Cadre de compétences en matière de données du gouvernement du Canada (DDN3-J03)

1.1.1 Connaître les termes normes, politiques, documents et communautés clés en matière de données et de numérique, notamment :

• Termes relatifs aux données 
• Rôle des bureaux principaux de données fédéraux et ministériels
• Stratégie relative aux données de 2023-2026 pour la fonction publique fédérale
• Feuille de route de la stratégie de données pour la fonction publique fédérale
• Loi sur la statistique
• Politique sur les services et le numérique
• Ambition numérique du Canada et normes relatives au numérique

1.1.2 Comprendre ce que sont les données, le cycle de vie des données (planifier, recueillir, traiter, utiliser et partager) et les nombreux types de données qui existent.

1.1.3 Comprendre le concept d'information et les termes liés à la valeur des données, à l'information et à l'analyse.

1.1.4. Comprendre la valeur des données en tant qu'atout stratégique et l'importance de la maîtrise des données pour l'organisation en vue de soutenir la prise de décision, la recherche, l'apprentissage et le développement, la prestation de services et la mesure des résultats.

1.1.5 Comprendre les rôles, les responsabilités et les obligations en matière de données.

1.1.6 Connaître les rôles, les politiques, les normes et les processus liés aux données de l'organisation et de leur finalité.

1.1.7 Se tenir au courant des grandes tendances en matière de données et de leurs répercussions possibles sur le gouvernement du Canada.

1.1.8 Utiliser les services, les ressources et le soutien disponibles par l'intermédiaire des centres d'expertise (Bureau du dirigeant ou de la dirigeante principale des données, division des normes de données/gouvernance, etc.) et d'autres sources fiables.

1.1.9 Comprendre des concepts complexes relatifs aux données, aux statistiques et à l'analyse.

1.1.10 Connaître les données qui existent au sein de l'organisation et leur utilisation pour informer ou soutenir la prise de décision.

1.1.11 Travailler dans le cadre d'un partenariat pluridisciplinaire avec des partenaires essentiels tels que les équipes responsables de la gestion de l'information, du numérique, des technologies de l'information, de la protection des renseignements personnels et de la sécurité, et des affaires juridiques, ainsi que les experts en la matière et les utilisatrices et utilisateurs finaux.

1.1.12. Habiliter ses collègues dans leur apprentissage et leur utilisation des principaux termes relatifs aux données quand ils parlent de données et travaillent avec celles-ci.

1.1.13 Montrer l'exemple et contribuer à la création d'un effectif qui connaît bien les données et d'une culture axée sur les données au sein de son organisation et dans l'ensemble du gouvernement.

1.1.14 Cerner et éliminer les obstacles afin de permettre à d'autres de travailler le plus efficacement possible avec des données (p. ex. en assurant l'accès à la formation, à l'infrastructure et aux logiciels).

1.1.15 Investir dans le talent, les systèmes et l'infrastructure qui permettent d'utiliser les données et d'y accéder en temps opportun pour la prise de décisions.

1.2.1 Connaître la signification de l'éthique des données, de la gouvernance, du consentement, des biais et de la discrimination, de l'inclusion, de l'équité et de la responsabilité.

1.2.2 Comprendre et respecter les principes et les normes clés en matière d'éthique, de confidentialité, de droit et de sécurité, y compris, mais sans s'y limiter, les éléments suivants :

• Loi sur la protection des renseignements personnels
• Loi sur la statistique
• Politique sur la sécurité du gouvernement
• Politique sur la protection de la vie privée
• Évaluations des facteurs relatifs à la vie privée 
• Niveaux de sécurité
• Analyse comparative entre les sexes plus
• Énoncé de politique des trois conseils : éthique de la recherche avec des êtres humains
• Politique modèle sur l'intégrité scientifique
• Directive sur la prise de décision automatisée
• Données désagrégées

1.2.3 Savoir comment protéger et partager les données confidentielles.

1.2.4 Comprendre les implications éthiques de l'utilisation de l'IA.

1.2.5 Déterminer les indicateurs de biais et s'assurer que les politiques, programmes ou services ne renforcent pas les préjugés involontaires.

