Session 2 Données Collecte Exercices

Data et Business Analytics

Clara Jean

Grenoble Ecole de Management

March 18, 2025

1/27
Clara Jean DBA
 Session 2 Données Collecte Exercices

Rappel session et objectifs de la S2

Rappel
⋆ Introduction à la business analytics
⋆ Introduction à la programmation

Objectifs
⋆ Données / information
⋆ Collecte de données
⋆ Importation de données
⋆ Management de données
⋆ Nettoyage de données

2/27
Clara Jean DBA
 Session 2 Données Collecte Exercices

Données / Information

Données
Faits numériques ou textuels collectés par un certain processus de
mesure.

Information
Résultat du traitement, de l’analyse ou de l’interprétation des
données, c’est-à-dire des données mises en contexte.

3/27
Clara Jean DBA
 Session 2 Données Collecte Exercices

Données

Origine
⋆ Internes: Données d’inventaire, données clients, données
salariés, etc.
⋆ Externes: Tendances économiques, taux d’intérêt, etc.
Forme
⋆ Structurées: Organisées dans un référentiel formaté qui est
généralement une base de données e.g. dates, numéro de
téléphone
⋆ Non-structurées: Ne disposent pas de modèle de données
prédéfini e.g. Texte, audio, vidéos
⋆ Semi-structurées: JSON

4/27
Clara Jean DBA
 Session 2 Données Collecte Exercices

Données consommateurs

3 grands types de données sur les consommateurs (HBS, 2021):

⋆ First-party data: Collectées directement auprès de vos clients
par votre organisation
⋆ Second-party data: Données partagées par une autre
organisation sur vos clients e.g. produits Millet vendus au
Vieux Campeur
⋆ Third-party data: Données agrégées et louées ou vendues par
des organisations qui n’ont aucun lien avec votre entreprise ou
vos utilisateurs e.g. Acxiom, Equifax (data brokers)

5/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

La collecte de données

Définition: Processus méthodologique de collecte d’informations

sur un sujet spécifique.

Critières à définir: Pour quoi faire? Qui? Quand? Comment?

Moyens
⋆ Enquêtes, formulaires, interviews
⋆ Observations, experimentations
⋆ “Tracking” des transactions, comportement en ligne (e.g.
pixels, cookies)
⋆ API, web-scraping, fichiers de données stockés en ligne,
données ouvertes

6/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Une API: C’est quoi?

⋆ Application Programming Interface (API)

⋆ Permet à un ordinateur de demander une information à un
autre ordinateur, par internet ([Link])1

1 On parle plus souvent d’applications que d’ordinateurs 7/27

Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Uber et Google Maps

Figure: Uber

8/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Le Web-scraping: C’est quoi?

Figure: [Link]

⋆ Web-scraping : Processus d’extraction et d’organisation

automatisé de données d’un site web.
⋆ Le copier-coller d’informations à partir d’un site web peut
également être considéré comme du web-scraping, mais à un
niveau manuel.
9/27
Clara Jean DBA
Session 2 Données Collecte Exercices API Web scraping Pratique

10/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Comment procéder à l’analyse de données?

1. Collecte des données: Import des données

2. Management de données: Merge, append, etc.
3. Nettoyage de données: Valeurs aberrantes, valeurs
manquantes, manipulation de variables et de leurs formats
4. Exploration et visualisation de données: histogrammes,
graphiques, distributions, statistiques descriptives
5. Analyse des données: Corrélations, tests statistiques,
régressions linéaires, logisitiques
6. Recommendations: Interprétation des résultats pour la prise de
décision

11/27
Clara Jean DBA
Session 2 Données Collecte Exercices API Web scraping Pratique

Import de la BDD sur Rstudio

12/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Importation check
1. “Est-ce que je vois ce que je suis censé.e voir?” ⇒ Afficher les
premières lignes

2. “Est-ce que je vois TOUT ce que suis censé.e voir?”

⇒ Dimension de la base

3. “Est-ce que les noms des variables sont corrects et propres ?”

