Espace apprenant

Bases de données

Contrôler la qualité d’un entrepôt de données

Finance annonce 5 400, le dashboard 7 350. Trouvez chaque écart, corrigez la logique et empêchez sa réapparition.

Avancé 3 h 50SQLPython

Avant de commencer

  • Les exercices Python et SQL s’exécutent dans le navigateur : aucune installation locale n’est nécessaire pour les contrôles guidés.
  • Réservez environ 3 h 50 pour les étapes guidées, puis 60 à 90 minutes pour finaliser, documenter et partager le dossier.

Le contexte

Vous rejoignez l'équipe data de NovaTrade après une réunion difficile : finance et le dashboard exécutif présentent deux revenus différents pour juillet.

La zone brute contient un doublon, la dimension client est incomplète, une commande annulée alimente la table de faits et un montant a été transformé incorrectement. Aucun contrôle automatique ne bloque la publication.

Votre mission est de diagnostiquer chaque anomalie, produire un revenu corrigé et une passerelle de réconciliation, puis livrer une suite de tests SQL/Python capable d'arrêter le prochain chargement défectueux.

Ce que vous allez construire

  • Une cartographie du flux raw_orders → dimensions → fact_sales → dashboard
  • Des tests SQL de doublons, clés orphelines, statuts et montants
  • Une réconciliation détaillée entre revenu publié et revenu corrigé
  • Un script Python de contrôle produisant un résultat pass/fail exploitable
  • Un rapport d'incident avec cause racine, impact et actions préventives
  • Un dossier SQL, rapport PDF et runbook de surveillance

Les étapes

  1. 1. Cadrer — Quel chiffre est correct ?3 tâches · 25 min
  2. 2. Profiler — Contrôler la zone brute3 tâches · 40 min
  3. 3. Diagnostiquer — Trouver les défauts de la table de faits3 tâches · 50 min
  4. 4. Réconcilier — Construire le revenu corrigé3 tâches · 45 min
  5. 5. Prévenir — Transformer le diagnostic en tests3 tâches · 40 min
  6. 6. Livrer — Rapport d'incident et runbook4 tâches · 30 min