Glossaire data : MDM, Data Platform, Power BI et IA

En résumé : ce glossaire rassemble les définitions des termes employés dans les contenus Kwanzeo, à commencer par ceux du Master Data Management (gestion des référentiels de données), puis de la Data Platform, de Power BI et de l'intelligence artificielle. Chaque définition renvoie au guide qui approfondit le sujet.

Sommaire

• Master Data Management (MDM)
• Data Platform
• Microsoft Power BI
• Intelligence artificielle

Master Data Management (MDM)

Pour une présentation complète, lisez notre guide Qu'est-ce que le Master Data Management ? et la série vidéo Kézako MDM, épisode 1 : le glossaire.

Master Data Management

Le Master Data Management, ou gestion des référentiels de données, centralise les données de référence de l'entreprise en un point unique, le Golden Record. Il met en œuvre des processus de standardisation, de normalisation, de consolidation, de nettoyage des doublons, de propagation et de traçage des données. On parle aussi de Data Hub.

Donnée de référence

Une donnée de référence est une information qui ne change jamais ou très peu dans le temps. Pour un client entreprise : le SIREN, le SIRET ou la raison sociale ; pour un bénéficiaire : le nom et le prénom. Ces données sont appelées attributs d'une entité de référence.

Entité

Une entité est un ensemble d'attributs référentiels qui qualifie l'objet à référencer. Cet objet devient un Golden, donc le point de vérité pour l'ensemble du système d'information. Chaque entité compte au moins trois tables : la table Source, la table Master et la table Golden.

Source

Les données de référence présentes dans les applications arrivent dans les tables Sources au fil de la file de certification. Ces Sources donnent des Masters distincts par application, et l'ensemble de ces Masters crée le Golden.

Master

Un Master est une ligne de données provenant d'une application du système d'information via une Source. La Source est identifiée soit par un identifiant unique, soit par un identifiant technique accompagné du nom de l'application, ce qui permet de garder l'historique des informations modifiées par l'utilisateur.

Golden Record (point de vérité)

Le Golden Record, ou point de vérité, regroupe les informations à diffuser à l'ensemble des applications du système d'information, pour fournir une donnée fiable et de qualité à tous les utilisateurs. C'est tout l'intérêt d'une solution de MDM. Un Golden est constitué d'un ou de plusieurs Masters, chaque Master correspondant à une source provenant d'une application.

File de certification

La file de certification est un processus orchestré par le MDM, composé de plusieurs tâches réalisées sur les entités pour constituer le Golden : contrôles de validation, enrichissements, règles de rapprochement ou de « survie ». Elle met la donnée en qualité avant sa diffusion aux applications connectées. Elle comprend :

• l'enrichissement avant consolidation ;
• les règles de validation avant consolidation ;
• les règles de survie ;
• les règles de rapprochement ;
• l'enrichissement après consolidation ;
• les règles de validation après consolidation.

Enrichissement

Un enrichissement améliore la qualité de la donnée en agissant directement sur elle, au niveau des tables Sources ou du Golden. Il se fait par paramétrage dans le MDM, par un développement SQL ou par un plug-in Java (dans le cas de l'éditeur Semarchy, par exemple).

Règles de rapprochement

Les règles de rapprochement constituent un Golden à partir d'un ou de plusieurs Masters. On distingue :

• le rapprochement flou (fuzzy matching), qui crée un Golden à partir des attributs des Masters : nom et prénom pour une personne physique, SIRET, SIREN et raison sociale pour une personne morale ;
• le rapprochement par identifiant, qui rapproche deux Masters grâce à un matricule ou à tout autre identifiant.

Nomenclature

Une nomenclature est une information de classification représentée par un code et un libellé.

Architectures MDM : consolidation, transactionnelle, centralisée

• Consolidation : les données transitent des applications vers le Data Hub, notamment par ETL ou batch ; les applications ne consomment pas directement les données du Hub.
• Transactionnelle : une plateforme d'échange offre les services entre applications et Data Hub, sans échanges en point à point.
• Centralisée : les processus métier et les workflows gèrent les échanges et les mises à jour.

Data Platform

Pour approfondir : Qu'est-ce qu'une Modern Data Platform ?.

Modern Data Platform

Une Modern Data Platform est une chaîne décisionnelle repensée pour le cloud, en quatre étapes : stocker (store), intégrer (ingest), traiter (process) et analyser (analyze). Elle s'appuie sur le Data Lake, l'ELT, la séparation du stockage et du calcul et une logique de services plutôt que d'outils.

Data Lake

Un Data Lake stocke les données au format fichier, quels que soient leur type (structurées, semi-structurées, non structurées) et leur format (JSON, Parquet, ORC…).

ETL et ELT

L'ETL (Extract, Transform, Load) extrait, transforme puis charge les données dans l'entrepôt. L'ELT (Extract, Load, Transform) charge d'abord les données brutes, puis les transforme sur la plateforme.

