ISO/IEC 5259-2:2024
(Main)Artificial intelligence — Data quality for analytics and machine learning (ML) — Part 2: Data quality measures
Artificial intelligence — Data quality for analytics and machine learning (ML) — Part 2: Data quality measures
This document specifies a data quality model, data quality measures and guidance on reporting data quality in the context of analytics and machine learning (ML). This document is applicable to all types of organizations who want to achieve their data quality objectives.
Intelligence artificielle — Qualité des données pour les analyses de données et l’apprentissage automatique (AA) — Partie 2: Mesures de la qualité des données
Le présent document spécifie un modèle de qualité des données, des mesures de la qualité des données et des recommandations concernant l’établissement de rapports sur la qualité des données dans le contexte de l’analyse de données et de l’apprentissage automatique (AA). Le présent document s’applique à tous les types d’organismes qui souhaitent atteindre leurs objectifs de qualité des données.
General Information
Buy Standard
Standards Content (Sample)
International
Standard
ISO/IEC 5259-2
First edition
Artificial intelligence — Data
2024-11
quality for analytics and machine
learning (ML) —
Part 2:
Data quality measures
Intelligence artificielle — Qualité des données pour les analyses
de données et l’apprentissage automatique —
Partie 2: Mesure de la qualité des données
Reference number
© ISO/IEC 2024
All rights reserved. Unless otherwise specified, or required in the context of its implementation, no part of this publication may
be reproduced or utilized otherwise in any form or by any means, electronic or mechanical, including photocopying, or posting on
the internet or an intranet, without prior written permission. Permission can be requested from either ISO at the address below
or ISO’s member body in the country of the requester.
ISO copyright office
CP 401 • Ch. de Blandonnet 8
CH-1214 Vernier, Geneva
Phone: +41 22 749 01 11
Email: copyright@iso.org
Website: www.iso.org
Published in Switzerland
© ISO/IEC 2024 – All rights reserved
ii
Contents Page
Foreword .v
Introduction .vi
1 Scope .1
2 Normative references .1
3 Terms and definitions .1
4 Symbols and abbreviated terms. 5
5 Data quality components and data quality models for analytics and machine learning . 5
5.1 Data quality components in data life cycle .5
5.2 Data quality model .6
6 Data quality characteristics and quality measures .8
6.1 General .8
6.2 Inherent data quality characteristics .9
6.2.1 Accuracy .9
6.2.2 Completeness .10
6.2.3 Consistency . 12
6.2.4 Credibility . 13
6.2.5 Currentness .14
6.3 Inherent and system-dependent data quality characteristics . 15
6.3.1 Accessibility . 15
6.3.2 Compliance . 15
6.3.3 Efficiency .16
6.3.4 Precision .16
6.3.5 Traceability .17
6.3.6 Understandability .17
6.4 System-dependent data quality characteristics .18
6.4.1 Availability .18
6.4.2 Portability .18
6.4.3 Recoverability .19
6.5 Additional data quality characteristics .19
6.5.1 Auditability.19
6.5.2 Balance . 20
6.5.3 Diversity . . 22
6.5.4 Effectiveness . 23
6.5.5 Identifiability .24
6.5.6 Relevance . 25
6.5.7 Representativeness . 25
6.5.8 Similarity . . . 26
6.5.9 Timeliness .27
7 Implementing a data quality model and data quality measures for an analytics or ML
task .28
8 Data quality reporting .28
8.1 Data quality reporting framework . 28
8.2 Data quality measure information . 29
8.3 Guidance to organizations . 29
Annex A (informative) Design and document of a measurement function .30
Annex B (informative) UML model of data quality measure framework .32
Annex C (informative) Overview of data quality characteristics .33
Annex D (informative) Alternative groups of data quality characteristics .35
© ISO/IEC 2024 – All rights reserved
iii
Annex E (informative) Comparison between data quality characteristics of ISO/IEC 25012 and
ISO/IEC 5259-2 .36
Bibliography .37
© ISO/IEC 2024 – All rights reserved
iv
Foreword
ISO (the International Organization for Standardization) and IEC (the International Electrotechnical
Commission) form the specialized system for worldwide standardization. National bodies that are
members of ISO or IEC participate in the development of International Standards through technical
committees established by the respective organization to deal with particular fields of technical activity.
ISO and IEC technical committees collaborate in fields of mutual interest. Other international organizations,
governmental and non-governmental, in liaison with ISO and IEC, also take part in the work.
