Le Socle Data Relation Client, simulé sur des données ouvertes
Les données affichées ci-dessous sont récupérées en temps réel depuis l'API publique de SNCF Open Data. Elles sont mises en cache 24h pour rester gratuites en hébergement Vercel.
Quelles données voyez-vous ici ?
Trois jeux de données ouverts publiés par SNCF, qui simulent à petite échelle le type de données qu'un Data Steward manipule sur Naomi.
Fréquentation des gares
Nombre de voyageurs annuel pour les ~3000 gares françaises depuis 2015.
Sur Naomi, l'équivalent serait la table des transactions de billetterie, qui permet de mesurer le volume client par gare.
Régularité TGV par liaison
Taux de ponctualité mensuel par liaison TGV, normes AQST.
Sur Naomi, on croiserait la régularité avec la satisfaction client pour comprendre l'impact des retards sur la fidélité.
Référentiel Gares
Liste des gares avec leur code UIC, segmentation, position GPS.
C'est exactement le type de référentiel MDM (Master Data Management) qu'un Data Steward documente et fiabilise.
Les chiffres clés du périmètre
Top 15 des gares les plus fréquentées (2023)
Visualisation directe des données issues de l'API. Sur Naomi, le Data Steward s'assurerait que cette donnée de volume client soit cohérente avec les transactions de billetterie.
Régularité TGV — derniers mois
Évolution du taux de ponctualité (calculé : 1 − retards/trains prévus). Sur Naomi, ce serait croisé avec les données de satisfaction client pour mesurer l'impact opérationnel.
Qualité des données — vue Data Steward
Voici comment un Data Steward mesurerait la qualité de l'échantillon récupéré, selon les dimensions du framework DAMA-DMBOK.
Si la complétude tombe sous 95% sur un champ critique, le Data Steward déclenche une investigation : est-ce un problème côté source (un système qui n'envoie plus la donnée) ? Côté pipeline (un bug dans une transformation) ? Une fois la cause identifiée, il pilote la correction et documente l'incident pour éviter qu'il se reproduise.