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