Formation Qualité des données.

Programme de formation Qualité des données.

PDF

Module 1 — Fondamentaux et enjeux de la qualité

Données, information, connaissance : définitions et liens.
Cycle de vie de l’information et points de contrôle.
Valeur de la donnée et impacts internes/externes (clients, partenaires).
Coût de la non-qualité : risques et opportunités.
Exemple d’activité pratique : analyse d’un jeu de données et conclusions sur la qualité.

Module 2 — Dimensions et critères de qualité

Fraîcheur, disponibilité, cohérence, traçabilité, sécurisation, exhaustivité.
Grille de mesure : complétude, exactitude, cohérence, pertinence.
Profilage et diagnostic initial.
Exemple d’activité pratique : évaluation d’un dataset à partir d’une grille four-nie.

Module 3 — Démarche qualité et bonnes pratiques

Motivations et déclencheurs d’une démarche Qualité des Données.
Facteurs clés de succès : piliers, bonnes questions, pilotage du projet.
Gestion des volumes et industrialisation des traitements.
Du chantier qualité à la gouvernance de l’information.
Exemple d’activité pratique : propositions d’actions qualité priorisées.

Module 4 — Cadre réglementaire et conformité

Impacts juridiques et réglementaires sur la qualité des données.
Obligations pouvant contraindre ou orienter les pratiques QoD.
Droits des personnes et gestion du consentement.
Exemple d’activité pratique : retours d’audit et analyse de conformité.

Module 5 — Gouvernance des données en pratique

De la démarche qualité à la gouvernance : principes et périmètre.
Rôles et responsabilités : Métiers vs. IT, Data Governance Committee & staff.
Niveaux de maturité et principaux drivers de gouvernance.
Métadonnées, data stewardship et workflows d’assignation.
Lignage et pistes d’audit pour le suivi et la responsabilité.
Data lake “qualité native” pour adresser consentement et droits associés.
Zones de mise en valeur et coût de la faible qualité.
Exemple d’activité pratique : cartographie des domaines et priorisation.

Module 6 — Mesurer et outiller la qualité

Problématique des silos et rôle du Master Data Management (MDM).
Place des ETL dans le contrôle et la remédiation.
DQM (Data Quality Management) : apports et cas d’usage.
Critères de choix d’un outil DQM : patterns, algorithmes, fusion/simulations, profilage, ergonomie.
Liens entre MDM et conformité qualité.
Panorama d’outils et perception des éditeurs.
Procédures de mesure, automatisation et coûts (humain & technique).
Exemple d’activité pratique : démonstration guidée d’un outil DQM.

Module 7 — Risques et perspectives

Réticences organisationnelles et conduite du changement.
Sur-qualité : coûts et arbitrages.
Explosion de la volumétrie et changement de nature des données.
Impacts du Web et des médias sociaux ; montée de la donnée non structurée.
Feuille de route d’amélioration continue.