Problèmes courants de données

Introduction à la littératie des données

Jess Ahmet

Content Developer, DataCamp

Données « sales »

Des données « sales » sont :
- Incorrectes
- Incomplètes
- Incohérentes
Causées par des erreurs humaines, des problèmes techniques ou de collecte
Principe « garbage in, garbage out » : des données sales mènent à de mauvaises conclusions

Fenêtre sale

Données incorrectes ou incohérentes
Souvent causées par une erreur humaine ou technique lors de la saisie de la valeur ou du format
Techniques pour y remédier :
- Si la valeur originale ou un format valide est connu : corriger les données
- Si inconnu : supprimer les données

Casse-tête avec la mauvaise pièce

Données incomplètes
Problématique si :
- Plusieurs points de données manquent
- Il existe des motifs sous-jacents dans les données manquantes
Techniques pour y remédier :
- Suppression de données
- Imputation

Casse-tête avec une pièce manquante

Les biais sociétaux peuvent se refléter dans les données comme des biais de données
Mènent à des données et donc à des résultats non représentatifs
Difficiles à détecter et à résoudre
Techniques pour y remédier :
- Processus de collecte rigoureux
- Vigilance dans les conclusions
- Modèles d'IA explicables

Casse-tête gris avec des pièces blanches écartées

Main gantée avec vaporisateur

Introduction à la littératie des données