The procedures used to develop this document and those intended for its further maintenance are described
in the ISO/IEC Directives, Part 1. In particular, the different approval criteria needed for the different types
of document should be noted. This document was drafted in accordance with the editorial rules of the ISO/
IEC Directives, Part 2 (see www.iso.org/directives or www.iec.ch/members_experts/refdocs).
ISO and IEC draw attention to the possibility that the implementation of this document may involve the
use of (a) patent(s). ISO and IEC take no position concerning the evidence, validity or applicability of any
claimed patent rights in respect thereof. As of the date of publication of this document, ISO and IEC had not
received notice of (a) patent(s) which may be required to implement this document. However, implementers
are cautioned that this may not represent the latest information, which may be obtained from the patent
database available at www.iso.org/patents and https://patents.iec.ch. ISO and IEC shall not be held
responsible for identifying any or all such patent rights.
Any trade name used in this document is information given for the convenience of users and does not
constitute an endorsement.
For an explanation of the voluntary nature of standards, the meaning of ISO specific terms and expressions
related to conformity assessment, as well as information about ISO's adherence to the World Trade
Organization (WTO) principles in the Technical Barriers to Trade (TBT) see www.iso.org/iso/foreword.html.
In the IEC, see www.iec.ch/understanding-standards.
This document was prepared by Joint Technical Committee ISO/IEC JTC 1, Information technology,
Subcommittee SC 42, Artificial Intelligence.
A list of all parts in the ISO/IEC 5259 series can be found on the ISO and IEC websites.
Any feedback or questions on this document should be directed to the user’s national standards
body. A complete listing of these bodies can be found at www.iso.org/members.html and
www.iec.ch/national-committees.
© ISO/IEC 2024 – All rights reserved
v
Introduction
Data-supported decision-making brings new challenges to data quality management in data analytics and
artificial intelligence (AI) based on machine learning (ML). Issues in data quality, such as incomplete, false
or outdated data, can adversely affect analytics and ML processes and outcomes. Data from various sources,
including structured data (e.g. relational databases) and unstructured data (e.g. documents, images,
audios), can be directly consumed into the data life cycle for analytics and ML model development. Data
are transformed in each stage of the data life cycle of analytics and ML. A holistic standardized approach to
control, produce and deliver sufficient high-quality data is nece
...
Norme
internationale
ISO/IEC 5259-2
Première édition
Intelligence artificielle — Qualité
2024-11
des données pour les analyses
de données et l’apprentissage
automatique (AA) —
Partie 2:
Mesures de la qualité des données
Artificial intelligence — Data quality for analytics and machine
learning (ML) —
Part 2: Data quality measures
Numéro de référence
DOCUMENT PROTÉGÉ PAR COPYRIGHT
© ISO/IEC 2024
Tous droits réservés. Sauf prescription différente ou nécessité dans le contexte de sa mise en œuvre, aucune partie de cette
publication ne peut être reproduite ni utilisée sous quelque forme que ce soit et par aucun procédé, électronique ou mécanique,
y compris la photocopie, ou la diffusion sur l’internet ou sur un intranet, sans autorisation écrite préalable. Une autorisation peut
être demandée à l’ISO à l’adresse ci-après ou au comité membre de l’ISO dans le pays du demandeur.
