Partie 1 :

Il existe plusieurs exemples de projets qui peuvent faciliter la mise en œuvre d'une démarche de
nettoyage des données dans les bases et fichiers d'une entreprise, tout en répondant aux besoins
spécifiques de l'entreprise. En voici quelques-uns :

1. Migration vers une nouvelle plateforme : lorsque l'entreprise migre vers une nouvelle
plateforme, elle peut profiter de cette occasion pour nettoyer les données avant de les transférer vers
la nouvelle plateforme. Cela permettra de s'assurer que les données nuancées sont corrigées, ce qui
facilitera l'adoption de la nouvelle plateforme.

2. Mise en place d'un outil de gestion de la qualité des données : il existe des outils de gestion
de la qualité des données qui permettent d'identifier les données erronées et de les corriger.
L'entreprise peut donc mettre en place un tel outil pour nettoyer progressivement ses données. Cela
permettra de minimiser les coûts et les risques associés à une démarche de nettoyage de données à
grande échelle.

3. Projets d'analyse de données : les projets d'analyse de données peuvent également faciliter la
mise en œuvre d'une démarche de nettoyage de données. En effet, avant de pouvoir réaliser une
analyse de données pertinentes, il est nécessaire de nettoyer les données pour s'assurer de leur
qualité. Cela permettra également de mieux comprendre les erreurs et les incohérences dans les
données.

Partie 2
Analyse préliminaire
-Les principaux indicateur sont : redoublant, code postal, note par matière, l’année de
naissance, classe
Pour construire les indicateurs demandés il faut que :
-Les notes par matière au format numérique sur 20 ou la mention Abs (absent), Disp
(dispensé)
-la classe au format I5 Alt ou I5 Fi
-L’année de naissance au format numérique 19xx ou 2xxx
-redoublant format O ou N
-code postale au bon format

Question 1 :
Question 2 :

Nombre d'enregistrements corrects (hors rouge et orange) : 22

Nombre d'enregistrements utilisables (hors rouge) : 23

Nombre d'enregistrements inutilisables (en rouge) : 13

Taux de données erronées : (36 - 22) / 0.36 = 38.88%

Question 3 :

Question 4 :

Les informations (colonnes) qui doivent être impérativement correctes selon le graphique sont :
redoublant, code postal, classe et les notes.

Question 5 :

Pour corriger la situation, plusieurs actions peuvent être entreprises, telles que :
-Mettre en place des règles de qualité pour la saisie (format des données saisie) et la mise à jour des
données.

-sensibiliser le personnel qui a saisi et mis à jour les données aux règles de qualité de donnée.

-Effectuer une vérification périodique des données pour identifier les erreurs et les corriger.

-Mettre en place des contrôles automatisés pour détecter les erreurs.

Question 6 :

Les actions proposées peuvent être classées en actions à court terme (moins de 2 mois) et en actions
à moyen terme (plus de 2 mois) de la manière suivante :

Actions à court terme :

-Mettre en place des règles de qualité pour la saisie et la mise à jour des données.

-sensibiliser le personnel qui a saisi et mis à jour les données aux règles de qualité de donné.

Actions à moyen terme :

-Effectuer une vérification périodique des données pour identifier les erreurs et les corriger.

-Mettre en place des contrôles automatisés pour détecter les erreurs.

Question 7

Pour vendre ce plan d'actions à la Direction Générale de l'EPSI, je vais souligner l’importance des liens
à la qualité des données pour le bon fonctionnement des activités de l'école, notamment en termes
de prise de décisions. Je vais également présenter les coûts et les bénéfices associés à chaque action
proposée, ainsi que les risques liés à l'inaction. Enfin, je vais présenter des exemples concrets de
situations où des données de mauvaise qualité ont eu un impact négatif sur les résultats de l'école ou
d’une autre école.