1.2.6 S'assurer que les données sont utilisées conformément à leur usage prévu en consultant les propriétaires ou les intendants et intendantes des données.

1.2.7 Appliquer des processus et des procédures pour garantir une approche éthique de la recherche et des données tout au long du cycle de vie de celles-ci.

1.2.8 Déterminer les questions éthiques, les implications en matière de confidentialité et de sécurité et les obstacles à l'accessibilité.

1.2.9 Comprendre les concepts avancés tels que la nécessité, la proportionnalité, la sensibilité et l'explicabilité.

1.2.10 Évaluer les données pour déterminer la présence de biais, leur représentativité, leur exactitude et leur validité. Déterminer les étapes pour remédier aux problèmes et les mettre en œuvre au besoin.

1.2.11 Tester des idées et des solutions potentielles à l'aide d'un large éventail de données diverses afin de remettre en question les hypothèses et de garantir des solutions inclusives en raison de leur conception.

1.2.12 Concevoir et mettre en œuvre des politiques, des processus et des procédures pour assurer des approches éthiques de la recherche et de l'utilisation des données.

1.3.1 Privilégier l'utilisation des connaissances et des informations recueillies par l'intermédiaire de données plutôt que les témoignages anecdotiques simples.

1.3.2 Contribuer à répondre aux questions liées aux données opérationnelles et à les résoudre.

1.3.3. Consulter les autorités compétentes (par exemple, les experts et les expertes en la matière, les dirigeants et dirigeantes communautaires) pour déterminer ce qui est considéré comme des données de haute qualité dans un contexte particulier.

1.3.4 Repérer les données pour éclairer la prise de décision et soutient l'évaluation de leur pertinence. Consigner quand et où les données requises ne sont pas saisies, collectées ou manquantes.

1.3.5 Utiliser les données pour comprendre les besoins des utilisateurs et utilisatrices et pour concevoir et développer des produits, des programmes et des services qui répondent à ces besoins (voir Normes relatives au numérique du gouvernement du Canada : Guide de lecture pour plus de détails).

1.3.6 Utiliser les données et les analyses pour évaluer le bien-fondé et l'incidence des solutions ou des décisions avant leur mise en œuvre.

1.3.7 Communiquer les complexités et les nuances des résultats d'analyse à des auditoires non spécialisés afin de promouvoir la compréhension et la valeur ajoutée opérationnelle.

1.3.8 Développer et mettre en œuvre des politiques ou des initiatives visant à développer le talent, les systèmes ou l'infrastructure qui permettent l'utilisation et l'accès en temps opportun aux données pour la prise de décisions.

2.1.1 Connaître la gouvernance et la souveraineté des données, notamment la souveraineté des données des Premières Nations, les normes, les directives, les processus, y compris les normes d'accessibilité.

2.1.2 Déterminer et signaler de manière proactive les problèmes et conflits en matière de gouvernance, d'intendance et de normes relatives données. 

2.1.3 Appliquer les politiques, procédures et normes clés pour la collecte, l'accès et la gestion des données.

2.1.4 Collaborer et négocier pour :

• assurer une compréhension commune des données;
• gérer l'accès aux données;
• déterminer les implications et les obstacles liés à la confidentialité, à la sécurité ou à l'accessibilité des données.

2.1.5 Assurer une bonne gestion et une supervision des données tout en limitant la duplication des données et en respectant l'objectif prévu pour celles-ci.

2.1.6 Choisir des méthodes, des processus ou des outils qui réduisent la duplication des données, et utiliser les données là où elles se trouvent, dans la mesure du possible.

2.1.7 Surveiller les questions et changements relatifs aux données pour s'assurer que celles-ci sont activement gérées, accessibles et améliorées afin de maintenir des données fiables et utilisables sur le plan organisationnel.

2.1.8 Évaluer les priorités organisationnelles pour l'utilisation opérationnelle et stratégique des données.

