Dimensions de la qualité des données

Dernière mise à jour : 10 avr. 2025

Les dimensions de qualité des données décrivent une caractéristique mesurable des données et aident à définir les exigences de qualité des données. Utilisez les dimensions de la qualité des données pour déterminer les résultats attendus de l'évaluation de la qualité des données, qu'il s'agisse d'une évaluation initiale ou d'une surveillance continue.

L'état dans lequel vous souhaitez que vos données soient généralement peut être défini comme adapté à l'utilisation, sans incident, correspond à la spécificationou répondant aux attentes et aux exigences. Lorsque vous mesurez la qualité des données, vous comparez l'état réel de vos données à cet état souhaité. Les normes, les attentes et les exigences qui sont importantes pour vos processus métier sont exprimées en tant que caractéristiques ou dimensions des données.

L'association Data Management (DAMA ) International a publié un document qui décrit six dimensions essentielles de la qualité des données : Exactitude, exhaustivité, cohérence, actualité, unicité, validité

Outre ces dimensions fondamentales, IBM Knowledge Catalog propose la dimension Homogénéité.

Toutes ces dimensions peuvent être évaluées en effectuant des contrôles de qualité des données dans le cadre de l'enrichissement des métadonnées ou en appliquant des règles individuelles de qualité des données.

Dimensions de qualité des données de base
Dimension	Descriptif	Contrôles de qualité des données prédéfinis qui identifient les problèmes associés à cette dimension
exactitude	Les valeurs de données sont aussi proches que possible des valeurs réelles.	Néant.
Exhaustivité	Toutes les valeurs de données requises sont présentes.	Valeurs manquantes inattendues
Cohérence	Les valeurs de données d'une colonne sont conformes à une règle.	Capitalisation incohérente Représentation incohérente des valeurs manquantes Valeurs suspectes
Homogénéité	Les données d'un patrimoine de données sont uniformes et cohérentes dans le temps. Tous les points de données partagent des caractéristiques, des formats ou des structures similaires.	Néant.
Ponctualité	Les données représentent la réalité à partir d'un point dans le temps requis.	Néant.
Unicité	Les valeurs distinctes n'apparaissent qu'une seule fois.	Valeurs dupliquée inattendues
Validité	Les données sont conformes au format, au type ou à la plage de sa définition.	Violations de classe de données Violations de type de données Violations de format Valeurs hors plage