Un jeu de données peut sembler complet parce qu’il contient beaucoup de lignes, tout en étant mal adapté à l’analyse envisagée. Avant de chercher des tendances, il faut examiner ce que les valeurs représentent, comment elles ont été obtenues et quelles absences pourraient modifier l’interprétation. Cette étape protège contre des conclusions fondées sur un ensemble mal compris.
La qualité ne se résume pas à l’absence d’erreurs visibles. Elle dépend de l’usage prévu. Une valeur approximative peut suffire pour une vue d’ensemble et devenir inacceptable lorsqu’elle sert à orienter une décision individuelle. L’évaluation doit donc partir de la question posée, puis regarder les propriétés qui comptent pour cette question.
Relier l’examen à une question précise
Une analyse répond mieux lorsqu’elle vise une question formulée clairement. Souhaite-t-on décrire une évolution, comparer des groupes, détecter une anomalie ou préparer une action ? Chaque objectif demande une couverture, une précision et une fréquence de mise à jour différentes. Sans objectif, les contrôles s’accumulent sans hiérarchie.
La question aide aussi à choisir l’unité d’observation. Une ligne représente-t-elle une personne, un événement, un produit, une journée ou autre chose ? Si cette unité varie dans le même ensemble, les comparaisons deviennent trompeuses. Il faut documenter cette définition avant tout calcul.
Examiner la couverture des situations
Un ensemble peut omettre des périodes, des catégories ou des populations entières. Ces manques ne sont pas toujours des défauts ; ils doivent être connus. Une période non recueillie, un canal absent ou une sélection initiale trop restrictive change la portée de ce que l’on peut conclure.
L’examen consiste à chercher les zones vides et à se demander si elles suivent un motif. Les absences aléatoires n’ont pas le même effet que les absences concentrées sur un type de situation. Lorsque ce motif est incertain, l’analyse doit le signaler plutôt que présenter un résultat comme représentatif de l’ensemble.
Vérifier la cohérence des valeurs
Les valeurs doivent respecter les règles simples de leur domaine. Une date de fin antérieure à une date de début, une quantité négative là où elle n’a pas de sens ou une catégorie écrite sous plusieurs formes sont des signaux utiles. Ils indiquent parfois une erreur de saisie, parfois une convention inconnue.
La correction ne doit pas effacer l’incertitude. Il faut distinguer ce qui est corrigé automatiquement selon une règle validée de ce qui demande un examen humain. Modifier une valeur sans conserver le motif rend les résultats difficiles à expliquer et complique toute vérification ultérieure.
Contrôler la fraîcheur et le contexte de collecte
Une donnée perd de sa pertinence lorsque le phénomène observé change rapidement. Il faut connaître la période couverte, le rythme de mise à jour et les conditions de collecte. Une série ancienne peut rester utile pour comprendre une histoire, mais elle ne doit pas être employée comme image fidèle d’une situation récente sans examen supplémentaire.
Le contexte de collecte influence aussi les résultats. Une information recueillie lors d’une campagne ponctuelle, pendant une interruption ou sous une règle différente doit être repérée. Ces changements peuvent créer une rupture que l’analyse confondra sinon avec une évolution réelle.
Décider quoi faire avant l’analyse
Après l’examen, l’équipe peut conserver le jeu tel quel, corriger des défauts limités, exclure une partie ou reporter l’analyse. Cette décision doit correspondre au niveau de risque associé à la question. Il n’existe pas de seuil universel de qualité valable pour toutes les situations.
Un court compte rendu interne peut retenir les limites, les corrections réalisées et les zones qui restent incertaines. Il sert de garde-fou au moment d’interpréter les résultats. Cette mémoire évite que des hypothèses oubliées deviennent, avec le temps, des faits supposés établis.
Évaluer un jeu de données avant l’analyse revient à examiner son adéquation à une question et à rendre visibles ses limites. Cette préparation ne garantit pas une conclusion parfaite, mais elle donne aux résultats une base plus honnête et plus facile à discuter.
Vérifier l’origine avant le calcul
Une donnée porte la trace de sa collecte, même lorsque cette trace n’apparaît pas dans les colonnes. Il faut connaître la personne ou le dispositif qui l’a produite, le moment de l’observation et les règles appliquées à ce moment-là. Un même champ peut avoir changé de signification au fil des mois sans changer de nom.
Cette origine aide à expliquer un écart. Une hausse peut venir d’un comportement réel, d’une nouvelle consigne ou d’un changement dans la manière de compter. Sans ce contexte, l’analyse risque de raconter une évolution fictive. Les informations nécessaires doivent rester associées au jeu, même sous une forme courte et lisible.
Les périodes de rupture doivent être identifiées avant la comparaison. Une campagne ponctuelle, une interruption de collecte ou une modification de formulaire peut modifier la forme des données. L’analyste peut conserver ces périodes, mais il doit éviter des mélanger silencieusement avec des observations obtenues selon une autre méthode.
Distinguer nettoyage et interprétation
Corriger une valeur et interpréter son effet sont deux actions distinctes. Le nettoyage applique une règle connue ; l’interprétation cherche ce que le résultat signifie pour une question donnée. Mélanger ces étapes favorise des ajustements influencés par le résultat attendu.
Une procédure saine note les corrections et conserve, lorsque cela est nécessaire, une version qui permet de retrouver l’état initial. Cette discipline aide à comprendre pourquoi un chiffre a changé et à discuter les choix réalisés avant l’analyse. Elle facilite aussi la transmission du travail à une personne qui n’a pas participé aux premières vérifications.
Le niveau de qualité recherché dépend enfin de la décision envisagée. Une exploration interne tolère parfois une incertitude qu’une décision individuelle ne peut accepter. Cette proportion doit être discutée avant le calcul, pas après un résultat séduisant.