/dataquality-1024x485.png\" alt=\"la qualit\u00e9 des donn\u00e9es\" width=\"1024\" height=\"485\" \/><\/p>\n<ol>\n<li>Nous disposons d&rsquo;un cadre en sept \u00e9tapes, de l&rsquo;int\u00e9gration des donn\u00e9es \u00e0 la fusion des donn\u00e9es et \u00e0 la survie.<\/li>\n<li>Vous pouvez int\u00e9grer les donn\u00e9es de plus de 150 applications sur une seule plateforme.<\/li>\n<li>Apr\u00e8s l&rsquo;int\u00e9gration, vous pouvez nettoyer, <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-normalisation-des-donnees-outil-de-standardisation-des-donnees-rapide-et-economique\/\">normaliser<\/a>, <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-validation-des-donnees-comment-garantir-que-vos-donnees-dentree-sont-valides-et-exemptes-derreurs\/\">valider<\/a> et faire correspondre les donn\u00e9es.<\/li>\n<li>Vous pouvez cr\u00e9er des fiches et fusionner des donn\u00e9es.<\/li>\n<li>Enfin, vous pouvez automatiser le <a href=\"https:\/\/dataladder.com\/fr\/logiciel-de-nettoyage-de-donnees-outil-de-nettoyage-des-donnees-crm-rapide-et-economique\/\">nettoyage des donn\u00e9es<\/a> \u00e0 une date pr\u00e9programm\u00e9e.<\/li>\n<\/ol>\n<p style=\"text-align: center;\">Vous avez besoin de donn\u00e9es fiables pour atteindre plus rapidement vos objectifs en mati\u00e8re d&rsquo;analyse des big data, de migration, d&rsquo;exp\u00e9rience client personnalis\u00e9e et d&rsquo;efficacit\u00e9 des op\u00e9rations commerciales.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dans un monde fascin\u00e9 par les possibilit\u00e9s illimit\u00e9es de l&rsquo;IA, du ML et de l&rsquo;analyse pr\u00e9dictive, la qualit\u00e9 des donn\u00e9es est devenue un d\u00e9fi important. Les entreprises sont sur la corde raide : elles ont besoin de donn\u00e9es pr\u00e9cises pour cr\u00e9er des exp\u00e9riences personnalis\u00e9es, mais elles n&rsquo;ont pas la capacit\u00e9 de g\u00e9rer les mauvaises donn\u00e9es. [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":58248,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1263],"tags":[818,819,695,517,608],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.9 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Donn\u00e9es disparates, sales, dupliqu\u00e9es - Comprendre les 3D des mauvaises donn\u00e9es. - 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\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Donn\u00e9es disparates, sales, dupliqu\u00e9es - Comprendre les 3D des mauvaises donn\u00e9es. - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Dans un monde fascin\u00e9 par les possibilit\u00e9s illimit\u00e9es de l&rsquo;IA, du ML et de l&rsquo;analyse pr\u00e9dictive, la qualit\u00e9 des donn\u00e9es est devenue un d\u00e9fi important. Les entreprises sont sur la corde raide : elles ont besoin de donn\u00e9es pr\u00e9cises pour cr\u00e9er des exp\u00e9riences personnalis\u00e9es, mais elles n&rsquo;ont pas la capacit\u00e9 de g\u00e9rer les mauvaises donn\u00e9es. [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/\" \/>\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=\"2020-05-13T04:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-04-05T10:39:01+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/duplicated-data-scaled-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"2276\" \/>\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=\"8 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Donn\u00e9es disparates, sales, dupliqu\u00e9es &#8211; Comprendre les 3D des mauvaises donn\u00e9es.\",\"datePublished\":\"2020-05-13T04:00:00+00:00\",\"dateModified\":\"2022-04-05T10:39:01+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/\"},\"wordCount\":2047,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#organization\"},\"keywords\":[\"donn\u00e9es disparates\",\"donn\u00e9es dupliqu\u00e9es\",\"Donn\u00e9es sales\",\"la qualit\u00e9 des donn\u00e9es\",\"transformation de donn\u00e9es\"],\"articleSection\":[\"Gestion de la qualit\u00e9 des donn\u00e9es\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/\",\"url\":\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/\",\"name\":\"Donn\u00e9es disparates, sales, dupliqu\u00e9es - Comprendre les 3D des mauvaises donn\u00e9es. - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#website\"},\"datePublished\":\"2020-05-13T04:00:00+00:00\",\"dateModified\":\"2022-04-05T10:39:01+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Donn\u00e9es disparates, sales, dupliqu\u00e9es &#8211; Comprendre les 3D des mauvaises donn\u00e9es.\"}]},{\"@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":"Donn\u00e9es disparates, sales, dupliqu\u00e9es - Comprendre les 3D des mauvaises donn\u00e9es. - 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\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/","og_locale":"fr_FR","og_type":"article","og_title":"Donn\u00e9es disparates, sales, dupliqu\u00e9es - Comprendre les 3D des mauvaises donn\u00e9es. - Data Ladder","og_description":"Dans un monde fascin\u00e9 par les possibilit\u00e9s illimit\u00e9es de l&rsquo;IA, du ML et de l&rsquo;analyse pr\u00e9dictive, la qualit\u00e9 des donn\u00e9es est devenue un d\u00e9fi important. Les entreprises sont sur la corde raide : elles ont besoin de donn\u00e9es pr\u00e9cises pour cr\u00e9er des exp\u00e9riences personnalis\u00e9es, mais elles n&rsquo;ont pas la capacit\u00e9 de g\u00e9rer les mauvaises donn\u00e9es. [&hellip;]","og_url":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2020-05-13T04:00:00+00:00","article_modified_time":"2022-04-05T10:39:01+00:00","og_image":[{"width":2560,"height":2276,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/duplicated-data-scaled-1.jpg","type":"image\/jpeg"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"lbarrera","Dur\u00e9e de lecture estim\u00e9e":"8 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Donn\u00e9es disparates, sales, dupliqu\u00e9es &#8211; Comprendre les 3D des mauvaises donn\u00e9es.","datePublished":"2020-05-13T04:00:00+00:00","dateModified":"2022-04-05T10:39:01+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/"},"wordCount":2047,"publisher":{"@id":"https:\/\/dataladder.com\/fr\/#organization"},"keywords":["donn\u00e9es disparates","donn\u00e9es dupliqu\u00e9es","Donn\u00e9es sales","la qualit\u00e9 des donn\u00e9es","transformation de donn\u00e9es"],"articleSection":["Gestion de la qualit\u00e9 des donn\u00e9es"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/","url":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/","name":"Donn\u00e9es disparates, sales, dupliqu\u00e9es - Comprendre les 3D des mauvaises donn\u00e9es. - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/#website"},"datePublished":"2020-05-13T04:00:00+00:00","dateModified":"2022-04-05T10:39:01+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/fr\/donnees-disparates-sales-dupliquees-comprendre-les-3d-des-mauvaises-donnees\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/fr\/"},{"@type":"ListItem","position":2,"name":"Donn\u00e9es disparates, sales, dupliqu\u00e9es &#8211; Comprendre les 3D des mauvaises donn\u00e9es."}]},{"@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\/63095"}],"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=63095"}],"version-history":[{"count":1,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/63095\/revisions"}],"predecessor-version":[{"id":66701,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/63095\/revisions\/66701"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media\/58248"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media?parent=63095"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/categories?post=63095"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/tags?post=63095"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}