Identifier les critères de qualité des données

Disponible avec une licence Data Reviewer.

L’un des défis de l’implémentation du contrôle qualité des données concerne l’identification des critères de qualité des données techniques de l’organisation. Il est important d’identifier et de comprendre les exigences de votre entreprise par rapport aux données avant de les traduire en critères de qualité techniques qui définissent des données de bonne qualité.

Un traitement de contrôle qualité des données efficace repose sur la compréhension de l’utilisation des produits faisant appel aux données et aux informations au sein de et hors de l’organisation. Chaque organisation définit la qualité de manière différente et adapte cette définition en fonction de l’objectif voulu et de l’utilisation des données. Le diagramme suivant illustre différentes sources de critères qualité susceptibles de s’appliquer à votre organisation.

Éléments de qualité des données

Les éléments de qualité des données décrivent un certain aspect requis pour qu’un jeu de données soit exact et puisse être utilisé. La qualité des données SIG est liée à différents composants. Comme défini par l’Organisation Internationale de normalisation (ISO), ces composants sont les suivants :

• intégralité
• Cohérence logique
• Précision spatiale
• Précision thématique
• Qualité temporelle
• Usabilité des données

intégralité

Présence ou absence d’entités, de leurs attributs et de relations dans un modèle de données.

Un quartier dans lequel des emprises de bâtiment sont manquantes illustre un modèle de données incomplet.

Cohérence logique

Degré d’adhésion aux règles préétablies de la structure d’un modèle de données, à l’attribution et aux relations telles qu’elles ont été définies par une organisation ou un secteur d’activité. De nombreux secteurs d’activité suivent des normes reflétées dans un modèle de données géospatiales, comme les domaines de valeurs, les formats de données et la cohérence topologique du mode de stockage des données.

Une autoroute avec une surface routière de type gravier représente un exemple de norme industrielle.

Précision spatiale

Précision de la position des entités par rapport à la Terre.

Cette entité lac a été décalée, ce qui indique une inexactitude spatiale.

Précision thématique

Précision d’attributs au sein des entités et leurs relations appropriées.

Une piscine a été capturée comme zone humide, ce qui représente une inexactitude thématique.

Qualité temporelle

Qualité des attributs temporels et relation temporelle des entités.

Un diagramme obsolète avec une piste ouverte indique une qualité temporelle médiocre.

Le diagramme a été mis à jour avec une piste fermée pour améliorer la qualité de l’entité.

Usabilité des données

Adhésion d’un jeu de données à un ensemble spécifique de critères liés à un cas d’utilisation.

Cette carte des États-Unis peut être utilisée pour les parcs nationaux car elle affiche les rivières et la topographie des montagnes avec de légères limites entre les États.

Cette carte achemine les véhicules d’urgence et satisfait les exigences en matière de données du secteur d’activité.

Documentation liée aux critères de qualité

Un plan d’assurance qualité est un document qui identifie les normes de qualité d’un projet et les méthodes permettant de les atteindre. Un plan d’assurance qualité est un document dynamique qui change en fonction des nouveaux critères de qualité identifiés par l’organisation et qui permet également de rassembler les parties prenantes essentielles lors de la création d’une image commune de la définition de données de bonne qualité ainsi que des processus métier qui répondent à ces exigences.

Vous trouverez ci-dessous des techniques et des normes qui peuvent s’avérer utiles lors de l’identification des critères de qualité des données :

• ISO/TC 211 - Informations géographiques/Géomatique : séries de normes de l’Organisation internationale de normalisation (ISO) concernant les informations géographiques pour la définition de méthodes, d’outils et de services de gestion des données en matière d’acquisition, de traitement, d’analyse, d’accès, de présentation et de transfert de telles données au format numérique parmi les utilisateurs, les systèmes et les localisations.
• Matrice de traçabilité des exigences : document créé pour la gestion et le suivi des exigences des entreprises visant à garantir leur respect lors de l’implémentation d’un projet. Ce document met en corrélation les exigences des entreprises collectées pour le projet et les fonctionnalités d’un produit logiciel.

La colonne Catégorie d’exigence dans le tableau suivant est un exemple d’exigences collectées qui font référence à certains éléments de qualité des données indiqués ci-dessus. L’étape suivante, après l’organisation et la catégorisation des exigences, consiste à corréler les critères de qualité des données aux fonctionnalités correspondantes détectées dans ArcGIS.

Exemple de matrice de traçabilité des critères

ID	Exigences	Numéro de critère	Catégorie de critère	Fonctionnalité du produit
1	Capacité à exécuter des requêtes en fonction d’un certain nombre de segments mis à jour par un utilisateur.	F001	Exigences fonctionnelles
2	Capacité à garantir que le modèle des données de production est conforme aux normes de structure du secteur d’industrie.	D001	Critère des données - Cohérence logique
3	En tant qu’administrateur de base de données, capacité à restreindre les privilèges POST à la version DEFAULT d’un ensemble réduit d’utilisateurs administrateurs	F002	Exigences fonctionnelles
4	Capacité à produire des rapports ad hoc indiquant les écarts dans les données pour n’importe quel attribut sélectionné	F003	Exigences fonctionnelles
5	Capacité à garantir que les données source sont migrées vers la base de données de production et possèdent les relations et les domaines appropriés	D002	Critère des données - Cohérence logique
6	Capacité à garantir que les données source sont exactes selon les normes définies	D003	Exigences liées aux données - Précision spatiale
7	Capacité à garantir que les données de production sont destinées aux collecteurs mobiles et que leurs attributs sont exacts	D004	Critère des données - Précision thématique
8	Capacité à garantir qu’il n’existe pas de superposition entre les mesures d’événement sur la durée du projet entre 2010 et 2020	D005	Critère des données - Qualité temporelle
9	Capacité à créer un hyperlien entre une erreur de validation et une règle métier enfreinte et à fournir une description	F004	Exigences fonctionnelles
10	Capacité à identifier le nombre de cellules qui ne sont pas renseignées (NULL) pour chaque champ d’attribut requis	D006	Critère des données - Précision thématique
11	Capacité à identifier les parcelles qui n’ont aucune entité d’emprise de bâtiment superposée	D007	Critère des données - Cohérence logique
12	Capacité à créer des rapports d’erreur, à générer des fichiers Excel et à les enregistrer sur une unité locale	F005	Exigences fonctionnelles
13	Capacité à valider un attribut d’ID unique reliant une parcelle à des entités d’emprise de bâtiment correspondantes	D008	Critère des données - Cohérence logique
14	Capacité à vérifier que toutes les entités sont conformes aux normes des métadonnées	D009	Exigences liées aux données - Exhaustivité des données
15	Capacité à identifier des entités en tant qu’erreur	F006	Critère des données - Précision thématique
16	Capacité à indiquer la localisation des entités manquantes en tant qu’erreur	F007	Exigences liées aux données - Exhaustivité des données