See discussions, stats, and author profiles for this publication at: [Link]

net/publication/389105504

L'Essentiel de l'Analyse de Données : Devenir un Data

Analyst

Preprint · February 2025

DOI: 10.13140/RG.2.2.31558.59208

CITATIONS READS

0 538

1 author:

Saïd Boularouk
University of Avignon
8 PUBLICATIONS 81 CITATIONS

SEE PROFILE

All content following this page was uploaded by Saïd Boularouk on 19 February 2025.

The user has requested enhancement of the downloaded file.

Le référentiel du data Analyst

Dr. Saïd Boularouk

19 février 2025
2
Table des matières

1 Préparation et Réflexion 17
1.1 Comprendre la puissance des données . . . . . . . 17
1.2 Analyse des Données et Sciences des Données . . 18
1.2.1 L’analyse des Données . . . . . . . . . . . 19
1.2.2 La Science des Données . . . . . . . . . . . 20
1.2.3 Analyse des Affaires . . . . . . . . . . . . 21
1.2.4 Comparaison entre Business Analytics et
Data Science . . . . . . . . . . . . . . . . 22
1.3 Exemples d’Applications de l’Analyse des Don-
nées et de la Science des Données . . . . . . . . . 23
1.3.1 Analyse Descriptive et Diagnostique . . . . 24
1.3.2 Analyse Prédictive et Prescriptive . . . . . 24
1.3.3 Applications de la Science des Données . . 25
1.3.4 Synthèse des Applications . . . . . . . . . 26
1.4 Le Rôle du Data Analyst : Comprendre les Dis-
tinctions . . . . . . . . . . . . . . . . . . . . . . . 26
1.4.1 Les Différents Rôles d’Analyse des Données 26
1.4.2 Les Responsabilités Clés du Data Analyst 28
1.5 Devenir chef de projet en tant que data analyst . 29
1.5.1 Liens entre analyste de données et chef de
projet . . . . . . . . . . . . . . . . . . . . 31
1.5.2 Agir en détective . . . . . . . . . . . . . . 31
1.5.3 L’instinct . . . . . . . . . . . . . . . . . . 33
1.5.4 Compétences et pensée analytiques . . . . 34

3
 1.5.5 Les Problèmes les Plus Fréquemment
Rencontrés . . . . . . . . . . . . . . . . . . 37
1.6 Les écosystèmes de Données . . . . . . . . . . . . 38
1.6.1 Collecte des Données . . . . . . . . . . . . 39
1.6.2 Sources de Collecte de Données . . . . . . 40
1.6.3 Les bonnes Pratiques de Collecte de Don-
nées . . . . . . . . . . . . . . . . . . . . . 41
1.6.4 Cycle de Vie Classique des Données . . . . 42

2 De la donnée à la décision 43
2.1 La prise de décision basée sur les données : une
approche stratégique et méthodique . . . . . . . . 43
2.1.1 Le cycle de vie des données : un processus
méthodique . . . . . . . . . . . . . . . . . 44
2.2 L’intérêt de la Mise en Contexte . . . . . . . . . . 45
2.2.1 Quelques recommandations pour une mise
en contexte efficace . . . . . . . . . . . . . 47
2.3 Cycle de vie de l’analyse des données . . . . . . . 47
2.3.1 Phases du cycle de vie de l’analyse des
données . . . . . . . . . . . . . . . . . . . 48
2.3.2 Itérations et évolutions dans le cycle de
vie des données . . . . . . . . . . . . . . . 50
2.4 La pensée structurée dans l’analyse des données :
Une approche systématique pour la résolution de
problèmes . . . . . . . . . . . . . . . . . . . . . . 51
2.5 Les Questions SMART . . . . . . . . . . . . . . . 53
2.5.1 Les principes d’une bonne question . . . . 54
2.5.2 Exemples de questions SMART . . . . . . 54
2.5.3 Les Cinq Pourquoi . . . . . . . . . . . . . 55
2.5.4 L’Analyse des Écarts . . . . . . . . . . . . 56
2.5.5 Remise en Question . . . . . . . . . . . . . 56
2.6 Exemple du déroulement d’un projet . . . . . . . 56
2.6.1 Scénario d’échange de Mails pour une
Étude sur la Rentabilité des Vélos . . . . . 57
2.6.2 Durée estimée du projet . . . . . . . . . . 61

