{"id":353224,"date":"2024-09-03T12:03:07","date_gmt":"2024-09-03T12:03:07","guid":{"rendered":"https:\/\/www.ninjaone.com\/it-hub\/%content_hub_category%\/qu-est-ce-qu-une-dirty-data\/"},"modified":"2024-10-13T14:36:56","modified_gmt":"2024-10-13T14:36:56","slug":"qu-est-ce-qu-une-dirty-data","status":"publish","type":"content_hub","link":"https:\/\/www.ninjaone.com\/fr\/it-hub\/endpoint-security\/qu-est-ce-qu-une-dirty-data\/","title":{"rendered":"Qu’est-ce qu’une dirty data (donn\u00e9e sale) ?"},"content":{"rendered":"

Les dirty data <\/strong>, ou donn\u00e9es sales ou donn\u00e9es impures, sont tous les types de donn\u00e9es qui contiennent des informations inexactes, incompl\u00e8tes, incoh\u00e9rentes ou p\u00e9rim\u00e9es. Bien que ces fausses informations soient g\u00e9n\u00e9ralement tr\u00e8s minimes (ex: \u00ab\u00a0Mr. Smith\u00a0\u00bb et \u00ab\u00a0Mr. Smyth\u00a0\u00bb) et caus\u00e9es par l’erreur humaine<\/a>, les dirty data peuvent avoir des cons\u00e9quences consid\u00e9rables, en particulier dans les secteurs o\u00f9 les donn\u00e9es sont essentielles, tels que la finance et les soins de sant\u00e9.<\/p>\n

On estime que les donn\u00e9es erron\u00e9es co\u00fbtent chaque ann\u00e9e \u00e0 l’\u00e9conomie am\u00e9ricaine environ 3,1 milliards de dollars<\/em> (Forbes<\/a>) en perte de productivit\u00e9, en pannes de syst\u00e8me et en co\u00fbts de maintenance plus \u00e9lev\u00e9s. Les experts pr\u00e9voient que ce chiffre ne fera qu’augmenter au cours des prochaines ann\u00e9es, d’autant plus que l’on estime que 463 exaoctets de donn\u00e9es<\/em> seront cr\u00e9\u00e9s chaque jour dans le monde d’ici \u00e0 2025 (Forum \u00e9conomique mondial<\/a>).<\/p>\n

Un exaoctet correspond \u00e0 un milliard de milliards ou \u00e0 un quintillion d’octets. Pour mieux comprendre, la Commonwealth Scientific and Industrial Research Organisation (CSIRO) en Australie pr\u00e9voit de moderniser son Square Kilometre Array (SKA), un radiot\u00e9lescope de nouvelle g\u00e9n\u00e9ration, afin de g\u00e9n\u00e9rer 300 p\u00e9taoctets de donn\u00e9es par an<\/a> au cours de la prochaine d\u00e9cennie<\/em>. Sachant qu’un p\u00e9taoctet ne repr\u00e9sente que 0,01 exaoctet et qu’il s’agit de regarder des objets c\u00e9lestes situ\u00e9s \u00e0 des ann\u00e9es-lumi\u00e8re, ce chiffre est bien faible par rapport \u00e0 la quantit\u00e9 infinie de donn\u00e9es que nous produisons (et produirons) chaque jour sur Terre.<\/p>\n

Ainsi, si une faute d’orthographe peut sembler anodine, les millions de M. Smith qui re\u00e7oivent de leur entreprise une facture ou une lettre adress\u00e9e \u00e0 un M. Smyth peuvent avoir une opinion diff\u00e9rente, ce qui pourrait en fin de compte se traduire par une perte de chiffre d’affaires.<\/p>\n\n

Comment les donn\u00e9es deviennent-elles sales ?<\/h2>\n

1. Erreur humaine<\/h3>\n

La raison la plus fr\u00e9quente pour laquelle les donn\u00e9es sont salies est l’erreur humaine. Si la phrase bien connue \u00ab\u00a0Personne n’est parfait<\/em>\u00a0\u00bb est cens\u00e9e apaiser les gens lorsqu’ils font des erreurs dans la vie, elle peut \u00e9galement contribuer \u00e0 un faux pas dans la saisie des donn\u00e9es, tel qu’une erreur de frappe. Au fil du temps, ces erreurs humaines peuvent s’accumuler et compromettre peu \u00e0 peu l’int\u00e9grit\u00e9 de vos donn\u00e9es, qui \u00e9taient jusqu’alors fiables. L’erreur humaine est \u00e9galement l’une des principales causes de vuln\u00e9rabilit\u00e9 en mati\u00e8re de cybers\u00e9curit\u00e9.<\/a><\/p>\n

