Distribution du nombre de points de contacts par jeux de données

[clementmandron]

User story

Je suis Un gestionnaire de catalogue. Un administrateur ministériel des données.

Je veux En tant que gestionnaire, j'ai un rôle de coordination. Je souhaite apprécier mon patrimoine de données au regard des besoins de standardisation et d'agrégation, d'ouverture ou plus simplement de sélection des jeux de données les plus pertinents pour mon usage. Je souhaite pouvoir évaluer la qualité de mon patrimoine et en promouvoir l'amélioration :

• à partir d'indicateurs et/ou de visualisations basés sur les métadonnées,
• en identifiant les jeux de données dont les métadonnées gagneraient à être complétées, actualisées, consolidées, etc.

Je peux

Comprendre si un jeu de données est lié à un ou plusieurs points de contact. Déterminer si certains jeux de données ne possède pas de points de contact bien identifiés, et au contraire si certains points de contact sont possiblement sur-sollicité (par rapport à la moyenne).

Besoins associés (du plus au moins évident)

• 27- Identifier le bureau producteur de la donnée
• 30- Avoir les contacts des producteurs des jeux de données
• 38- Savoir si le producteur de la donnée est fiable

Implémentation

• La distribution du nombre de points de contact par JDD
• Le calcul de la moyenne ou médiane

Remarques

Après première production de l'indicateur

Voir ici Point de contact#23

[qloridant]

Je réagis à contre coup, mais le champ contact point est unique pour un dataset. @Thesauruv @clementmandron

[Thesauruv]

@qloridant Unique pour un dataset, mais un point de contact peut être partagé par plusieurs datasets comme on le voit ici ?

[qloridant]

Merci @Thesauruv On peut soit faire un graphe de distribution (mais si je ne me trompe pas, on l'avait déjà mis en place, avec la limite des 10 les plus utilisés).

Ou alors ont peut mettre en place des BIG NUMBER avec des quantiles (intéressants mais moins simple à interpréter) Cela donnera :

• 25% des points de contacts sont référencés ds 1 jeux de données
• 50% des points de contacts sont référencés ds 10 jeux de données ou moins
• 75% des points de contacts sont références ds 60 jeux de données ou moins

Pour les quantiles (plus exactement les déciles), vous pouvez retrouver les valeurs ici

Les deux solutions sont déjà implementés. On peut intégrer les deux ou choisir

[Thesauruv]

@qloridant la solution que j'aii à l'esprit correspond à la présentation d'une distribution (abscisses : nombre de points de contact, ordonnées : nombre de jeux de données). L'idée est d'en ressortir une moyenne : par exemple, en moyenne 140 JDD par point de contact. Je pense qu'il nous faut garder la table des points de contact avec le nombre de jeux de données associés, pratique que l'histogramme.

[Thesauruv]

L'approche BIG NUMBER avec quantiles me semble bien en première approche.