2.1.9 Évaluer les besoins en matière de données pour les projets, les programmes, les rapports ministériels et les politiques afin de s'assurer que les données sont gérées en fonction de leur valeur et de leur utilisation.

2.1.10 Évaluer les exigences relatives à la conservation et à l'élimination des données.

2.1.11 Adapter ou mettre en œuvre la gouvernance des données dans le contexte opérationnel de l'organisation.

2.1.12 Développer des règles, des principes de gouvernance et des lignes directrices avant la collecte, la création, l'utilisation ou le partage des données.

2.1.13 Développer des politiques, une gouvernance ou des normes qui équilibrent et garantissent la sécurité, l'interopérabilité et l'accès aux données.

2.2.1 Comprendre le rôle de la collecte de données et connaître les méthodes et outils courants de collecte de données.

2.2.2 Déterminer et utiliser les données existantes avant de collecter de nouvelles données.

2.2.3 Adhérer aux politiques, aux lois, aux processus et aux normes lors de la collecte de données. 

• Loi sur la protection des renseignements personnels
• Loi sur la statistique
• Lois particulières aux ministères et agences en matière de collecte de données
• Politique sur la sécurité du gouvernement
• Politique sur la protection de la vie privée
• Évaluations des facteurs relatifs à la vie privée
• Niveaux de sécurité
• Analyse comparative entre les sexes plus
• Énoncé de politique des trois conseils : Éthique de la recherche avec des êtres humains
• Modèle sur de politique l'intégrité scientifique

2.2.4. Avoir une connaissance approfondie des méthodes et des outils de collecte de données, et de la manière de les appliquer pour garantir la qualité, la cohérence et le respect des délais.

2.2.5. Contribuer à l'atténuation ou à la résolution des problèmes liés à la collecte de données (par exemple, problèmes d'échantillonnage, données manquantes, erreurs et incohérences, etc.).

2.2.6 Concevoir et mettre en œuvre des méthodes de collecte de données qui s'accordent directement la ou les questions énoncées.

2.2.7 Concevoir et mettre en œuvre des méthodes de collecte de données automatisées, le cas échéant.

2.3.1 Connaître le cadre de la qualité des données et les différentes dimensions à travers lesquelles on peut évaluer la qualité (par exemple, définitions des métadonnées, normes, interprétabilité, cohérence, pertinence, accessibilité, respect des délais).

2.3.2 Comprendre l'incidence négative d'une mauvaise gestion des données sur les opérations et les décisions de l'organisation.

2.3.3 Examiner les données pour en assurer la validité, l'exactitude et l'exhaustivité.

2.3.4 S'aligner sur les normes en matière de données pour garantir et améliorer la qualité de celles-ci.

2.3.5 Communiquer avec les parties prenantes et les autorités reconnues en matière de données pour établir des relations qui renforcent la confiance au sein d'une organisation, avec les parties prenantes et avec la population canadienne.

2.3.6 Déterminer et analyser les valeurs aberrantes et les anomalies dans les données et utiliser des méthodes de résolution des problèmes (par exemple, l'analyse des causes profondes) pour améliorer la qualité des données.

2.3.7 Assurer et évaluer la qualité et l'interopérabilité des données afin de maximiser la valeur et la confiance.

2.3.8 Utiliser ou développer des systèmes de gestion des données de référence (SGDR) pour assurer la cohérence et l'intégrité des données et de leur utilisation.

2.3.9 Sensibiliser les employés et employées à l'existence de banques de données utiles à l'intégration et à la réutilisation.

2.3.10 Développer ou coordonner une formation supplémentaire à la saisie des données lorsque la qualité ou la validité des données saisies pose problème.

2.3.11 Assurer la traçabilité des données et effectuer la piste de vérification pour garantir l'utilisation appropriée des données.

2.3.12 Établir des partenariats pluridisciplinaires dans l'ensemble de l'organisation pour favoriser une responsabilité commune à l'égard de la gouvernance, des normes et de l'intendance des données, et pour renforcer la confiance dans toute l'organisation.

