Réussir sa migration de données en 6 étapes

Fév 13, 2023 | Data, Gestion de projet | 0 commentaires

Salut l’équipe 👋

Si vous vous occupez des données de votre entreprise, vous vous êtes peut-être déjà posé cette question : Comment effectuer une migration de données ?

Le besoin vient majoritairement lors du changement, par l’organisation, d’un ancien vers un nouveau système. Cependant, pour que la migration soit réussie, il faut comprendre à la base la qualité des données. Ainsi, vous pourrez voir si elle correspond aux prérequis du nouveau système, mais surtout si elle répond au besoin Métier. 

 

Voici ci-dessous comment je procède en 6 étapes 👇

1. Définir (précisément) le besoin, le périmètre et le communiquer

 

2. Analyser les données entre les systèmes impactés et communiquer sur l’état de la qualité

Qu’est-ce que le terme « Dirty Data » ? « Dirty Data » signifie littéralement de la « donnée sale » qui est souvent composée de ces principales erreurs :

3. Corriger les données

Faites le ménage sur ces Dirty Data et n’oubliez pas d’enregistrer toutes les erreurs dans le journal des problèmes.

 

4. Définir les mapping de données entre les systèmes et les règles de transformations.

Pourquoi être établir des règles de transformation de données ?

➡️ Organisation : Mieux organiser la donnée est plus facile à utiliser

➡️ Compatibilité : Différentes applications et systèmes peuvent utiliser la même donnée

➡️ Migration : de la donnée avec des formats compatibles pour que la donnée puisse transiter d’un système à un autre 

➡️ Fusion (Merging) :  La donnée au sein d’une même organisation peut être fusionnée ensemble si elle est identique

➡️ Comparaison : des comparaisons peuvent être réalisées entre systèmes

5. Migrer les données

 

6. Re-analyser les données et communiquer

Pour mesurer le progrès et Rendre visible le travail effectué et les bénéfices qui seront apportés.

La fin en quelques mots 

J’espère que ces 6 étapes vous donnent une trajectoire pour démarrer votre projet de migration de données efficacement. 

Rappel des principes de base : 

➡️Si l’alignement est bon mais la donnée a besoin d’être mise au propre, nettoyez la donnée avant de réaliser votre analyse / projet.

➡️Si la donnée est partiellement alignée avec des objectifs, réfléchissez à comment vous pouvez modifier cet objectif ou utiliser les contraintes des données pour mieux aligner la donnée sur les objectifs business.

Une fois ces conditions remplies, vous pouvez avoir des insights précis et faire des conclusions basées sur des faits. 

Données propres + alignement avec les objectifs business = conclusions précises

Continuer la lecture…

Garder les IA et LLM sous contrôle avec les guardrails

Garder les IA et LLM sous contrôle avec les guardrails

Salut l’équipe 👋, Les récents événements concernant le retrait temporaire de Gemini AI de Google ont mis en lumière l'importance de mettre en place des Guardrails pour éviter les résultats offensants et inacceptables.   🛡️ Qu'est-ce que les LLM Guardrails ? Les...

European IA Act, c’est acté !

European IA Act, c’est acté !

Le « Artificial Intelligence Act » a été approuvé ce vendredi 2 février 2024 par les pays membres de l’UE. Venez découvrir ce qui change pour les entreprises.

0 commentaires

Soumettre un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *