Disponible avec une licence Data Reviewer.
Pour que vous puissiez produire des produits d’informations de haute qualité et effectuer des analyses spatiales précises, vos données source doivent présenter une qualité élevée et être bien gérées. Data Reviewer vous permet de gérer les données pour la production et l’analyse des données en fournissant un système d’automatisation et de simplification du contrôle de la qualité des données qui peut améliorer l’intégrité des données.
Data Reviewer offre un ensemble d’outils de contrôle qualité qui permettent d’examiner les données de manière cohérente et efficace. Il s’agit d’outils qui prennent en charge l’analyse de données automatisée et semi-automatisée ayant pour but de détecter des erreurs liées à l’intégrité d’une entité, son attribution ou ses relations spatiales avec d’autres entités. Les erreurs détectées par ce type d’examen sont stockées pour que vous puissiez les examiner, les corriger et créer des rapports de qualité des données.
Examen des données automatisé
L’examen des données automatisé évalue la qualité d’une entité sans intervention humaine. Data Reviewer inclut une bibliothèque de vérifications configurables qui vous permettent de valider des données selon vos critères de qualité. Les vérifications Data Reviewer sont conçues pour évaluer différents aspects de la qualité d’une entité, notamment son attribution, son intégrité ou sa relation spatiale avec d’autres entités. Les vérifications automatisées Data Reviewer sont configurables et leur mise en œuvre ne nécessite aucune connaissance avancée en termes de programmation. Le plus souvent, les professionnels SIG avec une bonne compréhension des critères de qualité de leurs données peuvent implémenter la révision automatisée avec un minimum de formation.
Dans les processus basés sur des règles attributaires, les vérifications sont configurées et stockées dans la géodatabase pour évaluer la qualité d’une entité et son adéquation à l’utilisation. Les fonctionnalités de révision automatisée peuvent être intégrées de plusieurs façons :
- Évaluation de la qualité d’une entité au cours de la création ou de la modification pour empêcher l’introduction d’entités qui ne répondent pas aux critères de qualité et pour réduire les retouches nécessaires.
- Évaluation de la qualité d’une entité après sa création. Cela peut s’avérer utile lorsque des données existantes sont de qualité inconnue et qu’une évaluation de référence est nécessaire en vue d’identifier l’effort requis pour répondre aux critères de qualité.
Pour en savoir plus sur les processus Data Reviewer automatisés d’évaluation de la qualité des données, reportez-vous aux rubriques suivantes :
Examen des données semi-automatisé
Il n’est pas possible de détecter toutes les erreurs de vos données à l’aide de méthodes automatisées. L’examen semi-automatisé évalue la qualité des données avec des méthodes qui impliquent généralement des processus guidés nécessitant une intervention humaine et une saisie en entrée. L’examen visuel est le plus courant des examens semi-automatisés ; il permet d’évaluer la qualité selon un mode que ne permet pas l’examen automatisé des données. Il peut ainsi identifier des entités manquantes, mal placées ou mal codées, ainsi que d’autres problèmes que des vérifications automatisées ne peuvent pas détecter.
Pour en savoir plus sur l’utilisation de Data Reviewer pour implémenter des processus semi-automatisés d’évaluation de la qualité des données, reportez-vous aux rubriques suivantes :
Gestion des erreurs
Data Reviewer permet de gérer les erreurs de la détection à la vérification, en passant par la correction. Ces fonctionnalités contribuent à l’amélioration de la qualité des données en identifiant la source, la localisation et la cause des erreurs. Les coûts sont ainsi réduits et le travail en double évité puisque vous savez comment l’erreur a été détectée, qui l’a corrigée et si la correction a été vérifiée comme acceptable.
Les erreurs détectées lors de l’examen des données sont suivies par un traitement de cycle de vie défini. Ce traitement inclut trois phases : examen, correction et vérification.
Chaque phase contient une ou plusieurs valeurs de statut qui décrit les actions effectuées au fur et à mesure de la progression de l’erreur d’une phase à une autre.
Dans les processus basés sur des règles attributaires, les erreurs sont stockées dans la géodatabase, dans une série de tables gérées par le système. Les erreurs sont accessibles à l’aide de la fenêtre Error Inspector (Inspecteur d’erreurs), qui fournit des outils pour la création de rapports, la navigation et la sélection d’entités qui facilitent la correction des erreurs.
Pour en savoir plus sur les processus de gestion d’erreurs de Data Reviewer, reportez-vous aux rubriques suivantes :
- Résultats d’erreur et cycle de vie
- Configurer la fenêtre Error Inspector (Inspecteur d’erreurs)
- Didacticiel : Évaluer des entités avec des règles attributaires
Vous avez un commentaire à formuler concernant cette rubrique ?