Problèmes courants liés aux données

Introduction à la maîtrise de la donnée

Jess Ahmet

Content Developer, DataCamp

Données douteuses

Les données douteuses sont :
- incorrectes
- incomplètes
- incohérentes
causées par une erreur humaine, des problèmes techniques ou des problèmes liés au processus de collecte des données
« Récoltez ce que vous semez » : des données douteuses peuvent conduire à des conclusions erronées

Fenêtre sale

Les données sont incorrectes ou incohérentes
Généralement causées par une erreur humaine ou technique dans l’enregistrement de la valeur ou du format
Techniques pour y remédier :
- Si la valeur d’origine ou le format valide est connu : corrigez les données
- Sinon : supprimez les données

Puzzle avec la mauvaise pièce

Les données sont incomplètes
Problématique si :
- De nombreux points de données sont manquants
- Les données manquantes présentent des tendances sous-jacentes
Techniques pour y remédier :
- Suppression des données
- Imputation

Puzzle avec pièce manquante

Les préjugés sociétaux peuvent se refléter dans les données sous la forme d’un biais dans les données
Conduisent à des données et donc à des résultats non représentatifs
Difficiles à détecter et à résoudre
Techniques pour y remédier :
- Processus solide de collecte de données
- Prise de conscience dans les conclusions
- Modèles d’IA explicables

Puzzle gris avec des pièces blanches laissées de côté

Main gantée avec vaporisateur

Introduction à la maîtrise de la donnée