2.4.1 Connaître les politiques, directives et règlements relatifs à la sécurité et au stockage des données.

2.4.2 Comprendre les coûts et les risques liés à la perte de données, et prendre des mesures pour réduire la perte de données et d'informations.

2.4.3 Comprendre les risques associés à la duplication des données et prendre des mesures pour réduire la duplication des données et des informations.

2.4.4 Assurer la confidentialité et la sécurité des données en utilisant les niveaux appropriés de permissions et d'accès.

2.4.5 Soutenir l'utilisation de données en libre-service et l'accès aux données dès la conception.

2.4.6 Connaître les banques de données, les données ouvertes et les données accessibles qui sont disponibles pour la (ré) utilisation et l'intégration.

2.4.7 Déterminer et hiérarchiser la publication d'ensembles de données de grande valeur sur le portail du gouvernement ouvert en vue de leur réutilisation et de leur interopérabilité.

2.4.8 Protéger les renseignements personnels en utilisant des méthodes appropriées de dépersonnalisation, d'anonymisation, de masquage ou d'autres méthodes similaires.

2.4.9 Publier les données dans la mesure du possible dans des formats lisibles par machine.

2.4.10 Comprendre une variété de méthodes de conversion pour soutenir l'interopérabilité.

2.4.11 Développer la provenance et les cartographies pour soutenir la préservation des données.

2.4.12 Utiliser, créer ou gérer les métadonnées, l'indexation des bases de données ou l'analyse et la synthèse des informations pour améliorer l'accès, la recherche et l'utilisation des informations.

2.4.13 S'efforcer de déterminer et de supprimer les obstacles au partage et à la communication des données, et soutenir les données ouvertes et de la transparence au sein du gouvernement travaillant en mode ouvert par défaut.

3.1.1 Savoir quand et comment les données peuvent être utilisées pour éclairer une décision.

3.1.2 Utiliser la pensée critique et poser des questions pour définir les données nécessaires, et la façon dont elles seront recueillies et utilisées.

3.1.3 Considérer l'importance et l'utilisation des données dès le départ et non pas après coup.

3.1.4 Formuler des questions autour des besoins organisationnels et des utilisateurs et utilisatrices auxquels il est possible de répondre à l'aide de données.

3.1.5 Déterminer les données préexistantes qui peuvent être utilisées pour soutenir ou éclairer la prise de décision.

3.1.6 Explorer les données et utiliser les cadres pertinents pour déterminer les problèmes, soutenir la recherche ou générer des questions relatives à des situations pratiques.

3.1.7 Travailler au sein d'équipes multidisciplinaires en tant que spécialiste pour éclairer divers domaines à l'aide d'approches axées sur les données.

3.2.1. Connaître les fonctionnalités de base de logiciels communs, effectuer des calculs simples et créer des graphiques et des tableaux.

3.2.2 Savoir analyser des données pour répondre à des questions organisationnelles simples.

3.2.3 Considérer l'utilisation d'outils de sources ouvertes et librement disponibles par rapport à ceux offerts sur le marché.

3.2.4 Connaître la Directive sur la prise de décision automatisée et l'outil d'évaluation de l'incidence algorithmique.

3.2.5 Utiliser des méthodes analytiques de base et des outils connexes, qualitatifs ou quantitatifs, pour générer des idées.

3.2.6 Prendre des questions énoncées et développer un plan d'analyse comprenant l'évaluation des données et des méthodes pertinentes.

3.2.7 Comprendre les diverses méthodes statistiques et analyses, et les outils connexes, et savoir quand leur utilisation est appropriée.

3.2.8 Diffuser ouvertement les données et les résultats d'analyse afin de soutenir d'autres initiatives gouvernementales, conformément aux normes relatives au numérique.

3.2.9 Reconnaître et explorer les modèles, les relations et les tendances au sein des données et entre les sources de données afin de générer des idées en utilisant une variété de méthodes.

3.2.10 Fixer des objectifs clairs avant d'entreprendre des activités d'analyse afin de garantir des analyses à valeur ajoutée et consulter toutes les parties prenantes pour s'assurer que la collecte de données et les plans d'analyse correspondent à cette valeur.