ISO copyright office
Case postale 401 • Ch. de Blandonnet 8
CH-1214 Vernier, Genève
Tél.: +41 22 749 01 11
E-mail: copyright@iso.org
Web: www.iso.org
Publié en Suisse
© ISO/IEC 2024 – Tous droits réservés
ii
Sommaire Page
Avant-propos .v
Introduction .vi
1 Domaine d’application . 1
2 Références normatives . 1
3 Termes et définitions . 1
4 Symboles et abréviations . 5
5 Composantes de la qualité des données et modèles de qualité des données pour l’analyse
de données et l’apprentissage automatique . 5
5.1 Composantes de la qualité des données dans le cycle de vie des données .5
5.2 Modèle de qualité des données .6
6 Caractéristiques et mesures de la qualité des données . 8
6.1 Généralités .8
6.2 Caractéristiques de qualité des données inhérentes.9
6.2.1 Exactitude.9
6.2.2 Exhaustivité . .10
6.2.3 Cohérence . 12
6.2.4 Crédibilité . 13
6.2.5 Actualité .14
6.3 Caractéristiques de qualité des données inhérentes et dépendantes du système . 15
6.3.1 Accessibilité . 15
6.3.2 Conformité .16
6.3.3 Efficacité .16
6.3.4 Précision .17
6.3.5 Traçabilité .17
6.3.6 Intelligibilité .18
6.4 Caractéristiques de qualité des données dépendantes du système .18
6.4.1 Disponibilité .18
6.4.2 Portabilité .19
6.4.3 Récupérabilité . .19
6.5 Caractéristiques de qualité des données supplémentaires . 20
6.5.1 Vérifiabilité . 20
6.5.2 Équilibre .21
6.5.3 Diversité . 23
6.5.4 Efficacité .24
6.5.5 Identifiabilité . 25
6.5.6 Pertinence . 26
6.5.7 Représentativité .27
6.5.8 Similarité . 28
6.5.9 Rapidité d’obtention . 29
7 Mise en œuvre d’un modèle de qualité des données et de mesures de la qualité des
données pour une tâche d’analyse de données ou d’AA .30
8 Établissement de rapports sur la qualité des données .30
8.1 Cadre pour l’établissement de rapports sur la qualité des données . 30
8.2 Informations relatives aux mesures de la qualité des données .31
8.3 Recommandations à l’intention des organismes .31
Annexe A (informative) Conception et documentation d’une fonction de mesure .33
Annexe B (informative) Modèle UML de cadre de mesure de la qualité des données .35
Annexe C (informative) Aperçu des caractéristiques de qualité des données .36
Annexe D (informative) Autres groupes de caractéristiques de qualité des données .38
© ISO/IEC 2024 – Tous droits réservés
iii
Annexe E (informative) Comparaison entre les caractéristiques de qualité des données de
l’ISO/IEC 25012 et de l’ISO/IEC 5259-2 .39
Bibliographie .40
© ISO/IEC 2024 – Tous droits réservés
iv
Avant-propos
L’ISO (Organisation internationale de normalisation) et l’IEC (Commission électrotechnique internationale)
forment le système spécialisé de la normalisation mondiale. Les organismes nationaux membres de l’ISO ou
de l’IEC participent au développement de Normes internationales par l’intermédiaire des comités techniques
créés par l’organisation concernée afin de s’occuper des domaines particuliers de l’activité technique.
Les comités techniques de l’ISO et de l’IEC collaborent dans des domaines d’intérêt commun. D’autres
organisations internationales, gouvernementales et non gouvernementales, en liaison avec l’ISO et l’IEC,
participent également aux travaux.
Les procédures utilisées pour élaborer le présent document et celles destinées à sa mise à jour sont décrites
dans les Directives ISO/IEC, Partie 1. Il convient, en particulier, de prendre note des différents critères
d’approbation requis pour les différents types de documents. Le présent document a été rédigé conformément
aux règles de rédaction données dans les Directives ISO/IEC, Partie 2 (voir www.iso.org/directives ou
www.iec.ch/members_experts/refdocs).
L’ISO et l’IEC attirent l’attention sur le fait que la mise en application du présent document peut entraîner
l’utilisation d’un ou de plusieurs brevets. L’ISO et l’IEC ne prennent pas position quant à la preuve, à la validité
et à l’applicabilité de tout droit de propriété revendiqué à cet égard. À la date de publication du présent
document, l’ISO et l’IEC n’avaient pas reçu notification qu’un ou plusieurs brevets pouvaient être nécessaires
à sa mise en application. Toutefois, il y a lieu d’avertir les responsables de la mise en application du présent
document que des informations plus récentes sont susceptibles de figurer dans la base de données de
brevets, disponible à l’adresse www.iso.org/brevets et https://patents.iec.ch. L’ISO et l’IEC ne sauraient être
tenues pour responsables de ne pas avoir identifié tout ou partie de tels droits de propriété.
Les appellations commerciales éventuellement mentionnées dans le présent document sont données pour
information, par souci de commodité, à l’intention des utilisateurs et ne sauraient constituer un engagement.
Pour une explication de la nature volontaire des normes, la signification des termes et expressions spécifiques
de l’ISO liés à l’évaluation de la conformité, ou pour toute information au sujet de l’adhésion de l’ISO aux
principes de l’Organisation mondiale du commerce (OMC) concernant les obstacles techniques au commerce
(OTC), voir www.iso.org/iso/avant-propos. Pour l’IEC, voir www.iec.ch/understanding-standards.
Le présent document a été élaboré par le comité technique mixte ISO/IEC JTC 1, Technologies de l’information,
sous-comité SC 42, Intelligence artificielle.