Traitement batch et traitement stream

Le traitement batch regroupe les données brutes pour les traiter par lots, à une fréquence convenue ou à l'atteinte d'un seuil : c'est le mode le plus répandu, adapté aux gros volumes. Le traitement stream traite la donnée au fil de l'eau, pour les sources mises à jour en continu et les besoins temps réel.

Analyse descriptive, diagnostique, prédictive, prescriptive, cognitive

L'analyse descriptive répond à « que s'est-il passé ? », la diagnostique à « pourquoi ? », la prédictive à « que risque-t-il de se passer ? », la prescriptive à « comment y arriver ? ». L'analyse cognitive valorise en continu la base de connaissances en combinant IA, Machine Learning et analyse de données.

OneLake

OneLake est le stockage unifié de Microsoft Fabric, présenté comme « le OneDrive de vos données » : tous les éléments de Fabric y stockent leurs données, au format ouvert Delta Parquet. Voir notre décryptage de Microsoft Fabric.

Lakehouse et Warehouse

Dans Microsoft Fabric, le Lakehouse accueille fichiers et tables et se manipule en Spark ou en SQL ; le Warehouse offre le cadre classique d'un entrepôt de données (schémas, vues, procédures stockées) en T-SQL. Voir Lakehouse vs Warehouse dans Microsoft Fabric.

OLTP et OLAP

L'OLTP désigne les bases transactionnelles, axées sur les insertions et mises à jour du quotidien ; l'OLAP désigne les architectures analytiques, optimisées pour la lecture. Voir Microsoft Fabric Databases.

Microsoft Power BI

Pour approfondir : Power BI : composants, concepts et licences.

Capacité

La capacité est l'ensemble des ressources (stockage, processeur, mémoire) utilisées pour héberger et distribuer le contenu Power BI. Elle peut être partagée avec d'autres clients Microsoft, avec des restrictions, ou réservée à une seule organisation.

Espace de travail (workspace)

Un espace de travail est le conteneur des jeux de données, rapports, tableaux de bord et applications Power BI. Il est créé sur une capacité.

Jeu de données, rapport, tableau de bord, application

Le jeu de données est la collection de données sur laquelle se fondent rapports et tableaux de bord. Le rapport compte une ou plusieurs pages de visuels interactifs, fondées sur un seul jeu de données. Le tableau de bord est un canevas unique présentant une vue d'un ou de plusieurs jeux de données. L'application réunit tableaux de bord et rapports dans un point d'entrée unique.

Power Query et DAX

Power Query est l'outil de transformation de données intégré à Power BI Desktop. DAX (Data Analysis Expressions) est le langage qui permet d'ajouter des indicateurs et d'effectuer des calculs.

RLS (Row Level Security)

La sécurité au niveau des lignes restreint l'accès aux données par des filtres appliqués à des rôles, définis dans Power BI Desktop.

Intelligence artificielle

Pour approfondir : Comprendre l'intelligence artificielle.

Intelligence artificielle (IA)

L'intelligence artificielle désigne un ensemble de technologies capables d'imiter certains comportements humains comme l'apprentissage, la résolution de problèmes ou la prise de décisions.

Machine Learning (apprentissage automatique)

Le Machine Learning désigne une machine capable d'apprendre et de comprendre un phénomène par l'entraînement : à partir des données qu'on lui fournit, elle détecte des motifs sans qu'on lui dise explicitement quoi apprendre. Il se divise en apprentissage supervisé (données étiquetées, pour classer ou prédire), non supervisé (structures cachées dans des données non étiquetées) et par renforcement (un agent apprend par récompenses en agissant dans son environnement).

Deep Learning (apprentissage profond)

Le Deep Learning repose sur des réseaux de neurones à plusieurs couches pour résoudre des tâches complexes comme la reconnaissance d'image ou vocale. Tout modèle de Deep Learning est un modèle de Machine Learning, mais l'inverse n'est pas vrai.

Perceptron

Le Perceptron, conçu par Frank Rosenblatt à la fin des années 1950, est un modèle mathématique inspiré des neurones biologiques, à l'origine des réseaux de neurones. Sa sortie binaire ne lui permet de résoudre que des problèmes linéairement séparables.

Feature engineering (ingénierie des caractéristiques)

Le feature engineering prépare les données pour rendre un algorithme d'apprentissage le plus efficace possible : sélection des caractéristiques, transformations (normalisation, standardisation, discrétisation, réduction de dimensions), gestion des données manquantes et validation croisée.

Traitement du langage naturel (NLP)

Le traitement du langage naturel permet aux machines de comprendre et de générer du texte de manière naturelle.

GPT

Un GPT (Generative Pre-trained Transformer) est un modèle d'intelligence artificielle conçu pour comprendre, générer et traiter du texte de manière autonome, grâce au deep learning et à un entraînement sur des milliards de textes. Voir Quel GPT choisir ?.