Enrichissement des données (Data enrichment)

L’enrichissement des données (data enrichment) est le processus qui consiste à améliorer, compléter ou augmenter un jeu de données existant avec des informations supplémentaires provenant de sources internes ou externes, afin d’en accroître la valeur, la précision et l’utilité analytique. 

Plutôt que de traiter les données brutes comme un produit fini, l’enrichissement des données reconnaît que la plupart des jeux de données tirent profit d’un contexte additionnel, d’une classification ou d’une profondeur accrue.

Dans les environnements d’entreprise, l’enrichissement des données comble l’écart entre ce que les systèmes de données captent et ce dont les utilisateurs métier ont réellement besoin pour prendre des décisions éclairées.

Types courants d’enrichissement des données

• Enrichissement géographique : ajout d’attributs géolocalisés, ville, région, fuseau horaire, statistiques démographiques, aux enregistrements contenant des adresses ou des coordonnées.
• Enrichissement firmographique : ajout d’informations au niveau de l’entreprise, secteur, taille, chiffre d’affaires, stack technologique, aux enregistrements B2B.
• Enrichissement démographique : ajout d’attributs tels que la tranche d’âge, ou les segments comportementaux.
• Enrichissement taxonomique : classification de données non structurées ou semi-structurées, descriptions produits, articles, tickets support, via des taxonomies standard ou des tags générés par IA.
• Enrichissement temporel : ajout d’un contexte temporel tel que les périodes fiscales, les indicateurs de saisonnalité ou les horodatages d’événements.
• Fusion avec des données tierces : intégration de données second et third party provenant de fournisseurs externes pour compléter les données internes.

Le rôle de l’enrichissement dans la qualité des données

L’enrichissement des données se positionne souvent comme une étape en aval du nettoyage des données et de la normalisation des données : d’abord nettoyer et standardiser, puis enrichir. 

Toutefois, l’enrichissement impacte directement la qualité des données en comblant les lacunes, en résolvant les ambiguïtés et en ajoutant des signaux de validation qui améliorent la complétude et la fiabilité des jeux de données.

L’enrichissement des données en pratique

Les étapes d’enrichissement sont intégrées dans les workflows ETL ou ELT. Ces enrichissements peuvent être alimentées par :

• Des jeux de données de référence internes et des systèmes de master data management.
• Des APsI externes fournissant des données firmographiques ou géographiques en temps réel.
• Des moteurs de classification et de balisage propulsés par l’IA.
• Des knowledge graphs fournissant un semantic layer et un mapping des relations.

Enrichissement et data marketplace

Dans les data marketplaces, l’enrichissement des données est un mécanisme central de création de data products à haute valeur ajoutée. 

Les producteurs enrichissent leurs jeux de données avant de les publier, les rendant plus utiles et différenciés. Les consommateurs peuvent également utiliser la marketplace pour sourcer les données d’enrichissement elles-mêmes, en acquérant des données de référence ou des jeux de données tiers.

Les organisations qui enrichissent systématiquement leurs actifs de données réduisent le temps consacré à la préparation des données en aval et extraient une valeur significativement plus importante des données qu’elles détiennent déjà.