4
 2.6.3 Répartition des rôles . . . . . . . . . . . . 62

3 Compétences et Outils 65
3.1 Limites des données . . . . . . . . . . . . . . . . . 65
3.1.1 Données incomplètes . . . . . . . . . . . . 66
3.1.2 Données mal organisées . . . . . . . . . . . 66
3.1.3 Données corrompues . . . . . . . . . . . . 66
3.2 Positionnement du Data Analyst au sein de l’Or-
ganisation . . . . . . . . . . . . . . . . . . . . . . 67
3.2.1 Respect des bonnes pratiques . . . . . . . 72
3.2.2 Les Réunions . . . . . . . . . . . . . . . . 76
3.3 Les outils du data analyste . . . . . . . . . . . . . 79
3.4 Les feuilles de calcul . . . . . . . . . . . . . . . . 81
3.4.1 Les formules . . . . . . . . . . . . . . . . . 81
3.4.2 Astuces de détection des erreurs . . . . . . 81
3.5 Le langage SQL . . . . . . . . . . . . . . . . . . . 82
3.6 R et Python pour le data analyste . . . . . . . . . 83
3.6.1 R . . . . . . . . . . . . . . . . . . . . . . . 83
3.6.2 Python . . . . . . . . . . . . . . . . . . . . 84
3.7 Les outils du data analyste . . . . . . . . . . . . . 85
3.8 Les feuilles de calcul . . . . . . . . . . . . . . . . 86
3.8.1 Les formules . . . . . . . . . . . . . . . . . 87
3.8.2 Astuces pour détecter et éviter les erreurs 87
3.9 Le langage SQL . . . . . . . . . . . . . . . . . . . 88
3.10 R et Python pour le data analyste . . . . . . . . . 88
3.10.1 R . . . . . . . . . . . . . . . . . . . . . . . 88
3.10.2 Python . . . . . . . . . . . . . . . . . . . . 89
3.11 Exemple du déroulement d’un projet . . . . . . . 90
3.12 Réunion de l’Équipe Projet . . . . . . . . . . . . 90
3.12.1 Participants . . . . . . . . . . . . . . . . . 90
3.12.2 Déroulement de la Réunion . . . . . . . . 91
3.12.3 Rôles et Responsabilités . . . . . . . . . . 91
3.12.4 Conclusion de la Réunion . . . . . . . . . 92

5
4 Collecte de Données 95
4.1 Choix des données . . . . . . . . . . . . . . . . . 95
4.1.1 Types de données . . . . . . . . . . . . . . 96
4.1.2 Collecte des données secondaires et tierces 98
4.1.3 Respect de l’éthique lors de la collecte des
données . . . . . . . . . . . . . . . . . . . 99
4.2 La fiabilité des données . . . . . . . . . . . . . . . 99
4.3 Éthique et Confidentialité des Données . . . . . . 101
4.3.1 Éthique des Données . . . . . . . . . . . . 101
4.3.2 Confidentialité des données . . . . . . . . 102
4.4 Données open source . . . . . . . . . . . . . . . . 103
4.5 Les métadonnées . . . . . . . . . . . . . . . . . . 104
4.5.1 Référentiel de métadonnées . . . . . . . . 104
4.6 L’intégrité des Données . . . . . . . . . . . . . . . 105
4.6.1 Lois et normes . . . . . . . . . . . . . . . 105
4.7 Nettoyage des données . . . . . . . . . . . . . . . 106
4.8 Les données insuffisantes . . . . . . . . . . . . . . 107
4.9 Les données Corrompues . . . . . . . . . . . . . . 107
4.10 Exemple du déroulement d’un projet de location
de vélos . . . . . . . . . . . . . . . . . . . . . . . 108
4.10.1 Collecte des données . . . . . . . . . . . . 109
4.10.2 Choix du format de sauvegarde . . . . . . 109
4.10.3 Extraction et transformation des données . 110
4.10.4 Nettoyage et prétraitement des données . . 110
4.10.5 Stockage et accès aux données . . . . . . . 110
4.10.6 Transition vers l’analyse des données . . . 111
4.10.7 Transformation de JSON à CSV en Python 111

