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 schémas sous-jacents
Techniques pour y remédier :
- Supprimer les données
- Imputer les valeurs

Puzzle avec pièce manquante

Les préjugés sociétaux peuvent se refléter dans les données sous la forme d’un biais dans les données
Conduit à des données et donc à des résultats non représentatifs
Difficile 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 les pièces blanches laissées de côté

Main gantée avec flacon pulvérisateur

Introduction à la maîtrise de la donnée