Gridworks, un outil libre d’exploration et de nettoyage de données

Gridworks est un outil libre permettant l’exploration et le nettoyage de bases de données. L’objectif n’est pas d’effectuer des analyses ou des statistiques, mais de fournir des outils permettant de vérifier la qualité des données et de les “nettoyer” si nécessaire avant importation dans un logiciel dédié à l’analyse.

Gridworks est libre, multiplateforme (Windows, Mac, Linux) et gratuit, il peut être téléchargé sur la page du projet. Il s’agit par contre d’un logiciel anglophone, dont l’interface et la documentation sont uniquement disponibles en anglais.

L’installation est très simple, une simple archive à décompresser sur votre disque et vous n’avez plus qu’à exécuter le programme qui s’y trouve. Vous devez ensuite lancer votre navigateur Web favori et ouvrir l’adresse http://127.0.0.1:3333. La particularité de Gridworks est en effet d’être une application Web qui tourne dans votre navigateur. Cette application fonctionne en local, sur votre ordinateur, rien n’est transmis sur le Web et la confidentialité et la sécurité de vos données sont préservées.

L’écran d’accueil vous propose de créer un nouveau projet, c’est-à-dire d’importer un jeu de données. Celles-ci peuvent être en différents formats textes (tabulé, CSV, etc.) ainsi qu’au format Excel.

Écran d'accueil de Gridworks

Une fois les données importées, on a accès à une vue tout à fait classique de données sous la forme d’un tableau.

Vue des données dans Gridworks

On peut alors commencer à utiliser les outils fournis. À noter que Gridworks utilise un système d’historique permettant de toujours annuler des actions déjà effectuées, et de revenir en arrière jusqu’à n’importe quel point du traitement. Cet historique est enregistré au sein du projet, il est donc conservé si vous quittez et relancez l’application.

Parmi les outils proposés, on notera notamment de nombreuses possibilités de faceting (extraction d’une partie des données) permettant de cibler de manière dynamique un sous-ensemble des lignes ou des colonnes et de leur appliquer des transformations ou des recodages. De même, un outil de clustering permet de détecter de manière automatisée les éléments se ressemblant fortement, par exemple pour éliminer des erreurs de saisie. Enfin, les outils de recodage sont également très pratiques, avec des possibilités d’édition ou de fusion rapides de modalités, ou des manipulations plus complexes des données à l’aide d’un langage dédié nommé GEL (Gridworks Expression Language).

Pour avoir un aperçu plus détaillé des possibilités, on pourra se reporter aux vidéos en ligne et au wiki sur le site du projet.

Julien Barnier

More Posts

Follow Me: