pramanau1.jpg

Collège

DATA

PRACTICAL DATA QUALITY

Pierre angulaire de la gestion des données, la mise sous contrôle qualité des données est une étape obligatoire pour considérer ses données comme un actif. Par où commencer ? Comment mesurer la qualité des données ? Quels processus et outils doivent être déployés ?

A travers l'expérience des consultants de Pramana et en s'appuyant sur les bonnes pratiques issues d'ouvrages de référence, Pramana University propose une formation permettant d’une part de clarifier les concepts clés, mais également de pouvoir opérationnaliser des activités de gestion de la qualité des données. Elle apporte ainsi non seulement des clés de lecture théoriques, mais également une vue pratique sur le sujet via la réalisation de cas pratiques (définir des règles de qualité des données, profiler les données, résolution de doublons, etc ...) ainsi que de démonstration outillé (identification de cause racine, corrigé des données, utiliser un tableau de bord, etc ...)

TARIFS ET INSCRIPTIONS

Cette formation aborde en profondeur le domaine de connaissance de la gestion de la qualité des données afin de vous délivrer les moyens de mettre en œuvres les méthodes et bonnes pratiques issus des ouvrages de références et de l'expérience terrain des consultants.

Date de formation

2022

  • 10 et 11 octobre

Présentiel 1 950

Distanciel : 1 650 €

2 JOURS

Merci, nous traiterons votre demande au plus tôt.

PRÉREQUIS
  • Bonne culture générale sur les Systèmes d'Information et leurs architectures

  • Première expérience sur une thématique du Data Management

  • Public expérimenté > 3 ans d'expérience

PUBLIC CIBLE
  • Data Steward

  • Data Analyst / Data Quality Analyst

  • Membres de Cellule Données / Data Office

  • Data Owner

  • Responsable SI métier

  • AMOA

OBJECTIFS
  • Comprendre les concepts clés de la qualité des données

  • Savoir mettre en œuvre les méthodes et bonnes pratiques issues des ouvrages de référence (DMBOK, Ten Steps to Quality Data and Trusted Information, …) et de nos expériences terrain pour :

    • Mesurer et suivre la qualité des données

    • Identifier les causes racines des problèmes de qualité

    • Mettre en qualité les données

  • Acquérir des compétences opérationnelles ancrées dans le réel grâce aux cas pratiques et aux illustrations outillées (avec Informatica, Power BI et Knime)

PROGRAMME

Jour 1

Concepts clés

  • Data as an Asset : Principes d’une organisation Data Driven

  • Enjeux et définitions : La qualité des données selon DMBOK

  • Fitness for purpose : La conformité aux usages

  • La non qualité :

    • Impacts et risques de la non-qualité - Cas pratique

    • Problèmes classiques de la qualité & Causes racines - Cas pratique

  • Les principes de la qualité - Cas pratique

  • Les dimensions de la qualité : Définition, bénéfices & Frameworks existants

  • Les bonnes pratiques

  • Les rôles

Démarche de gestion de la qualité des données - Partie 1

  • Le cycle d’amélioration de la qualité

  • Phase 1 & 2 : Définir les besoins métier et la démarche sur le cycle puis Analyser l’environnement informationnel

    • Illustrations glossaire et linéage métier

  • Phase 3 & 4 : Evaluation de la qualité des données & des impacts métiers

    • Illustrations linéage fonctionnel et points de contrôle

    • Bonnes pratiques

    • Focus sur le profiling

    • Cas pratique sur les règles de qualité

    • Démonstration outillée profiling

    • Illustrations et cas pratiques sur la Résolution de doublons, les  Algorithmes de matching et les Seuils de confiance

    • Evaluation des impacts

Jour 2

Démarche de gestion de la qualité des données - Partie 2

  • Phase 5 : Identifier les causes racines

    • Illustration sur l’identification des causes racines

    • Démonstration outillée Track & trace

  • Phase 6 : Définir le plan d’ amélioration​

    • Cas pratiques sur les règles et indicateurs de qualité des données

  • Phase 7 & 8 : Mettre en œuvre les actions préventives & correctives

    • Illustrations data processing

    • Démonstration outillée data processing / correction

  • Phase 9 : Implémenter les contrôles​

    • Illustrations sur la mesure de la non qualité

    • Démonstration outillée Tableau de bord

Outillage

 

  • Outils du marché et outils de DQM

    • Fonctionnalités supportées par les outils spécifiques de Data Quality Management (DQM)

    • Fonctionnalités supportées par des outils du marché non estampillés DQM

  • Présentation et illustrations avec

    • Informatica DQ

    • KNIME

    • Power BI

MODALITÉS DE FORMATION

Nos formateurs sont des consultants "terrain" experts dans leur domaine, maitrisant les concepts et ayant une forte expérience dans des contextes métier variés.

 

Nos formations allient apports théoriques, exercices de mise en pratique, partage d'expérience et échanges sur le contexte des participants.

Nous vérifions la bonne appropriation des connaissances tout au long de la formation au travers des exercices pratiques et évaluons la satisfaction des participants à la fin de chaque formation.

Nous privilégions des sessions de formation avec un maximum de 10 participants.