5 Nettoyage des données 113

5.1 Utilisation d’un Échantillon . . . . . . . . . . . . 113
5.1.1 Pourquoi Utiliser un Échantillon ? . . . . . 113
5.1.2 Les Compromis de l’Échantillonnage . . . 114
5.1.3 Comment Déterminer la Taille de l’Échan-
tillon ? . . . . . . . . . . . . . . . . . . . . 114
5.1.4 Précautions et Stratégies . . . . . . . . . . 115

6
 5.2 Utiliser un échantillon . . . . . . . . . . . . . . . 115
5.2.1 Biais d’Échantillonnage . . . . . . . . . . . 115
5.2.2 Facteurs à Prendre en Compte pour Dé-
terminer la Taille de l’Échantillon . . . . . 116
5.3 Calcul de la Taille de l’Échantillon . . . . . . . . 116
5.3.1 Formule de Calcul de la Taille de l’Échan-
tillon . . . . . . . . . . . . . . . . . . . . . 117
5.3.2 Exemple Pratique . . . . . . . . . . . . . . 117
5.4 Nettoyage des données avec les tableurs . . . . . . 118
5.5 Exemples de nettoyage des données dans Excel et
Google Sheets . . . . . . . . . . . . . . . . . . . . 121
5.5.1 Identification et gestion des données man-
quantes . . . . . . . . . . . . . . . . . . . 121
5.5.2 Suppression des doublons . . . . . . . . . . 122
5.5.3 Suppression de caractères indésirables . . . 122
5.6 Nettoyage des données : quelques étapes et outils
clés . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.6.1 Identification et gestion des données man-
quantes . . . . . . . . . . . . . . . . . . . 122
5.6.2 Suppression des doublons . . . . . . . . . . 124
5.6.3 Correction des incohérences et des erreurs
typographiques . . . . . . . . . . . . . . . 125
5.6.4 Transformation des données . . . . . . . . 125
5.6.5 Suppression ou imputation des données
manquantes . . . . . . . . . . . . . . . . . 126
5.7 Exemple du projet de location de vélos . . . . . . 126
5.7.1 Nettoyage des données avec R . . . . . . . 127
5.7.2 Suppression des lignes avec des valeurs
manquantes en R . . . . . . . . . . . . . . 128

6 Agrégation et Interprétation des Données 129

6.1 Importance et Techniques de l’Agrégation des
Données . . . . . . . . . . . . . . . . . . . . . . . 129
6.2 Corrélation et Causalité . . . . . . . . . . . . . . 130
6.3 Méthodes Clés d’Agrégation . . . . . . . . . . . . 132

7
 6.4 Outils et Logiciels pour l’Agrégation de Données . 132
6.4.1 Principaux Outils et Logiciels Utilisés . . . 133
6.4.2 Exemples d’Agrégation de Données par
Secteur . . . . . . . . . . . . . . . . . . . . 134
6.4.3 Agrégation en SQL . . . . . . . . . . . . . 135
6.4.4 Agrégation en Python . . . . . . . . . . . 136
6.4.5 Agrégation en R . . . . . . . . . . . . . . 138
6.5 Interprétation des Données . . . . . . . . . . . . . 139
6.6 Formules Mathématiques en Analyse de Données 141
6.6.1 Exemple Pratique . . . . . . . . . . . . . . 144
6.6.2 Mathématique et Outils . . . . . . . . . . 145
6.7 Exemple du Projet de Location de Vélos . . . . . 146
6.7.1 Contexte . . . . . . . . . . . . . . . . . . . 146
6.7.2 Analyse des Données par Kareem . . . . . 147
6.8 Analyse des Tendances de Location de Vélos . . . 151
6.8.1 1. Locations pendant le Week-End . . . . 151
6.8.2 2. Périodes de Vacances . . . . . . . . . . 151
6.8.3 3. Heures de Pointe . . . . . . . . . . . . . 152
6.8.4 4. Optimisation de la Gestion des Vélos . . 153
6.8.5 Conclusion . . . . . . . . . . . . . . . . . . 153

