Objectifs et enjeux de la qualité des données

• Types d’anomalies
• Types de risques et d’impacts financiers

Bonnes pratiques et organisation des données

• Types de fichiers et de données
• Organisation des fichiers et des données.

Principes de traitements d’anomalies

• Explorer les données pour détecter les valeurs aberrantes
• Traiter les anomalies des variables numériques, des variables catégoriques, des variables textuelles.
• Calculer un score de vraisemblance

Techniques de data science mises en œuvre

• Webscrapping, text-mining, Machine learning, séries temporelles.
• Clustering pour détecter des valeurs aberrantes
• Méthodes de classifications pour calculer un score de qualité

Cas d’application

• Vérification textuelle
• Incohérence de catégories
• Règles de calculs déterministes
• Règles multi-critères
• Segmentation des indicateurs multiples

Manipulation de données géographiques

• Sources des données géographiques, format des données
• Cartes thématiques, cartes avec fonds divers, cartes interactives
• Segmentation des données et zoniers
• Utilisation dans la classification et la régression

Construction d’un géocoedur

• Principe de géocodage
• Programme d’un géocodeur
• Déploiement de la solution

Étude de cas

• Étude de densité et de concentration
• Zones inondables et assurés sinistrés
• Géolocalisation des accidents automobiles