{"id":63243,"date":"2018-06-22T00:00:00","date_gmt":"2018-06-22T04:00:00","guid":{"rendered":"https:\/\/dataladder.com\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/"},"modified":"2022-04-08T19:56:07","modified_gmt":"2022-04-08T19:56:07","slug":"nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements","status":"publish","type":"post","link":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/","title":{"rendered":"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements"},"content":{"rendered":"

Le couplage d’enregistrements est une m\u00e9thode utilis\u00e9e pour relier les enregistrements de donn\u00e9es aux m\u00eames entit\u00e9s, telles que les clients. Le couplage d’enregistrements<\/a> peut \u00eatre utilis\u00e9 pour am\u00e9liorer la qualit\u00e9 et l’int\u00e9grit\u00e9 des donn\u00e9es, afin de permettre la r\u00e9utilisation des sources de donn\u00e9es existantes. Lorsque nous traitons des donn\u00e9es provenant de diverses sources, qu’il s’agisse d’examens, de donn\u00e9es internes, de fournisseurs de donn\u00e9es externes ou de donn\u00e9es extraites du web, nous souhaitons souvent \u00e9tablir des liens entre des individus ou des entreprises dans les ensembles de donn\u00e9es. Malheureusement, nous ne commen\u00e7ons presque jamais avec des donn\u00e9es parfaitement propres. Lors de l’utilisation de donn\u00e9es structur\u00e9es, les individus font des erreurs d’inattention comme la confusion des lettres dans les noms, les valeurs individuelles sont enregistr\u00e9es de mani\u00e8re erron\u00e9e et l’erreur de mesure a un impact sur les r\u00e9sultats. De nombreuses choses peuvent se produire avant que nous puissions acc\u00e9der aux donn\u00e9es. Parfois, et c’est peut-\u00eatre encore plus ennuyeux, des sources diff\u00e9rentes utilisent simplement des noms diff\u00e9rents pour une m\u00eame entit\u00e9. Ces petites diff\u00e9rences font qu’il est terriblement difficile de simplement fusionner les donn\u00e9es<\/a> sur les identifiants distinctifs. Le processus permettant de relier les donn\u00e9es d’un individu ou d’une entreprise entre les sources est appel\u00e9 couplage d’enregistrements. Le couplage d’enregistrements (RL) est le processus qui consiste \u00e0 trouver le m\u00eame enregistrement dans plusieurs ensembles de donn\u00e9es. Les documents peuvent \u00eatre des personnes, des livres, etc. Elle est devenue une discipline importante en informatique et dans le domaine du Big Data.<\/p>\n

Quelle que soit la m\u00e9thode de couplage utilis\u00e9e, la proc\u00e9dure de couplage est g\u00e9n\u00e9ralement pr\u00e9c\u00e9d\u00e9e d’une \u00e9tape de nettoyage des donn\u00e9es. Le nettoyage des donn\u00e9es (parfois appel\u00e9 normalisation des donn\u00e9es<\/a> ou \u00e9puration des donn\u00e9es) comprend la modification, l’\u00e9limination ou l’alt\u00e9ration d’une mani\u00e8re ou d’une autre des champs en fonction de leurs valeurs. Ces nouvelles valeurs devraient am\u00e9liorer la qualit\u00e9 des donn\u00e9es et donc \u00eatre plus utiles dans le processus de couplage. Il existe deux types de couplage de donn\u00e9es :
\nD\u00e9terministe <\/strong>
\nLe couplage d’enregistrements d\u00e9terministe produit des associations \u00e9tablies sur le nombre d’identifiants distincts qui sont \u00e9gaux parmi les groupes de donn\u00e9es existants. On suppose que deux enregistrements correspondent par le biais d’un processus d\u00e9terministe d’association d’enregistrements si tous ou certains identifiants sont identiques.
\nProbabiliste <\/strong>
\nCette m\u00e9thode, parfois appel\u00e9e \u00ab\u00a0fuzzy matching\u00a0\u00bb (correspondance floue)<\/a>. incluent une m\u00e9thode diff\u00e9rente pour r\u00e9soudre le probl\u00e8me du couplage d’enregistrements en consid\u00e9rant une plus grande vari\u00e9t\u00e9 d’identificateurs potentiels, en calculant des poids pour chaque identificateur en fonction de sa capacit\u00e9 pr\u00e9vue \u00e0 classer correctement une correspondance ou une non-correspondance, et en utilisant ces poids pour calculer la probabilit\u00e9 que deux enregistrements suppos\u00e9s se rapportent \u00e0 une entit\u00e9 similaire. Les paires d’enregistrements dont la probabilit\u00e9 est sup\u00e9rieure \u00e0 un certain bord sont consid\u00e9r\u00e9es comme des correspondances, tandis que les paires dont la probabilit\u00e9 est inf\u00e9rieure \u00e0 un autre bord sont consid\u00e9r\u00e9es comme des non-correspondances ; les paires qui se situent entre ces deux bords sont consid\u00e9r\u00e9es comme des \u00ab\u00a0correspondances possibles\u00a0\u00bb et peuvent \u00eatre trait\u00e9es en cons\u00e9quence.
\nLe d\u00e9fi du couplage des enregistrements<\/strong>
\nUn d\u00e9fi majeur dans le couplage d’enregistrements est le manque d’identifiants communs d’objets dans les divers syst\u00e8mes sources \u00e0 coordonner. En cons\u00e9quence, la correspondance doit \u00eatre dirig\u00e9e en utilisant des qualit\u00e9s qui contiennent des informations partiellement identifiantes, telles que des noms, des adresses ou des dates de naissance. Bien que ces informations de classification soient souvent de faible qualit\u00e9 et souffrent notamment de diff\u00e9rences et de fautes typographiques r\u00e9guli\u00e8res, ces informations peuvent changer avec le temps, les erreurs humaines ou elles ne sont que partiellement disponibles dans les sources \u00e0 coordonner. Au cours de la derni\u00e8re d\u00e9cennie, des progr\u00e8s substantiels ont \u00e9t\u00e9 r\u00e9alis\u00e9s dans diff\u00e9rents aspects du processus de couplage d’enregistrements, en particulier sur la mani\u00e8re d’augmenter la pr\u00e9cision du couplage de donn\u00e9es, et sur la mani\u00e8re de mesurer le couplage de donn\u00e9es<\/a> \u00e0 de tr\u00e8s grands syst\u00e8mes qui contiennent des millions d’enregistrements.<\/p>\n