Une liste de toutes les parties de la série ISO/IEC 5259 se trouve sur les sites Web de l’ISO et de l’IEC.
Il convient que l’utilisateur adresse tout retour d’information ou toute question concernant le présent
document à l’organisme national de normalisation de son pays. Une liste exhaustive desdits organismes se
trouve aux adresses www.iso.org/members.html et www.iec.ch/national-committees.
© ISO/IEC 2024 – Tous droits réservés
v
Introduction
La prise de décision basée sur les données pose de nouveaux défis pour la gestion de la qualité des
données dans le cadre de l’analyse de données et de l’intelligence artificielle (IA) basée sur l’apprentissage
automatique (AA). Les problèmes de qualité des données, tels que des données incomplètes, fausses ou
obsolètes, peuvent nuire aux processus et résultats d’analyse de données et d’AA. Les données provenant
de sources diverses, y compris les données structurées (par exemple bases de données relationnelles) et l
...
ISO/IEC JTC 1/SC 42
Date: 2025-06-06
Première édition
2024-11
Intelligence artificielle — Qualité des données pour les analyses de
données et l’apprentissage automatique (AA) — —
Partie 2:
Mesures de la qualité des données
Artificial intelligence — Data quality for analytics and machine learning (ML) — —
Part 2: Data quality measures
© ISO/IEC 2025 2024
Tous droits réservés. Sauf prescription différente ou nécessité dans le contexte de sa mise en œuvre oeuvre, aucune partie
de cette publication ne peut être reproduite ni utilisée sous quelque forme que ce soit et par aucun procédé, électronique
ou mécanique, y compris la photocopie, ou la diffusion sur l’internet ou sur un intranet, sans autorisation écrite préalable.
Une autorisation peut être demandée à l’ISO à l’adresse ci-après ou au comité membre de l’ISO dans le pays
du demandeur.
ISO copyright office
Case postaleCP 401 • • Ch. de Blandonnet 8
CH-1214 Vernier, GenèveGeneva
Tél.: +Phone: + 41 22 749 01 11
E-mail: copyright@iso.org
WebWebsite: www.iso.org
Publié en Suisse
© ISO/IEC 2024 – Tous droits réservés
ii
Sommaire Page
Avant-propos . iv
Introduction . v
1 Domaine d’application . 1
2 Références normatives . 1
3 Termes et définitions . 1
4 Symboles et abréviations . 5
5 Composantes de la qualité des données et modèles de qualité des données pour l’analyse
de données et l’apprentissage automatique . 5
5.1 Composantes de la qualité des données dans le cycle de vie des données . 5
5.2 Modèle de qualité des données . 7
6 Caractéristiques et mesures de la qualité des données . 9
6.1 Généralités . 9
6.2 Caractéristiques de qualité des données inhérentes . 10
6.3 Caractéristiques de qualité des données inhérentes et dépendantes du système . 16
6.4 Caractéristiques de qualité des données dépendantes du système . 20
6.5 Caractéristiques de qualité des données supplémentaires . 21
7 Mise en œuvre d’un modèle de qualité des données et de mesures de la qualité des
données pour une tâche d’analyse de données ou d’AA . 31
8 Établissement de rapports sur la qualité des données . 32
8.1 Cadre pour l’établissement de rapports sur la qualité des données . 32
8.2 Informations relatives aux mesures de la qualité des données. 32
8.3 Recommandations à l’intention des organismes . 32
Annexe A (informative) Conception et documentation d’une fonction de mesure . 34
Annexe B (informative) Modèle UML de cadre de mesure de la qualité des données . 36
Annexe C (informative) Aperçu des caractéristiques de qualité des données . 37
Annexe D (informative) Autres groupes de caractéristiques de qualité des données . 39
Annexe E (informative) Comparaison entre les caractéristiques de qualité des données de
l’ISO/IEC 25012 et de l’ISO/IEC 5259-2. 41
Bibliographie . 43
© ISO/IEC 2024 – Tous droits réservés
iii
Avant-propos
L’ISO (Organisation internationale de normalisation) et l’IEC (Commission électrotechnique internationale)
forment le système spécialisé de la normalisation mondiale. Les organismes nationaux membres de l’ISO ou
de l’IEC participent au développement de Normes internationales par l’intermédiaire des comités techniques
créés par l’organisation concernée afin de s’occuper des domaines particuliers de l’activité technique. Les
comités techniques de l’ISO et de l’IEC collaborent dans des domaines d’intérêt commun. D’autres
organisations internationales, gouvernementales et non gouvernementales, en liaison avec l’ISO et l’IEC,
participent également aux travaux.