3.2.11 Effectuer des analyses en utilisant des données et des méthodes pertinentes pour une consommation par un large éventail de publics.

3.2.12 Évaluer les résultats des analyses et les comparer à d'autres résultats.

3.2.13 Échanger ouvertement les données et les résultats d'analyse pour soutenir le travail des autres équipes.

3.2.14 Accéder à des données provenant de différentes sources et les manipuler, par exemple en utilisant des fichiers plats ou du langage SQL (Structured Query Language).

3.2.15 Appliquer des méthodes et des outils analytiques, qualitatifs ou quantitatifs, communs aux données.

3.2.16 Appliquer la directive sur la prise de décision automatisée, y compris la réalisation d'une évaluation de l'incidence algorithmique, afin de déterminer, d'évaluer et d'atténuer les risques associés au déploiement d'un système de prise de décision automatisée.

3.2.17 Utiliser un large éventail de méthodes analytiques avancées et les outils connexes, qualitatifs ou quantitatifs, pour générer des idées.

3.2.18 Relier entre elles des données provenant de sources multiples afin d'en accroître l'utilité et la valeur.

3.2.19 Effectuer des analyses exploratoires pour soutenir le ciblage des problèmes, déterminer les zones de risque et plus encore.

3.2.20 Construire et valider des modèles statistiques à partir de données.

3.2.21 Utiliser des solutions de modélisation appropriées, précises, valides et efficaces pour une variété de types de données complexes.

3.2.22 Utiliser des outils et techniques avancés pour effectuer l'exploration des données, tels que le forage de données, le moissonnage du Web ou l'apprentissage automatique.

3.2.23 Évaluer et sélectionner les outils en fonction de leurs avantages, du cas d'utilisation, de la facilité d'accès et de l'inclusivité, et prendre en compte les options de sources ouvertes lorsqu'elles sont disponibles.

3.2.24 Prendre en compte la conception numérique et de la plateforme ainsi que les considérations à l'échelle de l'organisation et du gouvernement lors de la sélection des outils.

3.2.25 Évaluer les données en fonction de leur utilité, de leur qualité, de leur exactitude, de leur pertinence et de leur partialité potentielle.

3.2.26 Être en mesure d'appliquer l'automatisation pour la collecte des données.

Pour plus de détails sur les compétences en science des données, veuillez consulter les profils de compétences élaborés par le Réseau de la science des données pour la fonction publique fédérale.

3.3.1 Présenter l'information à l'aide d'éléments visuels, de présentations accessibles ou d'histoires pour :

• aider les autres à comprendre un sujet;
• éclairer une discussion;
• rendre compte d'un progrès;
• soutenir la prise de décision ou la résolution de problèmes.

3.3.2 Intégrer l'accessibilité et l'inclusion dans les éléments visuels et le contenu en suivant les pratiques exemplaires, telles que les Normes relatives au numérique du gouvernement du Canada : Directives.

3.3.3 Créer des tableaux et des représentations graphiques de données qui sont exacts et informatifs.

3.3.4 Inclure des références, des étiquettes et des citations correctes et pertinentes.

3.3.5 Présenter des informations globales, en racontant des histoires complètes plutôt qu'en présentant des résultats sélectifs ou incomplets.

3.3.6 S'assurer que les présentations de données sont directement liées aux questions initiales ou à la ligne de pensée.

3.3.7 Évaluer les besoins du public, sa familiarité avec les données et sa compréhension du sujet.

3.3.8 Évaluer les récits et les visualisations pour en vérifier l'exactitude et les fausses représentations.

3.3.9 Communiquer les pratiques exemplaires et les détails sur les outils de visualisation des données aux équipes chargées des données et à d'autres personnes afin d'éviter les erreurs courantes et de rendre les visualisations de données plus efficaces.

3.3.10 Fournir une capacité d'exploration dans les rapports et les informations récapitulatives pour permettre une investigation plus approfondie.

