Data Analytics – Tendances et stabilité¶

Objectif¶

Le module Data Analytics révèle les schémas à long terme, la stabilité et la volatilité de vos jeux de données — transformant des métriques brutes en insights pertinents.
Il fournit une couche analytique de haut niveau au-dessus des résultats de Data Anomalies, permettant aux équipes de comprendre les évolutions dans le temps et d'améliorer à la fois la qualité des données et l'observabilité des pipelines de données.

En identifiant les ruptures de tendance, les motifs récurrents et les changements de volatilité, digna Data Analytics vous aide à distinguer le comportement saisonnier attendu des véritables problèmes de qualité des données.

Vue technique¶

Statistiques dérivées¶

digna Data Analytics calcule des propriétés statistiques telles que :

Tendance – direction à long terme d'une métrique (en hausse, en baisse, stable)
Volatilité – amplitude des variations d'une métrique sur une fenêtre temporelle donnée
Saisonnalité – motifs temporels récurrents (quotidiens, hebdomadaires, mensuels)
Points de changement – basculements statistiquement significatifs du comportement

Métriques prises en charge¶

Le module peut analyser toute métrique générée par d'autres modules digna, y compris :

Comptes d'enregistrements
Taux de valeurs manquantes
Statistiques de distribution (min, max, moyenne, variance)
Agrégations de KPI (par ex., chiffre d'affaires, transactions, sinistres)
Déviations de ponctualité ou fréquences d'anomalies

Analyse de séries temporelles¶

Data Analytics évalue la stabilité entre périodes — en comparant une semaine, un mois ou un trimestre à un autre — en utilisant la confiance statistique et des métriques visuelles pour la stabilité des tendances.

Fonctionnement¶

Données d'entrée – digna collecte des métriques en séries temporelles depuis d'autres modules (par ex., nombre d'anomalies).
Modélisation statistique – l'IA et des fonctions statistiques identifient les tendances sous-jacentes et les niveaux de volatilité.
Comparaison entre périodes – digna compare les performances historiques et actuelles des KPI ou indicateurs de qualité.
Génération d'insights – les tableaux de bord affichent les tendances détectées, les périodes stables et les points de changement dans Inspection Hub et les vues analytiques.

Cela permet la détection proactive des dérives lentes ou de la dégradation progressive de la qualité des données avant qu'elles ne deviennent critiques.

Exemples d'utilisation¶

Cas d'utilisation	Description
Surveillance de la stabilité des KPI	Suivre les ventes, les transactions ou les sinistres dans le temps et détecter une volatilité inhabituelle.
Détection de dérive de données cachée	Observer les glissements lents des distributions de données ou des taux de valeurs manquantes que les règles classiques ignorent.
Analyse des points de changement	Identifier quand une métrique change de comportement (par ex., augmentation soudaine des anomalies).
Fiabilité opérationnelle	Évaluer les périodes de forte vs faible stabilité des données entre systèmes ou départements.
Insights métier	Mettre en évidence les catégories ou produits les plus performants sur des périodes glissantes.

Avantages¶

Domaine	Avantage
Visibilité	Fournit une vision à long terme des tendances et des motifs de qualité des données.
Alerte précoce	Détecte les dérives lentes avant qu'elles n'entraînent des anomalies ou des violations de SLA.
Optimisation	Aide à identifier les sources de données ou systèmes instables nécessitant un ajustement des processus.
Analyse inter-modules	Combine les données de Data Anomalies, Data Validation et Data Timeliness pour des insights holistiques.
Insights exploitables	Soutient à la fois les équipes techniques et les utilisateurs métier dans la compr