Qualit\u00e9 des donn\u00e9es et nettoyage des donn\u00e9es<\/h2>\n

Le processus de nettoyage des donn\u00e9es<\/a> comprend la suppression des donn\u00e9es rejet\u00e9es, p\u00e9rim\u00e9es ou erron\u00e9es. Des donn\u00e9es propres sont un \u00e9l\u00e9ment essentiel pour obtenir des informations, des rapports et des analyses corrects. Dans l’ensemble de l’organisation, les individus prennent des d\u00e9cisions commerciales fond\u00e9es sur les donn\u00e9es qui leur sont fournies. Le nettoyage des donn\u00e9es offre des donn\u00e9es de haute qualit\u00e9 qui aident \u00e0 surmonter les probl\u00e8mes de fraude et permettent aux organisations de se conformer aux r\u00e9glementations. Des donn\u00e9es de haute qualit\u00e9 sur les entit\u00e9s commerciales cl\u00e9s offrent le canal de croissance d’une entreprise prosp\u00e8re.
\nEn utilisant des techniques de nettoyage des donn\u00e9es, les organisations peuvent rapidement faire correspondre et reconna\u00eetre les doublons dans leurs donn\u00e9es. Des dossiers clients propres permettent des ventes et une publicit\u00e9 efficaces et aident l’organisation \u00e0 se d\u00e9velopper. Imaginez que vous contactiez le m\u00eame client \u00e0 plusieurs reprises uniquement en raison de plusieurs entr\u00e9es dans le syst\u00e8me – co\u00fbteux et long pour le personnel de vente et d’assistance, difficile pour l’analyste de donn\u00e9es, encombrant pour le d\u00e9veloppeur BI et frustrant pour le client. La mauvaise qualit\u00e9 des donn\u00e9es nuit \u00e9galement \u00e0 la valeur de la marque et \u00e0 l’exp\u00e9rience du client.
\nS\u00e9lection d’attributs cl\u00e9s dans le couplage d’enregistrements
\nIl s’agit de choisir les meilleures caract\u00e9ristiques sur lesquelles nous pouvons diff\u00e9rencier deux individus qui se ressemblent. Pour les enregistrements individuels, le nom, le pr\u00e9nom, l’adresse et l’e-mail sont les principales caract\u00e9ristiques. L’objectif est de cr\u00e9er, pour une paire d’enregistrements, un \u00ab\u00a0vecteur de comparaison\u00a0\u00bb des scores de ressemblance de chaque attribut composant. Les scores de ressemblance peuvent \u00eatre simplement bool\u00e9ens (correspondance ou non-correspondance) ou \u00eatre des valeurs r\u00e9elles avec des fonctions de distance.<\/p>\n