Les procédures utilisées pour élaborer le présent document et celles destinées à sa mise à jour sont décrites
dans les Directives ISO/IEC, Partie 1. Il convient, en particulier, de prendre note des différents critères
d’approbation requis pour les différents types de documents. Le présent document a été rédigé conformément
aux règles de rédaction données dans les Directives ISO/IEC, Partie 2 (voir www.iso.org/directives ou
www.iec.ch/members_experts/refdocs).
L’ISO et l’IEC attirent l’attention sur le fait que la mise en application du présent document peut entraîner
l’utilisation d’un ou de plusieurs brevets. L’ISO et l’IEC ne prennent pas position quant à la preuve, à la validité
et à l’applicabilité de tout droit de propriété revendiqué à cet égard. À la date de publication du présent
document, l’ISO et l’IEC n’avaient pas reçu notification qu’un ou plusieurs brevets pouvaient être nécessaires
à sa mise en application. Toutefois, il y a lieu d’avertir les responsables de la mise en application du présent
document que des informations plus récentes sont susceptibles de figurer dans la base de données de brevets,
disponible à l’adresse www.iso.org/brevets et https://patents.iec.ch. L’ISO et l’IEC ne sauraient être tenues
pour responsables de ne pas avoir identifié tout ou partie de tels droits de propriété.
Les appellations commerciales éventuellement mentionnées dans le présent document sont données pour
information, par souci de commodité, à l’intention des utilisateurs et ne sauraient constituer un engagement.
Pour une explication de la nature volontaire des normes, la signification des termes et expressions spécifiques
de l’ISO liés à l’évaluation de la conformité, ou pour toute information au sujet de l’adhésion de l’ISO aux
principes de l’Organisation mondiale du commerce (OMC) concernant les obstacles techniques au commerce
(OTC), voir www.iso.org/iso/avant-propos. Pour l’IEC, voir www.iec.ch/understanding-standards.
Le présent document a été élaboré par le comité technique mixte ISO/IEC JTC 1, Technologies de l’information,
sous-comité SC 42, Intelligence artificielle.
Une liste de toutes les parties de la série ISO/IEC 5259 se trouve sur les sites Web de l’ISO et de l’IEC.
Il convient que l’utilisateur adresse tout retour d’information ou toute question concernant le présent
document à l’organisme national de normalisation de son pays. Une liste exhaustive desdits organismes se
trouve aux adresses www.iso.org/members.html et www.iec.ch/national-committees.
© ISO/IEC 2024 – Tous droits réservés
iv
Introduction
La prise de décision basée sur les données pose de nouveaux défis pour la gestion de la qualité des données
dans le cadre de l’analyse de données et de l’intelligence artificielle (IA) basée sur l’apprentissage automatique
(AA). Les problèmes de qualité des données, tels que des données incomplètes, fausses ou obsolètes, peuvent
nuire aux processus et résultats d’analyse de données et d’AA. Les données provenant de sources diverses, y
compris les données structurées (par exemple, bases de données relationnelles) et les données non
structurées (par exemple, documents, images, audios), peuvent être directement utilisées dans le cycle de vie
des données pour le développement de modèles d’analyse de données et d’AA. Les données sont transformées
à chaque étape du cycle de vie des données dans le cadre de l’analyse de données et de l’AA. Une approche
holistique normalisée pour contrôler, produire et fournir suffisamment de données de haute qualité est
nécessaire pour que les modèles d’analyse de données et d’AA soient sûrs, fiables et interopérables. Pour
développer une gestion crédible de la qualité des données pour l’analyse de données et l’AA, des Normes
internationales sur la qualité intrinsèque des données, comprenant des concepts et cas d’utilisation,
des caractéristiques et mesurages, des exigences de gestion et un cadre de processus, peuvent être envisagées.
Le présent document fait partie de la série ISO/IEC 5259. Il s’appuie sur la série ISO 8000, l’ISO/IEC 25012 et
l’ISO/IEC 25024. L’objectif du présent document est de décrire un modèle de qualité des données en
définissant des caractéristiques et mesures de la qualité des données basées sur l’ISO/IEC 25012 et
l’ISO/IEC 25024. Les modèles de qualité des données peuvent être étendus ou modifiés conformément au
présent document.
