Vienne, Autriche--(Newsfile Corp. - 2 mars 2026) - digna a publié la dernière mise à jour de sa plateforme, poursuivant le développement de sa solution de qualité et d'observabilité des données, tout en consolidant son architecture axée sur la détection adaptative des anomalies au sein des environnements de données d'entreprise. En apportant des améliorations à la modélisation des sources de données, à la gestion des connexions et à l'ergonomie des inspections, cette version accroît la flexibilité à travers les modules et étend la couverture de la qualité et de la validation des données, incluant de nouvelles fonctionnalités dans digna Data Validation.

digna annonce une mise à jour majeure de sa plateforme pour renforcer la qualité et l'observabilité des données d'entreprise

Pour obtenir une version améliorée de ce graphique, veuillez consulter ce lien :
https://images.newsfilecorp.com/files/8552/285948_7b8a5e87840ad909_001full.jpg

« Nous facilitons désormais la gestion des opérations liées à la qualité des données tout en renforçant les règles que les équipes peuvent appliquer », a déclaré Marcin Chudeusz, PDG de digna. « En optimisant la modélisation des connexions et des sources de données, les équipes sont en mesure de concevoir des inspections qui restent faciles à maintenir à mesure que les projets et les environnements évoluent. »

Modernisation de la gestion et de la réutilisation des connexions

Les notes de mise à jour de digna introduisent des connexions de bases de données globales, désormais configurées à un niveau global et réutilisables sur l'ensemble des projets. Cette évolution est conçue pour simplifier la configuration et la maintenance, réduire la charge opérationnelle et garantir une connectivité cohérente à travers les environnements. Les projets peuvent désormais faire référence à de multiples configurations de connexions sources, ce qui permet des paramétrages plus flexibles pour les paysages de données de projets complexes et prend en charge des sources de données hétérogènes au sein d'architectures d'entreprise réalistes.

Sources de données logiques et évaluation plus contextuelle des anomalies

Les sources de données représentent désormais une couche logique au sein d'un projet. Chaque source de données peut s'appuyer sur une table de base de données, une vue de base de données ou une requête SQL personnalisée. En séparant la couche logique de la source de données du stockage physique, cette version améliore la réutilisabilité, la clarté et la modélisation des inspections sur l'ensemble des modules, tout en dissociant les inspections et les règles de qualité des données du stockage sous-jacent.

La mise à jour ajoute également une condition de pertinence des anomalies (Anomaly Relevance Condition) qui peut être définie pour contrôler l'évaluation du statut des anomalies au niveau du jeu de données. Les statistiques sont calculées indépendamment du fait que la condition soit définie ou remplie. Si la condition n'est pas remplie, digna Data Anomalies ne fournit pas de statut d'anomalie.

« Les équipes n'ont pas seulement besoin de détecter les anomalies, elles ont besoin d'une évaluation des anomalies qui reflète leur véritable contexte opérationnel », explique Danijel Kivaranovic, PhD, Directeur technique (CTO) de digna. « La condition de pertinence permet de s'assurer que le statut n'est attribué que lorsque le jeu de données remplit les critères déterminants pour ce scénario métier. »

Contrôle des notifications et exportation CSV pour les résultats d'inspection

Les notifications peuvent désormais être configurées par module directement dans digna, offrant un contrôle indépendant du comportement des alertes pour digna Data Anomalies, digna Data Timeliness, digna Data Validation et d'autres modules. Cela permet d'élaborer des stratégies d'alerte plus précises, alignées sur les responsabilités des équipes et le niveau de criticité.

De plus, les utilisateurs peuvent désormais télécharger les résultats d'inspection sous forme de fichiers CSV, ce qui facilite l'analyse hors ligne, le reporting et l'intégration avec des outils tiers. Le communiqué souligne que l'exportation CSV simplifie les audits, le reporting et l'analyse de la qualité des données en aval.

Élargissement de la couverture de digna Data Validation

Avec cette nouvelle version, digna Data Validation prend en charge un panel plus large de règles de qualité des données, incluant des règles de validation au niveau des lignes, des contrôles d'unicité multi-colonnes et la validation de l'intégrité référentielle à travers les sources de données. L'association de ces contrôles a pour but de permettre l'application de règles de qualité de données structurelles et relationnelles au sein de paysages de données complexes.

Les nouveaux contrôles d'unicité sur de multiples colonnes prennent en charge la validation des clés composées et des contraintes d'unicité au niveau métier, aidant ainsi à détecter les doublons qui ne peuvent l'être via des contrôles sur une seule colonne. De plus, les nouveaux contrôles d'intégrité référentielle valident les relations entre les sources de données en s'assurant que les valeurs des clés étrangères dans une source de données initiale existent bel et bien dans une source de données cible de référence.

Ces vérifications permettent de valider les données entre différentes tables ou vues, différents schémas et différentes connexions de bases de données au sein d'un même projet. Le communiqué note également que ces contrôles permettent de détecter précocement les enregistrements orphelins, les relations rompues et les problèmes de cohérence des données, et sont conçus pour fonctionner avec des sources de données logiques, incluant les vues et les requêtes SQL personnalisées. Parmi les cas d'usage recensés figurent l'intégrité des entrepôts de données (data warehouses), le reporting réglementaire, la cohérence des données de référence (master data) et la fiabilité des analyses en aval.

Pour consulter la version originale de ce communiqué de presse, visitez le https://www.newsfilecorp.com/release/285948

Source: B2Press BV