Descriptif du module TADD
Conditions d’achèvement
À l'ère du numérique, l'internet véhicule des millions de données par
minute dans le monde. Ces données sont alimentées par le biais
d'appareils (ordinateurs, lecteurs de codes, caisses enregistreuses,
terminaux de paiement, etc.) qui les enregistrent et les stockent. L'analyse
de données utilise des techniques statistiques, informatiques et
mathématiques pour extraire des idées significatives des données,
identifier des tendances et des modèles, et aider à la prise de décision.
1. Intitulé/durée
Traitement et Analyse de Données (TAdD).
Le volume horaire de ce module équivaut à 30 heures en
présentiel. Pour maîtriser les contenus et réaliser les activités
d’apprentissage du module, l’apprenant doit investir au moins six
heures hebdomadaires pendant 5 semaines.
2. Pré-requis
Le module requiert des connaissances préalables en calcul
matriciel, statistique descriptive, statistique inférentielle.
3. Objectif général du module
Ce module vise à donner les outils nécessaires pour exploiter les
données de façon à obtenir des modèles descriptifs et prédictifs. Il
s'agit notamment de visualiser les données, prévoir les tendances
futures, créer un modèle proche de la réalité et trouver une solution
optimale en utilisant les données.
À la fin du module, l'apprenant sera capable d'expliquer un
phénomène ou éclairer une décision après avoir mené une analyse
statistique appropriée.
4. Séquences et objectifs spécifiques
Dans un volume de données, plusieurs variables sont en interaction.
Nous allons commencer par étudier la relation entre deux variables,
puis apprendre comment extraire des informations dans un tableau de
données à plusieurs variables. Chaque séquence vise un objectif
spécifique comme suit :
o Séquence 1. Analyse de régression linéaire - Expliquer une
variable à l'aide d'une combinaison linéaire d'une ou plusieurs
variables explicatives
o Séquence 2. Analyse d'une série temporelle - Construire un
modèle prédictif à partir de données temporelles
o Séquence 3. Analyse en composantes principales - Effectuer
une analyse statistique à p variables quantitatives (p > 2)
o Séquence 4. Analyse des correspondances
multiples - Effectuer une analyse statistique à p variables
qualitatives (p > 2)
5. Activités d’apprentissage
Acquisition des connaissances par la lecture active (traitement
d'exemples à l'aide d'un logiciel).
Travail individuel par les exercices d'entraînement et tests
d’autoévaluation.
Travail collaboratif pour la résolution d'une situation problème.
Dans les deux premières séquences, nous allons utiliser un tableur type
EXCEL pour traiter les données. Par la suite, nous allons travailler sur le
logiciel libre Tanagra, développé par Ricco RAKOTOMALALA.
6. Évaluation
L'évaluation sera réalisée à partir des activités d'auto-évaluation
(10%), de deux devoirs à rendre à la fin des séquences 2 et 4 (30%), et
de l'examen final à la fin du semestre (60%).
7. Bibliographie
1. D.R. Anderson, D.J. Sweeney, T. A. Williams, J.D. Camm, J.J.
Cochran, Statistiques pour l'économie et la gestion, Nouveaux
Horizons - De Boeck Supérieur, 2015.
2. D.R. Anderson, D.J. Sweeney, T. A. Williams, Statistics for Business
and Economics, 10e, Thomson South-Western, 2008.
3. D. Caumont et I. Silvester. Analyse des données. Dunod, 2017.
4. P.-C. Pupion, Statistiques pour la gestion. Applications avec Excel,
SPSS, Amos et SmartPLS. Dunod, 2012.
Glossaire
Saisonnalité
Saisonnalité ou effets saisonniers :
Il s’agit des caractéristiques ou des variations régulières dans les données de la
série chronologique qui se manifestent durant le même mois ou le même
trimestre chaque année.
Souvent, ces effets saisonniers résultent de variations bien établies de l’activité
économique liées au calendrier, comme les augmentations des ventes au détail
durant la période qui précède Noël, ou la hausse de l’emploi dans le secteur de la
construction au printemps. Les ventes au détail sont habituellement plus
importantes le samedi que n’importe quel autre jour. Par conséquent, elles seront
vraisemblablement plus élevées durant un mois comprenant cinq samedis que
durant un mois n’en comprenant que quatre.
Les données des séries chronologiques mensuelles ou trimestrielles sont parfois
influencées par des effets saisonniers et de calendrier. Ces effets peuvent
entraîner dans les données des changements qui, habituellement, surviennent au
même moment et sont d’à peu près la même importance chaque année.
Une série chronologique désaisonnalisée est une série chronologique mensuelle
ou trimestrielle que l’on a modifiée afin d’éliminer les effets saisonniers et de
[Link] données désaisonnalisées permettent d’effectuer des
comparaisons plus justes de la conjoncture économique d’une période à l’autre.