3.3.11 Développer des tableaux de bord, des infographies et des visualisations interactives à l'aide de différents logiciels, y compris des outils courants d'informatique décisionnelle (par exemple, PowerBI, Tableau) et/ou des bibliothèques spécialisées (par exemple, D3.js, seaborn, plotly).

3.4.1 Comprendre les principes de l'évaluation et la manière dont les données sont utilisées, interprétées et appliquées dans le cadre du suivi, de l'amélioration ou de la démonstration des résultats d'un programme ou d'un projet.

3.4.2 Connaître les méthodes et techniques analytiques de base pour mesurer et suivre la mise en œuvre ou le rendement d'un projet ou d'un programme.

3.4.3 Utiliser les données dans le but de mesurer les résultats relatifs aux politiques, à la mise en œuvre des programmes, à la législation, à la réglementation, à la prise de décision et plus encore.

3.4.4 Communiquer régulièrement avec les utilisateurs et utilisatrices, pour recueillir des commentaires et des données tout au long de la mise en œuvre d'idées ou de solutions afin de tenir compte de leur fonctionnement ou de leur rendement, et utiliser les commentaires en vue d'apporter des corrections, si nécessaire (voir Normes relatives au numérique du gouvernement du Canada : Guide de lecture pour plus de détails).

3.4.5 Comparer les résultats avec d'autres recherches et conclusions.

3.4.6 Conserver et tenir à jour les données et informations originales utilisées dans la prise de décision pour analyser les résultats par rapport à l'intention.

3.4.7 Recueillir des données de suivi pour évaluer l'efficacité des décisions ou des solutions.

3.4.8 Déterminer les principales conclusions à tirer des tableaux, des graphiques et des diagrammes afin de les intégrer à d'autres informations dans les processus décisionnels futurs.

3.4.9 Analyser les données pour comprendre l'incidence que les solutions déterminées peuvent avoir sur divers groupes de personnes, politiques, programmes, services, processus, etc.

3.4.10 Évaluer et mesurer les résultats de la prise de décision en utilisant des données.

3.4.11 Utiliser les commentaires des utilisatrices et utilisateurs finaux pour établir des exigences évolutives afin d'ajuster les politiques, les programmes, les services et autres pour répondre aux besoins des utilisateurs et utilisatrices.

3.4.12 Obtenir l'accord des parties prenantes sur les critères d'évaluation avant la mise en œuvre.

3.4.13 Mettre en œuvre les changements apportés aux politiques, aux programmes, à la prestation de services et à d'autres fonctions gouvernementales sur la base du retour d'information continu et de la recherche sur les utilisateurs et utilisatrices.

3.4.14 Surveiller les résultats des décisions automatisées afin de se prémunir contre des résultats non intentionnels.

4.1.1 Comprendre les outils de gestion des données, notamment les catalogues de données, les lacs de données et les entrepôts de données.

4.1.2 Connaître le Conseil d'examen de l'architecture intégrée du gouvernement du Canada ainsi que son rôle, ses mandats et sa fonction au sein du gouvernement.

4.1.3 Comprendre le rôle que joue le lac de données intégrées dans la recherche et l'exploration des données, y compris l'utilisation de l'intelligence artificielle (IA).

4.1.4 Prendre en compte les besoins architecturaux de l'organisation, de l'informatique et des données lors de l'élaboration de solutions organisationnelles.

4.1.5 Tenir compte du cycle de vie complet du système lors du développement ou du déploiement de l'architecture organisationnelle.

4.1.6 Évaluer les exigences du système (telles que le stockage, la conservation et le calendrier) pour s'assurer que l'architecture organisationnelle est conçue pour être utilisable, interopérable et apporter de la valeur aux utilisateurs et utilisatrices.

4.1.7 Développer et assurer la surveillance des systèmes d'IA, ce qui inclut, sans s'y limiter, la santé, les biais et la dérive des données.

4.1.8 Concevoir, mettre en œuvre ou surveiller les systèmes qui permettent l'accès à la source, en utilisant les SGDR appropriés, ce qui permet de réduire la duplication de l'information.