Prototypage<\/h2>\n

Il s’agit de d\u00e9velopper des programmes pour effectuer le couplage d’enregistrements et le traitement de donn\u00e9es sur de petits \u00e9chantillons de donn\u00e9es avant de les appliquer \u00e0 l’ensemble des donn\u00e9es. En r\u00e8gle g\u00e9n\u00e9rale, la taille des ensembles de donn\u00e9es est \u00e9norme et n\u00e9cessite beaucoup de temps et de calculs. Cela permet d’affiner les algorithmes et le processus de couplage des enregistrements, car les d\u00e9lais d’ex\u00e9cution des tests diminuent consid\u00e9rablement. Il est important que l’ensemble d’\u00e9chantillons soit la repr\u00e9sentation de l’ensemble des donn\u00e9es r\u00e9elles.<\/p>\n

Appariement par paires<\/h2>\n

Apr\u00e8s la construction d’un vecteur de similarit\u00e9s en composantes pour une paire d’enregistrements, il est important de calculer la probabilit\u00e9 que la paire enregistr\u00e9e soit une correspondance. Il existe de nombreuses m\u00e9thodes pour d\u00e9terminer la probabilit\u00e9 d’une correspondance. Deux m\u00e9thodes simples consistent \u00e0 utiliser une somme pond\u00e9r\u00e9e ou une moyenne des scores de similarit\u00e9 des composants. Une autre m\u00e9thode simple consiste \u00e0 appliquer une correspondance bas\u00e9e sur des r\u00e8gles, mais la formation manuelle est difficile. Les scores de similarit\u00e9 sont g\u00e9n\u00e9r\u00e9s sur la base de plusieurs algorithmes de correspondance normale des cha\u00eenes de caract\u00e8res, notamment les algorithmes de distance d’\u00e9dition et de correspondance floue des cha\u00eenes de caract\u00e8res.<\/p>\n

Mesure de la performance<\/h2>\n

La qualit\u00e9 du couplage des enregistrements peut \u00eatre mesur\u00e9e \u00e0 l’aide de la dimension suivante :<\/p>\n

    \n
  • Le nombre de paires d’enregistrements li\u00e9s correctement (vrais positifs)<\/li>\n
  • Le nombre de paires d’enregistrements li\u00e9s de mani\u00e8re incorrecte (faux positifs, erreur de type I).<\/li>\n
  • Le nombre de paires d’enregistrements dissoci\u00e9s correctement (vrais n\u00e9gatifs).<\/li>\n<\/ul>\n

    Le nombre de paires d’enregistrements non reli\u00e9es de mani\u00e8re incorrecte (faux n\u00e9gatifs, erreur de type II).<\/p>\n","protected":false},"excerpt":{"rendered":"