7 Visualisation et Communication 155

7.1 La Visualisation des Données : Un Outil Essentiel
pour la Communication . . . . . . . . . . . . . . . 155
7.2 L’Impact de la Visualisation sur la Communica-
tion et la Prise de Décision . . . . . . . . . . . . . 157
7.3 Le Design Thinking . . . . . . . . . . . . . . . . . 158
7.4 Bonne et Mauvaise Représentation Graphique . . 159
7.4.1 Une bonne représentation graphique se ca-
ractérise par : . . . . . . . . . . . . . . . . 160
7.4.2 En revanche, une mauvaise représenta-
tion graphique présente les caractéris-
tiques suivantes : . . . . . . . . . . . . . . 161
7.5 Les méthodes de visualisation . . . . . . . . . . . 161
7.5.1 La méthode McCandless . . . . . . . . . . 162

8
 7.5.2 Vérification de la Trifecta des Junk Charts
de Kaiser Fung . . . . . . . . . . . . . . . 163
7.6 Exploitation des Attributs Pré-Attentifs dans la
Visualisation des Données . . . . . . . . . . . . . 164
7.6.1 Les Marques Visuelles . . . . . . . . . . . 165
7.6.2 Les Canaux Visuels . . . . . . . . . . . . . 166
7.7 La Géomatique et la Représentation Spatiale des
Données . . . . . . . . . . . . . . . . . . . . . . . 167
7.7.1 L’Intérêt de la Visualisation Spatiale . . . 167
7.7.2 Applications Pratiques de la Visualisation
Spatiale . . . . . . . . . . . . . . . . . . . 168
7.8 Principes de conception . . . . . . . . . . . . . . . 168
7.9 Titre et étiquettes . . . . . . . . . . . . . . . . . . 170
7.10 Pertinence d’une visualisation . . . . . . . . . . . 171
7.11 Création d’un Tableau de Bord Efficace . . . . . . 173
7.12 Choix du Graphique . . . . . . . . . . . . . . . . 174
7.12.1 Histogramme et Graphique de Densité . . 175
7.12.2 Diagramme à Barres . . . . . . . . . . . . 175
7.12.3 Graphique Linéaire et Camembert . . . . . 175
7.12.4 Les Bonnes Pratiques . . . . . . . . . . . . 175
7.13 L’Art du Diaporama . . . . . . . . . . . . . . . . 176
7.14 Présentation des Résultats . . . . . . . . . . . . . 177
7.14.1 Conseils pour une présentation réussie . . 177
7.14.2 Anticipation des objections . . . . . . . . . 177
7.14.3 Anticipation des questions . . . . . . . . . 178
7.14.4 Citations et Cas d’Échecs . . . . . . . . . 179
7.15 Exemple du projet de location de vélos . . . . . . 179
7.16 Code d’Analyse . . . . . . . . . . . . . . . . . . . 180
7.17 Distribution des Types de Vélo . . . . . . . . . . 180
7.18 Distribution des Durées des Trajets . . . . . . . . 181
7.19 Nombre de Trajets par Type de Membre . . . . . 181
7.20 Nombre de Trajets par Heure de la Journée . . . 182
7.21 Top 10 des Stations de Départ . . . . . . . . . . . 182
7.22 Heatmap des Trajets . . . . . . . . . . . . . . . . 183

9
8 Analyse et IA 185
8.1 Pourquoi analysons-nous les données ? Ce que
nous cherchons et comment voir au-delà des chiffres185
8.1.1 L’objectif de l’analyse des données . . . . 185
8.1.2 Peut-on voir au-delà des données ? . . . . 186
8.1.3 Peut-on éviter un problème avec l’analyse
des données ? . . . . . . . . . . . . . . . . 187
8.2 L’Intelligence Artificielle au Service de l’Analyse
des Données . . . . . . . . . . . . . . . . . . . . . 188
8.2.1 Collecte de Données . . . . . . . . . . . . 188
8.2.2 Prétraitement des Données . . . . . . . . . 188
8.2.3 Analyse des Données . . . . . . . . . . . . 189
8.2.4 Visualisation des Données . . . . . . . . . 189
8.2.5 Prédiction et Modélisation . . . . . . . . . 190
8.3 L’Intelligence Artificielle : Fruit des Données ou
Générateur de Connaissance ? . . . . . . . . . . . 191
8.3.1 Le Carburant de l’Intelligence Artificielle :
Les Données . . . . . . . . . . . . . . . . . 191
8.3.2 L’IA comme Extension de l’Analyse des
Données . . . . . . . . . . . . . . . . . . . 192
8.3.3 La Philosophie de l’IA et des Données : La
Question de l’Autonomie et de la Création 192
8.3.4 Une Intelligence Fondée sur l’Accumulation 193
8.4 Applications de l’IA dans l’Analyse des Données . 194
8.5 Application de l’Intelligence Artificielle à l’Ana-
lyse : L’Importance de l’Analyse Prédictive . . . . 195
8.5.1 Qu’est-ce que l’Analyse Prédictive ? . . . . 195
8.5.2 Rôle de l’IA dans l’Analyse Prédictive . . 195
8.5.3 Exemples d’Applications de l’Analyse
Prédictive Alimentée par l’IA . . . . . . . 196
8.5.4 Limites et Défis . . . . . . . . . . . . . . . 197
8.6 Modèles de Prédiction . . . . . . . . . . . . . . . 197
8.6.1 Régression Linéaire . . . . . . . . . . . . . 198
8.6.2 Régression Logistique . . . . . . . . . . . . 198
8.6.3 Forêts Aléatoires (Random Forests) . . . . 198

10
 8.6.4 Réseaux Neuronaux Artificiels . . . . . . . 199
8.6.5 Machines à Vecteurs de Support (SVM) . 199
8.6.6 Modèles de Séries Temporelles : ARIMA
et LSTM . . . . . . . . . . . . . . . . . . . 200
8.6.7 Applications et Limites des Modèles Pré-
dictifs . . . . . . . . . . . . . . . . . . . . 200
8.7 Prédiction des Ventes de Pâtisseries . . . . . . . . 200
8.7.1 Jeu de Données . . . . . . . . . . . . . . . 201
8.7.2 Code Python pour Générer les Données . . 201
8.8 Jeu de Données . . . . . . . . . . . . . . . . . . . 201
8.9 Code Python . . . . . . . . . . . . . . . . . . . . 202
8.10 Prédiction par Régression Linéaire . . . . . . . . . 203
8.10.1 Fonction de Régression Linéaire . . . . . 203
8.10.2 Exemple : Prédiction des Ventes de Pâ-
tisseries . . . . . . . . . . . . . . . . . . . 204
8.10.3 Code Python pour la Régression Linéaire 205
8.10.4 Résultat . . . . . . . . . . . . . . . . . . 206
8.10.5 Interprétation des Coefficients . . . . . . 206
8.10.6 Conclusion . . . . . . . . . . . . . . . . . 207
8.11 Conclusion : Le Profil du Data Analyste et
Conseils pour Réussir . . . . . . . . . . . . . . . . 208

