Normalisation des données

Définition de la normalisation des données

La normalisation des données garantit l’organisation et la structure de données issues de sources différentes afin qu’elles soient compréhensibles et réutilisables par tous. L’objectif est de les rendre comparables en les organisant de manière à ce qu’elles aient le même format et les mêmes normes.

La normalisation est l’une des étapes du pré-traitement des données. La structure, le format, le type, la valeur ou l’échelle des données peuvent être modifiées pour améliorer la qualité des données et les rendre interprétables par les humains comme les machines. Par exemple, il peut s’agir de convertir des dates dans un format commun, de normaliser des unités de mesure ou de supprimer des valeurs inexactes.

Ce procédé a plusieurs avantages. D’une part, il élimine les anomalies susceptibles de conduire à des erreurs. D’autre part, il évite la redondance des données, ce qui économise de l’espace de stockage et améliore les performances. Enfin, il garantit des liens logiques entre les données. Leur accès et leur analyse est facilité et la prise de décisions est optimisée.

Qu’est-ce qu’une anomalie de données ?

Les anomalies sont des incohérences ou des erreurs relatives aux données. Dans le cas des bases de données, elles se répartissent généralement en trois catégories :

• les anomalies d’insertion : l’impossibilité d’ajouter des données à cause d’un manque d’informations lié aux types de valeurs ou aux relations.
• les anomalies de redondance dans les données qui sont dues à des mises à jour partielles et soulève des erreurs dans la cohérence des données.
• les anomalies de suppression qui désigne la perte d’informations dues à la suppression de certaines données liées.

Les anomalies de données peuvent être :

• des valeurs manquantes
• des types de données incorrects
• des valeurs irréalistes.

Différence entre normalisation et standardisation des données

Dans la gestion des données, la normalisation et la standardisation des données sont des procédés importants à différencier :

• La standardisation des données permet de présenter les informations dans un format ou une structure cohérente. Elle implique la plupart du temps une modification des données pour obtenir une moyenne de zéro et un écart-type de un.
• La normalisation des données organise et uniformise les données afin d’éliminer les erreurs et d’en améliorer la qualité.

Fonctionnement de la normalisation des données

La normalisation des données consiste à créer des formats standardisés pour toutes les données d’une organisation. Il peut s’agir du formatage des noms et des adresses ou des différentes valeurs.

Au-delà du formatage de base, il existe des règles générales, appelées « formes normales »:

Ces règles sont interdépendantes. Chacune doit respecter les critères de la règle précédente et constituent les principales étapes de la normalisation :

1. La première forme normale (1NF) ou clé primaire vise à supprimer les doublons. Elle assure des données uniques et correctement formatées.
2. La deuxième forme normale (2NF) a pour objectif de déplacer les sous-ensembles de données sur plusieurs lignes dans des tables distinctes. Les relations entre ces nouvelles tables et les nouvelles étiquettes de clés peuvent être créées.
3. La troisième forme normale (3NF) s’appuie sur la première et la deuxième règle. Elle permet de supprimer les dépendances transitives pour les attributs (ou colonnes) non primaires. Ainsi, chaque colonne dépend uniquement de la clé primaire.
4. La forme normale de Boyce et Codd (3.5NF) est une version développée de la 3NF, qui n’a pas de clés candidates qui se chevauchent.

Avantages et inconvénients de la normalisation des données

En quoi la normalisation des données est-elle bénéfique ?

La normalisation des données est essentielle pour utiliser des données fiables. Elle assure :

• L’intégrité des données,
• La cohérence des données,
• La réduction de la redondance des données et des besoins de stockage,
• Un accès et une analyse facilités des données,
• Une amélioration des temps de réponse des requêtes,
• Des résultats plus précis et donc une meilleure prise de décision,
• Un data management plus efficace grâce à un gain de temps et de ressources.

Inconvénients de la normalisation des données

La normalisation des données a été introduite pour la première fois dans les années 1970. Depuis, la technologie et les pratiques de data management n’ont cessé d’évoluer.

Certains avantages autrefois disruptifs comme la réduction des coûts de stockage sont aujourd’hui relatifs. En effet, la normalisation des données est moins utilisée dans les nouvelles structures comme les data warehouses et les bases de données noSQL.

Enfin, la normalisation des données a plusieurs inconvénients :

• Des temps de réponse plus lents pour les requêtes complexes,
• La nécessité d’être formé à l’application des formes normales de données,
• Des bases de données compliquées à concevoir qui réduisent la flexibilité.