    Le couplage d’enregistrements est une m\u00e9thode utilis\u00e9e pour relier les enregistrements de donn\u00e9es aux m\u00eames entit\u00e9s, telles que les clients. Le couplage d’enregistrements peut \u00eatre utilis\u00e9 pour am\u00e9liorer la qualit\u00e9 et l’int\u00e9grit\u00e9 des donn\u00e9es, afin de permettre la r\u00e9utilisation des sources de donn\u00e9es existantes. Lorsque nous traitons des donn\u00e9es provenant de diverses sources, qu’il s’agisse […]<\/p>\n","protected":false},"author":9,"featured_media":58168,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_lmt_disableupdate":"","_lmt_disable":"","_links_to":"","_links_to_target":""},"categories":[1263,1329],"tags":[1058,1063,1064,1030,1057,1061,1059,517,595,1056,561,473,776,1062,1060],"acf":[],"yoast_head":"\nNettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements - 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\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements - Data Ladder\" \/>\n<meta property=\"og:description\" content=\"Le couplage d’enregistrements est une m\u00e9thode utilis\u00e9e pour relier les enregistrements de donn\u00e9es aux m\u00eames entit\u00e9s, telles que les clients. Le couplage d’enregistrements peut \u00eatre utilis\u00e9 pour am\u00e9liorer la qualit\u00e9 et l’int\u00e9grit\u00e9 des donn\u00e9es, afin de permettre la r\u00e9utilisation des sources de donn\u00e9es existantes. Lorsque nous traitons des donn\u00e9es provenant de diverses sources, qu’il s’agisse […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/\" \/>\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=\"2018-06-22T04:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-04-08T19:56:07+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Data-Cleansing-and-Quality-of-Record-Linkage.png\" \/>\n\t<meta property=\"og:image:width\" content=\"791\" \/>\n\t<meta property=\"og:image:height\" content=\"442\" \/>\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=\"6 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/\"},\"author\":{\"name\":\"lbarrera\",\"@id\":\"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b\"},\"headline\":\"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements\",\"datePublished\":\"2018-06-22T04:00:00+00:00\",\"dateModified\":\"2022-04-08T19:56:07+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/\"},\"wordCount\":1428,\"publisher\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#organization\"},\"keywords\":[\"Analyste de donn\u00e9es\",\"Donn\u00e9es externes\",\"Donn\u00e9es internes\",\"Donn\u00e9es propres\",\"donn\u00e9es structur\u00e9es\",\"Enregistrements de donn\u00e9es\",\"\u00c9tape de nettoyage des donn\u00e9es\",\"la qualit\u00e9 des donn\u00e9es\",\"liaison de documents\",\"liaison des donn\u00e9es\",\"mise en correspondance des donn\u00e9es\",\"Nettoyage des donn\u00e9es\",\"nettoyage des donn\u00e9es\",\"Sources des donn\u00e9es\",\"Traitement des donn\u00e9es\"],\"articleSection\":[\"Gestion de la qualit\u00e9 des donn\u00e9es\",\"Nettoyage et normalisation des donn\u00e9es\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/\",\"url\":\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/\",\"name\":\"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements - Data Ladder\",\"isPartOf\":{\"@id\":\"https:\/\/dataladder.com\/fr\/#website\"},\"datePublished\":\"2018-06-22T04:00:00+00:00\",\"dateModified\":\"2022-04-08T19:56:07+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/dataladder.com\/fr\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements\"}]},{\"@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":"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements - 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\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/","og_locale":"fr_FR","og_type":"article","og_title":"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements - Data Ladder","og_description":"Le couplage d’enregistrements est une m\u00e9thode utilis\u00e9e pour relier les enregistrements de donn\u00e9es aux m\u00eames entit\u00e9s, telles que les clients. Le couplage d’enregistrements peut \u00eatre utilis\u00e9 pour am\u00e9liorer la qualit\u00e9 et l’int\u00e9grit\u00e9 des donn\u00e9es, afin de permettre la r\u00e9utilisation des sources de donn\u00e9es existantes. Lorsque nous traitons des donn\u00e9es provenant de diverses sources, qu’il s’agisse […]","og_url":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/","og_site_name":"Data Ladder","article_publisher":"https:\/\/web.facebook.com\/DataLadderSoftware","article_published_time":"2018-06-22T04:00:00+00:00","article_modified_time":"2022-04-08T19:56:07+00:00","og_image":[{"width":791,"height":442,"url":"https:\/\/dataladder.com\/wp-content\/uploads\/2021\/09\/Data-Cleansing-and-Quality-of-Record-Linkage.png","type":"image\/png"}],"author":"lbarrera","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"lbarrera","Dur\u00e9e de lecture estim\u00e9e":"6 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/#article","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/"},"author":{"name":"lbarrera","@id":"https:\/\/dataladder.com\/fr\/#\/schema\/person\/6cc3d6b3c83c611546541b5eb2d1e21b"},"headline":"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements","datePublished":"2018-06-22T04:00:00+00:00","dateModified":"2022-04-08T19:56:07+00:00","mainEntityOfPage":{"@id":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/"},"wordCount":1428,"publisher":{"@id":"https:\/\/dataladder.com\/fr\/#organization"},"keywords":["Analyste de donn\u00e9es","Donn\u00e9es externes","Donn\u00e9es internes","Donn\u00e9es propres","donn\u00e9es structur\u00e9es","Enregistrements de donn\u00e9es","\u00c9tape de nettoyage des donn\u00e9es","la qualit\u00e9 des donn\u00e9es","liaison de documents","liaison des donn\u00e9es","mise en correspondance des donn\u00e9es","Nettoyage des donn\u00e9es","nettoyage des donn\u00e9es","Sources des donn\u00e9es","Traitement des donn\u00e9es"],"articleSection":["Gestion de la qualit\u00e9 des donn\u00e9es","Nettoyage et normalisation des donn\u00e9es"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/","url":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/","name":"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements - Data Ladder","isPartOf":{"@id":"https:\/\/dataladder.com\/fr\/#website"},"datePublished":"2018-06-22T04:00:00+00:00","dateModified":"2022-04-08T19:56:07+00:00","breadcrumb":{"@id":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/dataladder.com\/fr\/nettoyage-des-donnees-et-qualite-du-couplage-des-enregistrements\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dataladder.com\/fr\/"},{"@type":"ListItem","position":2,"name":"Nettoyage des donn\u00e9es et qualit\u00e9 du couplage des enregistrements"}]},{"@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\/63243"}],"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=63243"}],"version-history":[{"count":3,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/63243\/revisions"}],"predecessor-version":[{"id":66789,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/posts\/63243\/revisions\/66789"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media\/58168"}],"wp:attachment":[{"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/media?parent=63243"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/categories?post=63243"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dataladder.com\/fr\/wp-json\/wp\/v2\/tags?post=63243"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}