© ISO/IEC 2024 – Tous droits réservés
v
Norme internationale ISO/IEC 5259-2:2024(fr)
Intelligence artificielle — Qualité des données pour les analyses de
données et l’apprentissage automatique (AA) — —
Partie 2:
Mesures de la qualité des données
1 Domaine d’application
Le présent document spécifie un modèle de qualité des données, des mesures de la qualité des données et des
recommandations concernant l’établissement de rapports sur la qualité des données dans le contexte de
l’analyse de données et de l’apprentissage automatique (AA).
Le présent document s’applique à tous les types d’organismes qui souhaitent atteindre leurs objectifs de
qualité des données.
2 Références normatives
Les documents suivants sont cités dans le texte de sorte qu’ils constituent, pour tout ou partie de leur contenu,
des exigences du présent document. Pour les références datées, seule l’édition citée s’applique. Pour les
références non datées, la dernière édition du document de référence s’applique (y compris les éventuels
amendements).
ISO/IEC 5259--1, Intelligence artificielle — Qualité des données pour les analyses de données et l’apprentissage
automatique (AA) — Partie 1: Vue d'ensemble, terminologie et exemples
ISO/IEC 25024, Ingénierie des systèmes et du logiciel — Exigences et évaluation de la qualité des systèmes et du
logiciel (SQuaRE) — Mesurage de la qualité des données
ISO/IEC 22989, Technologies de l'information — Intelligence artificielle — Concepts et terminologie relatifs à
l'intelligence artificielle
3 Termes et définitions
Pour les besoins du présent document, les termes et les définitions de l’ISO/IEC 5259--1, l’ISO/IEC 22989 ainsi
que les suivants s’appliquent.
L’ISO et l’IEC tiennent à jour des bases de données terminologiques destinées à être utilisées en normalisation,
consultables aux adresses suivantes:
— — ISO Online browsing platform: disponible à l’adresse https://www.iso.org/obp
— — IEC Electropedia: disponible à l’adresse https://www.electropedia.org/
3.1 3.1
donnée
représentation réinterprétable d’une information sous une forme conventionnelle convenant à la
communication, à l’interprétation ou au traitement
© ISO/IEC 2024 – Tous droits réservés
Note 1 à l’article l'article: Les données peuvent être traitées par des moyens humains ou automatiques.
[SOURCE: ISO/IEC 2382:2015, 2121272]
3.2 3.2
trame de données
ensemble de registres de données représentés par un domaine ou une finalité spécifique, avec une structure
partagée d’éléments de données
Note 1 à l’article l'article: Une trame de données est bidimensionnelle, comme un tableau avec des lignes et des colonnes.
Le terme est spécifiquement utilisé en analyse de données et en AA, par exemple dans le langage R, tandis que d’autres
langages utilisent «ensemble de données» pour signifier la même chose. Dans le présent document, «ensemble de
données» a une signification plus générique.
3.3 3.3
type de données
catégorisation d’un ensemble abstrait de valeurs possibles, de caractéristiques et d’un ensemble d’opérations
pour un attribut
Note 1 à l’article l'article: Les chaînes de caractères, les textes, les dates, les chiffres, les images et les sons sont des
exemples de types de données.
[SOURCE: ISO/IEC 25024:2015, 4.16]
3.4 3.4
valeur de donnée
contenu d’un élément de donnée
Note 1 à l’articlel'article: Dans l’ISO/IEC 25012:2008, 5.1.1, il est spécifié que, selon un point de vue inhérent aux
données, la qualité des données fait référence aux données elles-mêmes, telles que les valeurs du domaine de données et
les restrictions possibles.
Note 2 à l’articlel'article: Numéro ou catégorie attribués à un attribut d’entité cible en effectuant un mesurage.
[SOURCE: ISO/IEC 25024:2015, 4.17]
3.5 3.5
élément de donnée vide
élément de donnée dont la valeur de donnée (3.4(3.4)) n’a pas de valeur, c’est-à-dire «nulle» ou «aucune »
Note 1 à l’article l'article: Cette définition signifie généralement la non-existence d’une valeur de donnée (c’est-à-dire
«nulle» ou «aucune »). Un élément de donnée avec un type de données chaîne peut être un élément de donnée vide en
utilisant la chaîne vide ou «nulle». Cependant, il existe une exception pour certaines applications dans laquelle une chaîne
peut être vide (par exemple «»), mais pas nulle, et n’implique donc pas d’élément de donnée vide.
3.6 3.6
entité
chose c
...
Questions, Comments and Discussion
Ask us and Technical Secretary will try to provide an answer. You can facilitate discussion about the standard in here.