Conversion de données : la différence entre les bonnes et les mauvaises données

Conversion de données. Qu'est-ce que la conversion de données ? Est-ce la même chose que la migration de données ? Pas assez. Bien que la migration des données fait nécessiter une conversion de données dans son processus. Voici leurs définitions :

Conversion de données: la conversion de données informatiques d'un format à un autre.

Migration de données: le processus de transfert de données d’une base de données à une autre base de données.

Pourquoi avons-nous besoin de l’un ou l’autre ? Eh bien, lorsqu'une association ou un organisme de réglementation passe d'un nouveau système ou d'un nouveau processus à l'autre, il arrive parfois que les données ne puissent plus être dans un certain format ou dans la même base de données. Il faut donc le convertir.

Données de bonne qualité

Le problème, cependant, n'est pas le processus de conversion ou de migration, il s'agit de s'assurer que vos données nouvellement stockées sont données de qualité. Qu'est-ce que des données de qualité ? Vous savez probablement de quoi il s’agit sans vous en rendre compte. Quels mots voudriez-vous décrire votre rêve données? Probablement…

• Précis
• Cohérent
• Complet
• Valide
• Opportun
• Accessible

Ce sont toutes des caractéristiques très importantes à utiliser comme normes pour vos données. Mais que veulent-ils tous dire ?

Précision: les données doivent être correctes et précises.

Cohérence: les données doivent être sous les mêmes unités, même format, etc. Ex. Tous les noms répertoriés comme nom de famille, prénom (Smith, Will).

Complet: les données nécessaires doivent toutes être présentes.

Validité tous les champs sont saisis correctement et dans des plages acceptables. Ex. 30/13/2015 = Date invalide.

Opportun: les données sont à jour et disponibles pour une utilisation immédiate.

Accessibilité: les données doivent être compréhensibles et faciles d’accès.

Avantages de données de bonne qualité

Bien que les avantages de données de qualité soient essentiellement expliqués dans les définitions des caractéristiques ci-dessus, il existe de nombreux autres avantages. Ceux-ci inclus:

• Avoir confiance en votre base de données
• La capacité de produire des rapports précis à partir de vos données
• Passer moins de temps à réparer, organiser et rassembler les données
• Un personnel heureux qui doit accéder aux données
• Réduction des coûts grâce à l'efficacité du personnel

Données de mauvaise qualité

Les données de mauvaise qualité sont des données qui sont à l’opposé d’exactes, cohérentes, complètes, valides, opportunes et accessibles. Il peut contenir des doublons, des noms mal orthographiés, des numéros erronés et des informations obsolètes.

Des données de mauvaise qualité peuvent être le résultat d'une erreur humaine, de plusieurs points d'entrée, d'un roulement de personnel ou de la nécessité de mettre à jour votre technologie pour détecter les erreurs et les doublons dans les entrées.

Données et organismes de réglementation

Un organisme de réglementation oblige les membres de diverses industries réglementées, comme l'industrie médicale, à s'assurer qu'ils se conforment aux réglementations fédérales et provinciales. Il s’agit de protéger la sécurité du public. Les organismes de réglementation utilisent un logiciel de gestion des licences afin de suivre et de garantir que leurs membres respectent les exigences légales et les normes professionnelles pour continuer à exercer. Dans la base de données, ils stockent le nom, l'adresse, le numéro de téléphone, les antécédents professionnels, la formation, le relevé de notes de chaque membre, les plaintes contre lui (le cas échéant) et bien plus encore. C'est en quoi consistent les données et doivent être enregistrées avec cohérence et précision, afin qu'elles soient lisibles et compréhensibles par tout membre du personnel qui a besoin d'y accéder.

Alinité et conversion de données

Pendant la mise en œuvre, le personnel d'Alinity aide à analyser les données d'un organisme de réglementation pour comprendre leur qualité actuelle et nous donne la possibilité de fournir à l'organisme une estimation appropriée de la qualité. S'il devait y avoir des données manquantes ou des lacunes, nous en discuterions avec le client. Au cours de la discussion, nous découvririons l'importance ou la pertinence des données manquantes, que nous en ayons besoin ou non ; et si nous le faisons, nous découvrons s'il peut être dérivé de quelque chose d'autre ou s'il peut être fourni à partir d'une autre source.

Données incohérentes

Alinity corrige les incohérences de plusieurs manières. Les incohérences, par exemple, peuvent concerner la manière dont un nom est saisi dans les données :

• Jane Doe
• Biche, Jane

Ou comment une adresse est saisie :

• 10374 170 rue.
• 10374, rue 170

Nous corrigeons les incohérences de plusieurs manières. Parfois, nous demandons aux clients de le réparer eux-mêmes dans leur actuel base de données, afin que nous puissions l'importer proprement dans la nôtre. Si nécessaire, nous trouverons un moyen de mettre à jour notre processus de conversion de données pour éliminer automatiquement les mauvaises données !

Notre processus

Parfois, nous convertissons les données telles quelles et les nettoyons simplement dans Alinity/Permitsy. Chaque scénario est évalué au cas par cas, nous choisissons ce qui est le plus logique et le plus rentable pour le Collège.

Lorsqu'il s'agit du processus de conversion, il est important de travailler en partenariat avec le client, car il comprend ses données. Cela prend au moins des semaines, voire des mois, en fonction de la complexité des données et de la quantité que nous convertirons.

Les défis de la conversion des données, outre les mauvaises données, incluent :

• devoir se convertir à partir de systèmes médiocres
• devoir convertir des systèmes contenant des données redondantes dans plusieurs tables où les données ne correspondent pas
• devoir comprendre le schéma de base de données d'un fournisseur précédent (cadre ou plan)

Comment nous garantissons des données de qualité

Pour nous assurer que nous obtenons des données de bonne qualité sur lesquelles nos clients peuvent communiquer, nous procédons comme suit :

• nous créons un système plus facile à utiliser pour leur personnel
• nous fournissons une connaissance constante du statut de chaque membre (par exemple, si quelque chose est invalide ou manquant)
• nous créons des règles commerciales automatisées qui valident la cohérence des données (si les données prétendent qu'ils sont employés, ils doivent avoir un dossier d'emploi)
• Dans la mesure du possible, nous ne laissons pas les membres taper librement, nous proposons des menus déroulants dans lesquels ils peuvent sélectionner des réponses pour éviter les incohérences.
• donner uniquement à certains membres du personnel accès à certaines données ; les personnes qui ne sont pas formées dans un département ne peuvent pas modifier ou ajouter des données dans un autre département, cela protège également la vie privée des membres en permettant à moins de personnes de voir moins de données