La donnée sous toutes ses facettes

1. Le type

C’est probablement la première chose à laquelle on pense dès lors que l’on récupère une donnée. À vrai dire, si on faisait un sondage auprès de développeurs, il est presque certain que c’est la première chose qui leur viendrait à l’esprit. Qu’est-ce que le type d’une donnée ? La définition de Wikipédia est plutôt généraliste :

On peut voir un type comme une catégorie structurelle de données. Voici quelques exemples de types, mais la liste n’est pas exhaustive : nombre, texte, date, monétaire, booléen... voilà pour les plus connus. Évidemment, si vous regardez du côté de ceux qui stockent les données (comme les bases de données ou même les langages de programmation), vous découvrirez encore plus de variations de ces types de base. En effet, le type de données permet aussi de définir l’espace de stockage nécessaire à cette donnée.

1. Le format

Nous avons vu dans les sections précédentes les types de données et parfois même nous avons dû aborder la notion de format tant ces deux notions peuvent être liées. Voyons maintenant comment, pour un même type de données, on peut distinguer plusieurs formats. Il est important de noter ici qu’une même donnée peut avoir plusieurs formats ou mises en formes possible (c’est le cas typiquement de la date). Il est même possible que la manière dont on formate une donnée influe sur la valeur de la donnée elle-même (comme nous le verrons juste après avec les dates par exemple). D’une certaine manière, il faut garder en tête qu’il y a plusieurs manières de présenter la donnée. Toutes peuvent être correctes d’un point de vue syntaxique mais peut-être pas du point de vue du sens même de cette donnée. Il est important donc de connaître le(s) bon(s) format(s) à utiliser pour pouvoir exploiter correctement cette donnée. Le ou les format(s) sont donc des informations importantes (métadonnée) sur la donnée.

1. La granularité

Quelle est la granularité d’une donnée ? Un document (comme une facture), une liste de produits, un simple montant (TTC), ou une pile de documents sont des données. Mais pour catégoriser une donnée on doit commencer par connaître sa profondeur et son périmètre.

Quand on veut travailler sur des données, que ce soit pour faire une analyse ou effectuer des traitements (validation de factures, lancement de bons de commande, résiliation, création de compte, etc.), il est capital de disposer de ces données avec la profondeur attendue. Pour prendre l’exemple d’une facture, il est important de savoir si le montant remonté est le montant de la facture ou le montant d’un des articles de cette même facture. La première étape consiste donc à déterminer la granularité des données, a minima afin de savoir quelles seront les étapes de transformations qui seront nécessaires ultérieurement pour arriver au résultat voulu (si nécessaire, bien entendu).

Dans la granularité on retrouve le concept de conteneur-contenant, de "macro-data" ou "micro-data" dans le sens où des données peuvent en encapsuler d’autres, plus fines.

Malheureusement, on ne connaît pas toujours la granularité de nos données, parfois même il faudra le découvrir par nous-même via une analyse structurelle des données approfondie (aussi appelée Data Profiling). Dans tous les cas de figure, il est important, voire vital, de se poser des questions sur la granularité...

1. Le contexte

Le contexte est peut-être la caractéristique la plus importante qui permet d’une part de bien expliquer une donnée et d’autre part de la positionner dans un cadre fonctionnel ou d’utilisation. Malheureusement c’est aussi souvent la plus complexe à définir. La valeur d’une donnée, ce qui fera par ailleurs qu’elle sera exploitable, est inéluctablement liée à son contexte. Et ce contexte n’est malheureusement pas quantifiable. Il est parfois même assez abstrait car il s’explique et se comprend par rapport à un environnement fonctionnel précis. Il fait partie intégrante de la définition, du moins de la signification supposée de la donnée et a une grande influence sur ce qu’elle représente concrètement.

Exemples

Cela implique qu’une donnée a une valeur dans son contexte et peut donc être invalide hors de ce dernier. C’est le cas d’une date de péremption par exemple. On parle alors de fraîcheur de la donnée dans le cadre d’une donnée qui peut être altérée dans le temps. D’une manière générale, une donnée se définit par rapport à un ou plusieurs contextes et c’est aux utilisateurs (producteurs et/ou consommateurs) de définir la qualité de cette donnée par rapport au contexte...