Qualité des données
Repérer les doublons
Reconnaître les enregistrements qui décrivent deux fois la même chose, même écrits différemment.
Un doublon, c'est le même client, la même commande ou le même produit enregistré plusieurs fois. Les copies exactes se repèrent facilement ; les cas difficiles diffèrent d'une majuscule, d'un espace, d'une abréviation ou d'une faute de frappe dans une adresse email.
Les doublons gonflent les comptages, faussent les moyennes et envoient deux fois le même courrier au même client. Dans un jeu de données qui sert à entraîner ou à évaluer un modèle, ils donnent trop de poids à certains cas et peuvent faire paraître le modèle meilleur qu'il n'est.
Les repérer commence par choisir ce qui identifie un enregistrement (un email, un numéro client, une combinaison de champs), puis par normaliser les valeurs avant de les comparer. Quand deux lignes se contredisent, décidez laquelle garder plutôt que d'en supprimer une au hasard.
Dans les rapports de vos jeux, chaque réponse liée à cette compétence compte : la compétence est dite acquise à partir de 80 % de bonnes réponses, en progrès à partir de 50 %.
Jeux qui entraînent cette compétence
Jouez-y gratuitement et sans compte, puis adaptez-les à vos équipes.