11
12
Abstract

Depuis l’Antiquité, les données jouent un rôle clé dans la

compréhension et la gestion des sociétés. Les premières traces de
leur utilisation remontent aux civilisations égyptienne et babylo-
nienne, où elles servaient à optimiser l’agriculture, le commerce
et les projets de construction. Au fil des siècles, cette utilisation
a évolué, passant par la cartographie statistique à la Renaissance
et les révolutions de Florence Nightingale en santé publique au
19e siècle.
Le 20e siècle marque une transformation majeure avec l’essor
de l’informatique. Les bases de données ont commencé à struc-
turer l’information à grande échelle, et l’analyse statistique est
devenue une discipline incontournable. Aujourd’hui, à l’ère de la
révolution numérique, l’analyse des données est omniprésente,
fournissant des outils sophistiqués capables de révéler des sché-
mas, d’anticiper l’avenir et de résoudre des défis complexes.
Les données ne sont pas de simples chiffres ; elles sont une
clé magique ouvrant la porte à des perspectives inattendues. En
décryptant des problèmes et leurs origines, elles permettent de
découvrir des solutions souvent révolutionnaires. L’analyse des
données est devenue essentielle pour guider les entreprises dans
leurs décisions stratégiques, maximiser les revenus, réduire les
coûts et prévoir les tendances. Les data analysts sont des archi-
tectes du futur, capables d’éclairer les chemins à suivre grâce à
leurs prédictions éclairées.
Tout commence par une question : « Que voulons-nous sa-
voir ? » Ce livre est conçu comme une feuille de route. Il vous
guide depuis les premières étapes de collecte et de traitement des
données jusqu’à leur interprétation et leur visualisation. Nous
explorerons des outils puissants, des techniques éprouvées et des
pratiques essentielles pour transformer des données brutes en
informations exploitables.
Le rôle du data analyste s’est transformé pour devenir un
maillon crucial du succès, que ce soit dans les entreprises, les
administrations ou les organisations à but non lucratif. Maîtriser
les données, c’est détenir le pouvoir de prendre des décisions
éclairées, d’optimiser les performances et de construire un avenir
durable.
Les données ne sont pas seulement des chiffres ; elles sont une
boussole pour naviguer dans un monde en constante évolution.
Ce livre est une invitation à découvrir cet univers fascinant et à
exploiter pleinement le potentiel des données pour façonner un
avenir meilleur.

14
Copyright © 2023

Tous droits réservés. Aucune partie de cette publication ne peut être

reproduite, stockée ou transmise sous quelque forme ou par quelque
moyen que ce soit, électronique, mécanique, photocopie, enregistre-
ment, balayage ou autre, sans l’autorisation écrite de l’éditeur. Il
est illégal de copier ce livre, de l’afficher sur un site web ou de le
distribuer par tout autre moyen sans autorisation.

Ce roman est entièrement une œuvre de fiction. Les noms, les person-
nages et les incidents qui y sont décrits sont le fruit de l’imagination
de l’auteur. Toute ressemblance avec des personnes réelles, vivantes
ou décédées, des événements ou des lieux est entièrement fortuite.

Première édition, 2023

15
16
Chapitre 1

Préparation et Réflexion :
Les Premières Étapes de
l’Analyse de Données

1.1 Comprendre la puissance des

données

Les données sont au cœur de la prise de décision moderne. Que ce

soit dans les affaires, la science, la santé ou la politique, elles jouent
un rôle essentiel en fournissant des informations qui éclairent les dé-
cisions stratégiques. Il est donc crucial de comprendre les différentes
catégories de données, car elles influencent directement l’approche
analytique à adopter.

Les données peuvent être regroupées en deux grandes catégories :

les données quantitatives et les données qualitatives. Les données
quantitatives, telles que les nombres et les statistiques, sont utilisées
pour répondre à des questions comme "quoi", "combien", et "à
quelle fréquence" et permettent de mesurer des tendances et de

17
18 Préparation et Réflexion

faire des comparaisons. En revanche, les données qualitatives sont

non numériques et se concentrent sur le contexte, les perceptions et
les comportements humains, permettant ainsi d’explorer des réponses
à la question "pourquoi" et "comment".