⇒ Vérifier le nom des colonnes

4. “Ai-je des données manquantes ou dupliquées?”

⇒ Quantifier et identifier les valeurs manquantes

5. “Ai-je des données aberrantes?”

⇒ Identifier les valeurs aberrantes et les supprimer pour ne pas
fausser l’analyse

6. “Les variables sont elles sous le bon format pour permettre l’analyse
?”
⇒ Vérifier le “type/ format” des variables 13/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Les variables
⋆ Quantitative: représentée par un nombre e.g. âge, distance,
durée
⋆ Qualitative: mesure des “états”

Quantitative
⋆ Discrète: prend une valeur finie e.g. nombre de personnes dans
une salle
⋆ Continue: prend un nombre infini de valeurs réelles possibles
dans un intervalle donné e.g. temps
Qualitative
⋆ Nominale: triée en catégories selon des caractéristiques e.g.
homme/femme, marque de voiture (Audi, Renault, Mercedes)
⋆ Ordinale: peut être ordonnée ou classée selon une certaine
relation les uns avec les autres e.g. satisfaction (1 à 5)
14/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Atelier

Indiquez le type de variable correspondant:

⋆ Marque d’ordinateur portable
⋆ Nombre de films regardés par semaine
⋆ Évaluation de la qualité de l’air (Mauvaise à Excellente)
⋆ Nombre d’étages dans un immeuble
⋆ Temps nécessaire pour préparer un repas
⋆ Genre de film préféré par un individu
⋆ Marque de chaussures de sport choisie

15/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Etape 2: Management de données

Figure: [Link]

16/27
Clara Jean DBA
Session 2 Données Collecte Exercices API Web scraping Pratique

Figure: [Link] 17/27

Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Etape 3: Nettoyage de données - Management de variables

⋆ Créer des variables et les supprimer

⋆ Renommer des variables
⋆ Transformer des variables
⋆ Formatter des variables

18/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Valeurs manquantes

Option 1: Les recoder

⋆ remplacer par : mean(x), 0, min(x), max(x)
⋆ garder une indication des valeurs remplacées

Option 2: Les exclure

⋆ Les exclure des opérations mathématiques: [Link] = TRUE
⋆ Créer un sous-échantillon sans valeurs manquantes:
[Link](df) ou df[[Link](df), ]

19/27
Clara Jean DBA
 Session 2 Données Collecte Exercices API Web scraping Pratique

Les valeurs aberrantes

Définition
⋆ Observation dans un ensemble de données donné qui se trouve
loin du reste des observations
⋆ Largement supérieure ou inférieure aux valeurs restantes de
l’ensemble

Valeurs aberrantes
⋆ Variabilité des données
⋆ Erreur expérimentale/humaine

Pourquoi posent-elles problème?

⋆ Peut fausser les estimations et interprétations relatives

Comment les détecter & que faire ?

⋆ Nuage de points
⋆ Suppression (en général) 20/27
Clara Jean DBA
 Session 2 Données Collecte Exercices Exercices DBD 3A Exercices DBD 2A

Exercice 1: Import et Management des données

Téléchager le fichier csv institulé "[Link]"

1. Indiquez le nombre de variables et le nombre d’observations

(structure de la df)
2. Vérifier les noms des variables
3. Indiquez la nature (qualitative ou quantitative) des variables
pour chacune d’elle (sans commande R; à mettre en
commentaire dans le script)
4. Renommer la variable "Name" par "Game_name"
5. Comptez le nombre de valeurs unique pour la variable
"Publisher"
6. Lister les valeurs uniques pour la variable "Platform"

" Pour chacun des items ci-dessus, réalisez la commande

correspondante sur Rstudio et commentez le résultat que vous
obtenez. 21/27
Clara Jean DBA
 Session 2 Données Collecte Exercices Exercices DBD 3A Exercices DBD 2A

Exercice 2: Nettoyage des données

Utilisez le fichier csv institulé "[Link]"

1. Faire un graphique qui indique le nombre de variables

discrètes, continues, et le % de valeurs manquantes
2. Assurez-vous qu’il n’y a pas de valeur manquantes ("" ou
"N/A") dans les variables textes "Year" et "Publisher".
3. En cas de valeur manquantes, indiquez leur nombre pour
chacune des variables concernées.
4. Constatez-vous des valeurs aberrantes quand vous représentez
par un nuage de points les variables "NA_Sales" et "Year". Si
oui, combien?
5. Créer une dataframe sans valeurs aberrantes. Combien
d’observations disposez-vous dans cette nouvelle dataframe?

