Feuille de route ArcGIS Data Reviewer (T2 2026)

JayCary

La feuille de route d'ArcGIS Data Reviewer décrit le calendrier estimé des fonctionnalités et améliorations prévues dans les futures versions. Ces calendriers sont susceptibles de changer en fonction des retours clients et de l'évolution des priorités.<\/P>

Y a-t-il une fonctionnalité manquante ou non priorisée qui impacte votre programme de gestion de la qualité des données ? Nous vous encourageons à partager vos retours dans l'espace Data Reviewer Ideas<\/A> dans la communauté Esri. Vos suggestions influencent directement le développement futur. Après avoir soumis une idée, elle est examinée par l'équipe produit et considérée pour inclusion dans les prochaines versions, aidant à garantir que Data Reviewer continue de répondre à vos besoins.<\/P>

Pour plus d'informations sur la dernière version d'

ArcGIS Data Reviewer<\/A>, consultez le blog Quoi de neuf dans ArcGIS Data Reviewer<\/A>.<\/P>

Objectifs à court terme<\/STRONG><\/H3>Les objectifs à court terme incluent les nouvelles fonctionnalités et améliorations prévues au cours des prochaines versions du logiciel. En général, Data Reviewer est publié deux fois par an avec ArcGIS Pro et ArcGIS Enterprise. Les objectifs à court terme incluent les éléments suivants :<\/P>Objectifs à court terme pour Data Reviewer<\/span><\/span><\/P> <\/P>Simplifier la revue de la qualité des données<\/H4>Pour améliorer l'expérience utilisateur, ArcGIS Data Reviewer introduira une série d'améliorations qui répondent aux défis courants dans la mise en œuvre des workflows automatisés de contrôle qualité. Cela inclut la minimisation des erreurs lors du partage de couches web activées par un serveur de validation, en particulier celles contenant des règles d'attribut créées avec les contrôles Data Reviewer. Ces améliorations aideront à détecter les couches manquantes et à identifier les problèmes liés à la licence et à la version d'un serveur fédéré. <\/P>De plus, des améliorations sont prévues pour augmenter l'observabilité lors du dépannage des performances des règles d'attribut de validation. Les administrateurs disposeront de meilleurs outils et informations pour diagnostiquer et résoudre les problèmes de validation des données, conduisant à des processus de contrôle qualité plus efficaces et performants.<\/P>Détection d'erreurs alimentée par IA<\/H4>L'assistant ArcGIS Pro apporte la productivité alimentée par IA directement dans ArcGIS Pro, aidant les utilisateurs à transformer les tâches SIG quotidiennes en expériences conversationnelles intuitives. Avec la version bêta 3.7 de l'assistant ArcGIS Pro<\/A>, les capacités de Data Reviewer introduisent des workflows automatisés intelligents pour la qualité des données, aidant les utilisateurs à prédire les contrôles de validation, découvrir des insights sur les données et configurer plus efficacement les contrôles qualité. Le support initial se concentre sur les jeux de données réseaux d'eau et d'électricité, avec un support ajouté pour la cartographie intérieure. À mesure que ces capacités évoluent, elles s'étendront à plus d'industries et seront affinées grâce aux retours clients recueillis pendant les tests bêta.<\/P>

Améliorations du contrôle qualité automatisé<\/H4>Les contrôles automatisés de qualité des données sont parmi les capacités les plus utilisées dans Data Reviewer. Les contrôles Data Reviewer<\/A> supportent plusieurs workflows, y compris les règles d'attribut et la commande Run Data Checks dans ArcGIS Pro. Ces capacités aident les organisations à gagner du temps comparé aux approches manuelles du contrôle qualité.<\/P>

Les améliorations prévues visent à rendre la revue automatisée plus complète, flexible et plus facile à appliquer aux workflows courants de gestion des données SIG.<\/P>

• Support étendu pour les entités compatibles Z.<\/STRONG> Le travail continuera pour améliorer la revue automatisée des données conscientes Z. Par exemple, les clients du transport routier et des pipelines ont besoin d'un contrôle

Evaluate Intersection Count<\/A> amélioré afin d'éviter les faux positifs lors de l'identification des entités pipe ou centreline routières compatibles Z qui intersectent d'autres entités.<\/LI>Validation améliorée de la connectivité.<\/STRONG> Les clients gérant des cartes intérieures ou des centrelines routières utilisées pour le routage nécessitent des améliorations au contrôle Feature on Feature<\/A> pour évaluer la connectivité entre entités linéaires. Pour la cartographie intérieure, cela inclut l'identification des entités de transition, telles que les escaliers, qui ne se connectent pas aux deux extrémités avec des entités cheminement comme les couloirs.<\/LI>Support étendu du SQL dans les contrôles.<\/STRONG> Des clients de plusieurs industries ont demandé des mises à jour du contrôle Query Attributes<\/A> pour supporter davantage d'opérateurs et fonctions SQL. Par exemple, utiliser la fonction Modulus pour identifier les plages d'adresses non concordantes sur les centrelines routières et la fonction Cast pour comparer des valeurs d'attribut stockées dans différents types de champs.<\/LI>Nouveaux contrôles pour valeurs dupliquées et manquantes.<\/STRONG> De nouvelles capacités de revue automatisée permettront d'identifier les valeurs d'attribut dupliquées, comme des IDs d'actifs dupliqués dans un jeu de données utilitaire d'eau, sur plusieurs classes d'entités et tables dans une géodatabase. Un nouveau contrôle simplifiera également l'identification des entités et lignes contenant des valeurs nulles, vides ou blanches.<\/LI>

Gestion flexible des erreurs<\/H4>La gestion des erreurs créées lors de la revue qualité peut être considérable étant donné que chaque entité SIG peut potentiellement avoir plusieurs conditions d'erreur associées. Pour relever ces défis, les améliorations prévues se concentrent sur la simplification des processus de gestion des erreurs en offrant plus de flexibilité et contrôle.<\/P>Une amélioration clé est la fourniture d'outils supportant la suppression automatisée des entités erreur qui ne sont plus nécessaires pour le reporting qualité. Par exemple, les organisations pourront automatiser la suppression des erreurs vérifiées après une période de rétention spécifiée (mensuelle, trimestrielle, etc.).<\/P>Pour les clients ne nécessitant pas le suivi des erreurs vérifiées, une nouvelle option permettra de se désengager du processus cycle de vie des erreurs<\/A> de Data Reviewer. Lorsqu'activée sur la géodatabase, les entités erreur seront automatiquement supprimées une fois que la condition erreur associée est résolue, éliminant ainsi les étapes inutiles et offrant un workflow plus efficace lorsque leurs besoins en reporting sont moins complexes.<\/P>

Certaines organisations exigent le suivi des erreurs et étapes correctives pour conformité réglementaire. Les améliorations prévues augmenteront la traçabilité et le reporting tout au long du processus de gestion des erreurs. Lorsqu'activée sur la géodatabase, une entité erreur ne sera plus automatiquement vérifiée une fois que sa condition erreur est résolue. Au lieu de cela, les utilisateurs géreront manuellement le statut de chaque erreur et documenteront les actions prises lors de sa correction et vérification.<\/P>

Reporting sur la qualité des données<\/H4>Le reporting sur la qualité des données joue un rôle crucial en augmentant la transparence au sein d'une organisation. En fournissant une vision claire sur le statut et résultats des contrôles qualité, les parties prenantes peuvent mieux comprendre où existent les problèmes et comment ils peuvent être résolus. Cette visibilité favorise la responsabilité, permet une prise de décision éclairée et encourage une culture d'amélioration continue dans les pratiques de gestion des données.<\/P>Les fonctionnalités prévues pour le reporting qualité incluent l'amélioration de l'outil existant reporting précision data<\/_A> afin qu'il supporte les géodatabases versionnées par branche ainsi que le résumé qualité data et reporting tendance via tableaux de bord.<\/_p>

Support sur Kubernetes<\/_h4>Avec la récente certification de Data Reviewer for ArcGIS Enterprise sous Linux, l'équipe poursuivra ses efforts pour répondre aux nouveaux modèles déploiement client émergents. Cela inclut l'activation du support pour capacités gestion qualité data basées sur Data Reviewer dans ArcGIS Enterprise sur Kubernetes.<\/_p>Objectifs à moyen terme<\/_strong><\/_h3>Les objectifs à moyen terme comprennent ces fonctionnalités prévues trois à quatre versions dans le futur (typiquement 18–24 mois). Ceux-ci incluent le support pour création automatisée règles contrainte et validation basées sur Reviewer, intégration contrôles Data Reviewer dans workflows automatisés via Python, capacité intégrer retours qualité data dans applications web ainsi que support revue qualité data dans ArcGIS Online. <\/_p>Objectifs à moyen terme pour Data Reviewer Objectifs à long termeLes objectifs à long terme sont des éléments de la feuille de route qui n'ont pas encore été attribués à une version spécifique. Ils sont intentionnellement ouverts pour inviter les retours et discussions des clients.Ces objectifs incluent le support de la révision automatisée des fonctionnalités 3D stockées soit comme multipatch ou comme fonctionnalités d'objet 3D, la capacité de stocker des fonctionnalités d'erreur multipoint dans les règles d'attributs de validation, le support de la révision automatisée du contenu des métadonnées, et des compétences en IA qui soutiennent la correction d'erreurs dans les applications courantes d'édition de données.Objectifs à long terme pour Data Reviewer