The Doppler Quarterly (FRANÇAIS) Printemps 2017 | Page 35
pas encore le faire.)
• Les utilisateurs doivent pouvoir mettre en place
des tests de qualité des données en un minimum
de clics.
• Les outils doivent rechercher les menaces au-delà
de celles pour lesquelles ils ont été programmés.
Ils doivent acquérir de manière autonome la pal-
ette des règles de qualité des données spécifi ques
au jeu de données, en utilisant des algorithmes
d'auto-apprentissage.
• Les résultats des indicateurs de qualité doivent
pouvoir être traduits en métriques pertinentes
pour les différentes parties prenantes, y compris
les cadres, les chefs d'équipe et les responsables
de la qualité des données.
Avec l'adoption accélérée du cloud pour rendre opéra-
tionnelles les fonctions critiques et l'utilisation accrue
de données tierces, il est urgent d'adopter une approche
systématique pour garantir l'exactitude, l'exhaustivité et
la qualité des données utilisées par les applications
cloud. En l'absence d'un niveau approprié de contrôle de
la qualité des données, les entreprises pourraient se
heurter à des problèmes de réglementation ou d'ex-
ploitation qui pourraient réduire à néant les avantages
potentiels de l'utilisation de la plateforme cloud. Lorsque
les clients tirent parti d'AWS en particulier, nous recom-
mandons les types de contrôles suivants :
temps :
• DataBuck de FirstEigen est un outil autonome,
d'auto-apprentissage, de validation et de réconcil-
iation de la qualité des données cloud et de Big
Data. Il valide l'intégrité des