Qualité des données : un petit projet avec un tableur
Un exercice de qualité des données commence par une petite table et une définition claire des colonnes. Vérifiez absences, doublons et formats avant de calculer une synthèse. Ce guide montre pourquoi un tableau de bord séduisant peut tromper lorsque les lignes qui portent ses chiffres n’ont pas été examinées.
Un exercice de qualité des données commence par une petite table et une définition claire des colonnes. Vérifiez absences, doublons et formats avant de calculer une synthèse. Ce guide montre pourquoi un tableau de bord séduisant peut tromper lorsque les lignes qui portent ses chiffres n’ont pas été examinées.
Idées essentielles
- L’unité d’une ligne est définie.
- Une copie brute est conservée.
- Les doublons suivent une règle d’identification.
- Absences et invalides sont distingués.
Définir les colonnes et garder l’original
Créez des demandes fictives de cours avec ID, date, source et statut. Gardez une copie brute. Dites si une ligne représente demande, personne ou action : les unités diffèrent. Le guide Google Analytics sur les événements fournit un contexte sur les actions enregistrées, mais cette feuille n’est pas un export Analytics et ne décrit aucun trafic réel de VITON13. Le sens de la ligne appartient à l’énoncé.
Repérer les incohérences avant de corriger
Cherchez IDs répétés, statuts vides et dates de formats différents. Définissez un doublon selon l’unité de la ligne. Deux demandes d’une personne peuvent être légitimes. Signalez les cas douteux plutôt que de les supprimer. Une correction inexpliquée reste en revue, avec valeur originale et proposition côte à côte. Une apparence uniforme ne remplace pas la justification de ce qui a changé.
Rendre les règles explicites
Écrivez une règle par changement : retirer des espaces extérieurs, normaliser un statut approuvé ou distinguer date absente et invalide. Préservez les identifiants textuels lorsque le format compte. La référence CSV Python explique l’échange tabulaire ; le fichier seul ne définit pas le sens métier d’une colonne. Notez-le séparément et ne remplacez pas un vide par une valeur commode sans justification.
Réconcilier la synthèse avec les lignes
Comptez lignes initiales, conservées et mises en attente. Expliquez les différences. Produisez la synthèse après contrôle et examinez un exemple de chaque catégorie. Une proportion doit avoir numérateur et dénominateur. La table inventée enseigne une méthode ; ses valeurs ne sont ni référence de marché ni prévision commerciale. La conclusion doit pouvoir expliquer chaque ligne et les cas encore incertains.
Votre liste de preuves
Cochez seulement ce que vous avez vérifié. Cette liste décrit votre progression, pas un audit indépendant ni une prévision. Il n’y a pas d’enregistrement automatique ; téléchargez la note pour la conserver.
0 / 6 vérifiés
En mots simples
Une synthèse utile explique chaque ligne brute et chaque correction qui change la réponse.
À vous de jouer
Inventez dix demandes avec un ID répété, un statut vide et une date incohérente. Signalez les problèmes, écrivez les règles et produisez une synthèse expliquant les dix lignes.
Résultat attendu
Une feuille brute, une feuille contrôlée et un journal d’incidents aux totaux réconciliés. Les données synthétiques ne mesurent pas une entreprise.
Vérifiez votre réponse: Peut-on supprimer tous les noms répétés ?
Non. Des noms peuvent coïncider et une personne peut faire plusieurs demandes valides. Définissez unité et identifiant avant de supprimer. Lorsque le sens reste ambigu, mettez la ligne en revue plutôt que d’effacer une information potentiellement correcte.
Questions et réponses
Peut-on supprimer tous les noms répétés ?
Non. Des noms peuvent coïncider et une personne peut faire plusieurs demandes valides. Définissez unité et identifiant avant de supprimer. Lorsque le sens reste ambigu, mettez la ligne en revue plutôt que d’effacer une information potentiellement correcte.
Pourquoi conserver la feuille brute après nettoyage ?
Elle permet d’examiner l’effet d’une correction et de récupérer l’information si la règle était fausse. Une table propre sans historique se vérifie mal. Reliez original, règle et valeur corrigée afin qu’une autre personne puisse comprendre la transformation.
Une synthèse utile explique chaque ligne brute et chaque correction qui change la réponse.
Sources et lectures
- Python — CSV reading and writing ↗Sources consultées:
- Google Analytics — Set up events ↗Sources consultées: