L’analyse de données a plusieurs objectifs : mieux comprendre une situation ou un phénomène, identifier les déterminants ou facteurs explicatifs de certains comportements, définir des politiques et des actions plus efficaces en fonction des buts poursuivis. Par ailleurs, au-delà de la simple analyse de données, il faut aussi être capable de présenter de façon percutante et pédagogue les résultats obtenus et les propositions qui en découlent (data visualisation). Enfin, plus récemment, le big data et l'intelligence artificielle ont permis l’émergence de nouvelles méthodes, notamment autour de la personnalisation et de la prédiction.

Ce livre n'a ainsi pas pour but de former des experts pointus sur le sujet, mais de fournir une introduction à l'analyse de données, permettant d'effectuer soi-même l'analyse de données, ou de pouvoir commanditer des analystes à des cabinets ou à des services experts (tout en disposant du vocabulaire et ces acteurs), selon les cas.

Sommaire de l'ouvrage

Avant de commencer
Approche quantitative ou qualitative ? Que veut-on mesurer ? Quels sont les objectifs ? Quels sont les moyens ? Les différents logiciels de statistiques. Les limites de la quantification.
Les sources de données
Les données : définitions La population de l’étude. Les données d’entreprise. Le questionnaire : les questions. Le questionnaire : les biais. Les données externes. Combiner différentes sources.
Transformer les données en indicateurs
Les différents types de variables. Les différents types d’indicateurs. Définir un indicateur. Utiliser les indicateurs. Construire un tableau de bord.
Analyser les données en bivarié
Deux variables quantitatives : les nuages de points. Le coefficient de corrélation. Deux variables qualitatives : tableaux et graphiques. Le test du chi-deux. Deux types de variables : tableaux et graphiques. L’analyse de la variance. Interprétation et analyse.
Analyser les données en multivarié
L’analyse factorielle. L’analyse typologique. La régression linéaire simple. La régression linéaire multiple. La régression logistique multiple.
Mesurer les effets des politiques mises en place
Définir des objectifs chiffrés. Les effets de conjoncture et de structure. Pourquoi isoler les effets d’une politique ? L’approche par les projections. L’approche expérimentale. L’approche « toutes choses égales par ailleurs ».
Visualiser les données
Enjeux de la data visualisation. Objectifs de la data visualisation. Adapter les graphiques aux objectifs. Quelques règles clés. La data visualisation interactive. Limites et risques de la data visualisation.
Présenter les résultats
Structurer sa présentation. Spécifier les objectifs. S’adapter à la situation. Privilégier la pédagogie. Interpréter collectivement. Tirer les conclusions pour l'action.
Évolutions récentes dans l'analyse de données
Définitions : big data, intelligence artificielle. Données structurées et non structurées. L’analyse textuelle. Les algorithmes et la notion d’apprentissage. L’apprentissage supervisé ou non supervisé. L’approche prédictive. L’automatisation. Les enjeux juridiques et éthiques.

Les + en ligne

Les contenus complémentaires servent à réaliser les exercices présents dans l'ouvrage.
Base 1. Ensemble de salariés d'une entreprise
Base 2. Échantillon d'achats dans une chaîne de boutiques
Base 3. Échantillon d'abonnés à une plateforme de vidéos à la demande