4.1.9 Anticiper et préciser les points problématiques dans le développement des systèmes et des solutions.

4.1.10 Mettre au point et démontrer des solutions pour les clients et clients dans leurs propres environnements pour permettre un développement ultérieur.

4.1.11 Construire des logiciels d'automatisation pour faire fonctionner les systèmes nécessaires au stockage des données, à la gestion des données, aux codes de science des données, à la formation distribuée, au dépôt de modèles, au dépôt de fonctionnalités, à la livraison continue, au service de modèles et à la surveillance.

4.1.12 Exploiter les systèmes d'IA de production et s'assurer qu'ils sont disponibles, évolutifs et performants.

4.1.13 Construire et transmettre l'expertise technique nécessaire pour analyser et recommander des solutions organisationnelles pour rendre l'IA ou les modèles analytiques avancés opérationnels.

4.1.14 Définir l'architecture et les processus de déploiement requis pour l'IA, de l'ingestion des données à la production et l'entretien.

4.1.15 Fournir des conseils techniques à la direction et aux autres scientifiques des données en ce qui concerne l'opérationnalisation des modèles.

Pour plus de détails sur les compétences en science des données, veuillez consulter les profils de compétences élaborés par le Réseau de la science des données pour la fonction publique fédérale.

4.2.1. Connaître les approches, outils et techniques de base pour assurer une bonne gestion des données.

4.2.2 S'assurer que la conception des systèmes est conforme aux besoins de l'organisation.

4.2.3 Garantir la sécurité des données et des informations grâce à des niveaux appropriés de permissions et d'accès.

4.2.4 Développer, mettre en œuvre et tester les flux de travail du système, et effectuer le dépannage de ceux-ci.

4.2.5 Développer des canalisations de données de bout en bout sur la base d'une compréhension approfondie des outils disponibles et de l'écosystème de gestion des données, du cycle de vie des données et des problèmes organisationnels, afin de garantir que les solutions analytiques sont efficaces, prévisibles et durables.

4.2.6 Être en mesure :

• d'utiliser les pratiques exemplaires de codage pour générer un travail reproductible et vérifiable;
• d'extraire, de transformer et de charger des données à l'aide des outils et pratiques appropriés;
• d'utiliser les outils et techniques d'analyse des données, y compris les logiciels de sources ouvertes.

4.2.7 Tenir compte de toutes les interdépendances sur le plan organisationnel qui nécessitent des processus, des normes ou la préservation et le stockage des données pour maximiser la valeur organisationnelle.

4.2.8. Extraire les données des sources de données en utilisant les outils et pratiques appropriés.

4.2.9 Transformer les données en utilisant une variété d'outils.

4.2.10 Connaître les fonctions d'extraction, de transformation et de chargement et leur utilisation appropriée.

4.2.11 Évaluer, construire ou mettre en œuvre des structures de données telles que des lacs de données, des magasins de données, des bases de données relationnelles ou des bases de données en mémoire.

4.2.12 Concevoir ou mettre en œuvre des systèmes et des processus de données qui utilisent les données à la source plutôt que de les répliquer.

4.2.13 Concevoir, mettre en œuvre ou évaluer les outils, méthodes et processus de collecte et de transformation des données.

4.2.14 Évaluer la valeur du stockage dans le nuage par rapport au stockage sur site.

4.2.15 Utiliser le nuage et les logiciels en tant que service (SaaS) tels que les progiciels de gestion intégrés (PGI), les applications de gestion des services ou l'architecture distribuée.

4.2.16 Tenir à jour et soutenir la disponibilité et la longévité des données grâce à des systèmes de sauvegarde et des plans de récupération des données appropriés.

4.2.17 Développer et recommander des indicateurs de performance pour mesurer l'efficience, l'efficacité et l'incidence des solutions de gestion de l'information.

4.2.18 Déterminer les problèmes avec les parties prenantes, comprendre où la science des données peut ajouter de la valeur en soutenant la prise de décision stratégique et opérationnelle pour créer un effet, et concevoir des solutions et des mesures de science des données pour ces problèmes.