" Pour chacun des items ci-dessus, réalisez la commande

correspondante sur Rstudio et commentez le résultat que vous
obtenez. 22/27
Clara Jean DBA
 Session 2 Données Collecte Exercices Exercices DBD 3A Exercices DBD 2A

Pour ceux qui veulent aller plus loin sur l’aspect collecte de
données

23/27
Clara Jean DBA
 Session 2 Données Collecte Exercices Exercices DBD 3A Exercices DBD 2A

Import de données
1. Importez dans une df "metrogre" le fichier csv suivant
directement à partir de cette adresse: [Link]
[Link]/sites/default/files/dataset/
2023/08/10/33a69c65-0db3-4a30-b39a-c4c6defbe03d/
irve_normalise_etalab.csv
2. Importer dans une df "sirene" les données à partir de du
dossier zip suivant: [Link]
insee-sirene/StockDoublons_utf8.zip
3. Importer dans une df "conso_dom" les données du tableau
"Consommation domestique" à partir de l’url suivante:
[Link]
27eau_domestique_par_pays
4. Importer dans une df "json data" les données en format json à
partir de l’url suivante: https:
//[Link]/api/explore/v2.1/catalog/datasets/
ndur_s_qf_400_dep/exports/json?lang=fr&refine=
24/27
dtreffre%3A%222024%22&timezone=Europe%2FBerlin
Clara Jean DBA
 Session 2 Données Collecte Exercices Exercices DBD 3A Exercices DBD 2A

Collecte de données via Packages

⋆ Collecter des données du package suivant: wbstats

⋆ Installer le package
⋆ Charger le package
⋆ Faite une recherche d’aide pour comprendre la structure de la
requête à réaliser
⋆ Faites une requete pour connaitre la population totale dans
tous les pays entre 2018 et 2024
⋆ Mettre vos résultats dans une dataframe "pop1824"
⋆ Faites la même chose pour le nombre de chercheurs en R&D
entre 2010 et 2015; appelez la df "research1015"

25/27
Clara Jean DBA
 Session 2 Données Collecte Exercices Exercices DBD 3A Exercices DBD 2A

Collecte de données via API

Récupérer les données de l’INSEE:

⋆ Package R: insee
⋆ Aidez-vous de ce lien: https:
//[Link]/fr/reuses/insee-package-r/
⋆ Imprimer toutes les bases de données disponible et mettez les
dans une dataframe "data_list"
⋆ Choisissez un data set de votre choix (e.g. Indice des prix à la
consommation, chômage, etc.) et importez le dans une df
⋆ Vous aurez besoin de connaitre: le nom de la base que vous
voulez importez (cf. la df "data_list")
⋆ Connaitre la fonction qui vous permettra de l’importer
(aidez-vous des vignettes et de la commande d’aide)

26/27
Clara Jean DBA
 Session 2 Données Collecte Exercices Exercices DBD 3A Exercices DBD 2A

Webscraping

Pour cet exercice, vous n’avez pas besoin de vérifier le fichier

[Link]. Ce site Web est conçus pour le webscraping. Avant
tout, je vous conseille de regarder le notebook R intitulé
"web_scraping_tutorial" qui vous fait une démo. Puis:
⋆ Allez sur [Link]
⋆ Scrapez le site en collectant le nom, le prix, la disponibilité et
la note du livre (cette dernière est facultative).
Concentrez-vous sur la première page.
⋆ Mettez tout dans un dataframe
⋆ Exportez le dataframe dans un csv
⋆ Option: Automatiser le processur pour tous les livres

27/27
Clara Jean DBA