Les formats incohérents sont l'une des sources de problèmes de données les plus courantes et les plus évitables. Quand le même type d'information est enregistré de différentes façons — des dates comme 2024-01-15, 15 janvier 2024 et 15/01/24 dans la même colonne — chaque analyse qui dépend de ces données devient peu fiable.
Ce que l'incohérence coûte
L'incohérence des formats crée des problèmes en aval à chaque étape de l'utilisation des données :
- Erreurs d'analyse. Trier, filtrer et calculer sur des données formatées de manière incohérente produit des résultats erronés.
- Échecs d'intégration. Quand des données de deux systèmes doivent être combinées, les différences de format empêchent la correspondance automatique.
- Temps de nettoyage. Quelqu'un doit trouver et corriger les incohérences avant que les données puissent être utilisées. C'est souvent la partie la plus chronophage de tout projet de données.
- Érosion de la confiance. Quand les utilisateurs rencontrent des incohérences, ils perdent confiance dans les données dans leur ensemble.
Normes de format courantes
Pour les types de données les plus fréquemment incohérents, des normes établies existent :
- Dates : Format ISO 8601 — AAAA-MM-JJ (ex. : 2024-03-15). Ce format se trie correctement comme texte et est sans ambiguïté entre les paramètres régionaux.
- Numéros de téléphone : Choisissez un format et appliquez-le de manière cohérente. Incluez l'indicatif de pays pour les contacts internationaux.
- Adresses : Utilisez une structure cohérente. Déterminez si vous avez besoin d'adresses complètes ou seulement de codes postaux pour votre objectif.
- Champs Oui/Non : Utilisez VRAI/FAUX, 1/0 ou Oui/Non — mais choisissez-en un et tenez-vous-y. Ne mélangez jamais les formats dans le même champ.
- Noms : Décidez des règles de capitalisation et appliquez-les de manière cohérente.
Pour les champs catégoriels — statut, type, catégorie — utilisez un vocabulaire contrôlé : une liste définie de valeurs acceptables. Au lieu d'autoriser du texte libre où les utilisateurs tapent « Actif », « actif », « ACTIF » ou « Oui », fournissez un menu déroulant ou une règle de validation qui impose une valeur unique. Les vocabulaires contrôlés préviennent la source la plus courante d'incohérence catégorielle.
Imposer la cohérence à la saisie
Le meilleur moment pour imposer la cohérence des formats est au point de saisie des données, pas après coup. Les techniques comprennent :
- Les masques de saisie qui imposent des formats de date ou de numéro de téléphone
- Les menus déroulants pour les champs catégoriels
- Les règles de validation qui rejettent les valeurs hors du format attendu
- Des instructions claires sur les formulaires qui spécifient le format attendu
Documenter vos décisions de format
Quels que soient les formats que vous choisissez, documentez-les. Un dictionnaire de données ou un guide de style qui spécifie le format attendu pour chaque champ est essentiel pour quiconque saisit, maintient ou utilise les données. Sans documentation, la dérive des formats est inévitable à mesure que le personnel change.
Points clés
- Les formats incohérents créent des erreurs, des coûts de nettoyage et des problèmes de confiance
- Utilisez des normes établies pour les dates, les numéros de téléphone et autres types courants
- Utilisez des vocabulaires contrôlés pour les champs catégoriels
- Imposez la cohérence au point de saisie, pas après coup
- Documentez vos décisions de format pour qu'elles survivent aux changements de personnel
Même avec des formats cohérents, la qualité des données peut se dégrader avec le temps. Apprenez à la maintenir dans Maintenir la qualité des données.