Question d'entraînement DA0-002
Une grande entreprise de vente au détail intègre des données clients provenant de deux systèmes CRM distincts dans un nouveau data warehouse. Le Système A stocke les identifiants clients sous forme d'entiers (ex., 12345), tandis que le Système B les stocke sous forme de chaînes alphanumériques (ex., 'CUST-12345-X'). De plus, certains clients existent dans les deux systèmes mais avec de légères variations dans les noms (ex., 'John Smith' par rapport à 'Jon Smith'). Le data warehouse nécessite une table clients unifiée dotée d'un identifiant unique pour chaque client. L'analyste doit concevoir le processus d'acquisition des données. Laquelle des propositions suivantes constitue la première étape la plus appropriée ?
Bonne réponse
- CEffectuer un profilage des données pour analyser les distributions de données, les types de données et les problèmes de qualité dans chaque source
Explication
Le profilage des données est la première étape fondamentale de tout projet d'intégration de données. Il évalue systématiquement les types de données sources, les formats, l'exhaustivité et les problèmes de qualité (ex., ID entiers par rapport à alphanumériques, variations de noms) avant de concevoir la logique de transformation. Sans profilage, les étapes ultérieures telles que la correspondance floue (fuzzy matching) ou la standardisation des ID risquent de reposer sur des hypothèses incorrectes concernant les données.
Pour aller plus loin
Le profilage des données est l'examen systématique des données sources pour comprendre les types de données, les distributions, les taux de valeurs nulles, les plages de valeurs et les problèmes de qualité avant de concevoir les transformations. Dans ce scénario, les deux systèmes CRM utilisent des formats d'ID incompatibles et présentent des variations de noms ; le profilage révèle donc exactement comment les ID sont structurés, à quelle fréquence les noms diffèrent et quelles règles de correspondance sont réalisables. Ce n'est qu'après le profilage que l'analyste peut choisir la standardisation, la correspondance floue ou une approche de table de correspondance (crosswalk). Ignorer le profilage risque de construire une correspondance floue sur des champs mal compris ou de standardiser des ID qui perdent leur sens. Un cas réaliste consiste à découvrir que la valeur 'CUST-12345-X' du Système B intègre l'entier du Système A, ce qui simplifie la conception de la table de correspondance.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement DA0-002 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.
Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.