Nettoyage de données
Définition
Le nettoyage de données est l'opération de détection et de correction (ou suppression) d'erreurs présentes sur des données stockées dans des bases de données ou dans des fichiers.
Le nettoyage de données est un des problèmes majeurs des entrepôts de données1.
Les données présentes dans les bases de données peuvent avoir plusieurs types d'erreurs comme des erreurs de frappe, des informations manquantes, des imprécisions etc. La partie impropre de la donnée traitée peut être remplacée, modifiée ou supprimée. Le processus de nettoyage identifie les données erronées et les corrige automatiquement avec un programme informatique ou les propose à un humain pour qu'il effectue les modifications.
Le nettoyage de données est différent de la validation de données. La validation de données est l'étape qui consiste à vérifier et rejeter les données qui ne respectent pas certaines règles avant l'ajout en base de données, alors que le nettoyage intervient après (sur des données déjà présentes en base de données).
En apprentissage automatique et en entreposage des données, prétraitement préalable d'un jeu de données brutes pour en détecter et en corriger des enregistrements corrompus ou incohérents. Il fait référence à l'identification de parties incomplètes, incorrectes, inexactes ou non pertinentes des données, puis au remplacement, à la modification, ou la suppression les données incohérentes ou de formats hétéroclites. Une fois traitées, ces données peuvent être stockées dans un format normalisé, ce qui aide les humains et les ordinateurs à les interpréter, notamment au moment d'élaborer des algorithmes.
Les nettoyeurs de type ETL ont été les premiers à voir le jour.
Français
nettoyage de données loc. nom. masc.
prétraitement de données loc. nom. masc. (1)
Anglais
Data cleansing
Data cleaning
Data scrubbing
Data Cooking (familier)
Contributeurs: Evan Brach, Imane Meziani, Jacques Barolet, wiki