Il convient de noter qu’il est impossible d’\u00e9liminer les imperfections humaines, mais qu’il existe de nombreux moyens d’att\u00e9nuer ce risque. Par exemple, vous pouvez former vos employ\u00e9s \u00e0 toujours rev\u00e9rifier leur travail avant de le soumettre. M\u00eame dans ce cas, il est vivement recommand\u00e9 de cr\u00e9er des processus garantissant qu’un r\u00e9dacteur ou un correcteur v\u00e9rifie les m\u00eames entr\u00e9es pour s’assurer de leur validit\u00e9.<\/p>\n

2. Fausses entr\u00e9es de clients<\/h3>\n

Avez-vous d\u00e9j\u00e0 saisi intentionnellement un nom ou une adresse \u00e9lectronique erron\u00e9s parce que vous ne vouliez pas qu’une entreprise obtienne des informations priv\u00e9es ? Vous n’\u00eates pas seul. Vos clients ne vous doivent pas leurs informations et nombre d’entre eux ne vous communiqueront pas volontiers leurs donn\u00e9es sensibles s’ils ne vous font pas confiance.<\/p>\n

La meilleure fa\u00e7on de r\u00e9duire ce risque est d’obtenir la confiance du client. Soyez aussi transparent que possible avec eux et n’utilisez jamais de pratiques black-hat pour manipuler les informations des prospects. Soyez sinc\u00e8re : C’est le meilleur moyen d’am\u00e9liorer la confiance.<\/p>\n

3. Absence de strat\u00e9gie ou manque de strat\u00e9gie<\/h3>\n

Il est important que vos services ne soient pas cloisonn\u00e9s, surtout s’ils partagent des points de donn\u00e9es. L’absence de strat\u00e9gie de collecte de donn\u00e9es peut conduire \u00e0 une approche paresseuse du traitement de vos clients et de vos donn\u00e9es. Par exemple, si votre \u00e9quipe de marketing doit interviewer les m\u00eames personnes que votre \u00e9quipe de vente, les deux \u00e9quipes doivent se coordonner pour \u00e9viter toute redondance. Cela permet \u00e9galement d’assurer la consistance du message de votre marque.<\/p>\n

Il peut \u00eatre judicieux de d\u00e9signer un v\u00e9rificateur de donn\u00e9es au sein de votre entreprise pour v\u00e9rifier tous les points de donn\u00e9es, m\u00eame au sein des \u00e9quipes.<\/p>\n

4. Pas d’audit de donn\u00e9es<\/h3>\n

La v\u00e9rit\u00e9 est que toutes les entreprises peuvent avoir un certain niveau de mauvaises donn\u00e9es \u00e0 un moment donn\u00e9, en particulier si leur entreprise est en pleine expansion. Votre site web en est un parfait exemple. Par exemple, vous pouvez dire que votre site web accueille un nombre X de personnes, ce qui est parfaitement exact lorsque le site est en ligne. N\u00e9anmoins, si votre entreprise se d\u00e9veloppe, ce chiffre pourrait \u00eatre inexact dans deux, six mois ou plus.<\/p>\n

L’audit proactif de vos donn\u00e9es est essentiel pour maintenir des enregistrements fiables. Avec le RGPD<\/a>, la conformit\u00e9 HIPAA<\/a> et d’autres lois de plus en plus strictes sur la protection de la vie priv\u00e9e des consommateurs, on ne saurait trop insister sur l’importance de mener r\u00e9guli\u00e8rement des audits de donn\u00e9es.<\/p>\n\n

Exemples de dirty data<\/h2>\n

1. Donn\u00e9es en double<\/h3>\n

Il s’agit de toute donn\u00e9e qui partage partiellement ou totalement la m\u00eame information. Cela se produit g\u00e9n\u00e9ralement lorsque les m\u00eames informations sont saisies plusieurs fois, g\u00e9n\u00e9ralement dans des formats diff\u00e9rents. Par exemple, si un client appelle plusieurs fois et est re\u00e7u par un technicien informatique diff\u00e9rent qui tape son nom l\u00e9g\u00e8rement diff\u00e9remment \u00e0 chaque fois. Les donn\u00e9es en double peuvent ressembler \u00e0 ceci :<\/p>\n