L’une des clés pour une analyse approfondie réside dans la combinai-
son de ces deux types de données. Tandis que les données quantita-
tives fournissent des chiffres précis, les données qualitatives ajoutent
du contexte pour mieux comprendre les raisons derrière ces chiffres,
offrant ainsi une vue complète et plus stratégique de la situation.

Les données peuvent également être classées selon leur taille et leur
complexité. Le small data, caractérisé par des volumes plus petits
et spécifiques, est souvent utilisé pour des décisions ponctuelles et
contextuelles. Ce type de données est facilement manipulé à l’aide
d’outils simples comme les tableurs. À l’opposé, le big data repré-
sente de vastes ensembles de données, souvent hétérogènes et collec-
tées sur de longues périodes, nécessitant des outils sophistiqués pour
leur analyse, tels que Hadoop ou Spark. Le big data est essentiel pour
résoudre des problèmes à grande échelle, comme l’analyse des com-
portements des consommateurs ou l’optimisation des processus dans
de grandes entreprises.

Le choix entre small data et big data dépend du contexte, de la taille

des données et des objectifs d’analyse. Le small data est plus facile
à gérer et convient à des analyses simples, tandis que le big data est
nécessaire pour des enjeux complexes et à grande échelle, permettant
d’extraire des insights cruciaux pour la prise de décision stratégique.

1.2 Analyse des Données et Sciences

des Données

L’analyse des données, ou Data Analytics, et la science des données,

ou Data Science, sont deux disciplines étroitement liées mais dis-
tinctes qui jouent un rôle central dans l’ère numérique actuelle. Ces
1.2. Analyse des Données et Sciences des Données 19

domaines, multidisciplinaires par nature, impliquent l’utilisation de

techniques statistiques, informatiques et analytiques pour transfor-
mer de grandes quantités de données en informations exploitables,
permettant ainsi de prendre des décisions éclairées et de résoudre des
problèmes complexes.

1.2.1 L’analyse des Données

L’analyse des données est un processus systématique qui consiste à

collecter, organiser et analyser des données afin d’en tirer des conclu-
sions et de soutenir des décisions stratégiques. Cette discipline repose
sur un cycle d’analyse qui comprend plusieurs étapes : la collecte
des données, leur nettoyage, leur transformation, leur exploration, la
modélisation statistique, et enfin l’interprétation des résultats. Par
exemple, dans une étude de marché, l’analyste de données pourrait
commencer par examiner les comportements d’achat des consomma-
teurs sur plusieurs années, puis utiliser des méthodes statistiques
pour identifier des tendances saisonnières et des corrélations entre
les produits achetés ensemble.

Les analystes de données agissent comme des détectives, scrutant des

ensembles de données complexes pour découvrir des modèles cachés
et faire des prévisions. L’une des clés de l’analyse des données est la
capacité à poser les bonnes questions. En explorant des données, par
exemple sur les performances d’une entreprise, un analyste pourrait
se demander non seulement ce qui s’est passé, mais pourquoi cela
s’est produit, et comment cela pourrait évoluer à l’avenir.

Comme le souligne Clive Humby, un célèbre data scientist, « les

données sont le nouveau pétrole » [Humby, 2006]. Cela illustre l’im-
portance croissante des données dans le processus décisionnel. Par
ailleurs, selon Tom Davenport, professeur à la Babson College, «
L’analyse des données devient un impératif stratégique dans les en-
treprises » [Davenport, 2006]. Ces citations montrent à quel point
l’analyse des données est devenue essentielle pour extraire des infor-
mations exploitables et orienter les décisions.
20 Préparation et Réflexion

En somme, l’analyse des données consiste à transformer des informa-

tions brutes en conclusions exploitables grâce à des méthodes statis-
tiques rigoureuses. Elle s’appuie sur des outils tels que les analyses
descriptives, qui permettent de comprendre les tendances historiques,
et les analyses prédictives, qui aident à anticiper les résultats futurs.

1.2.2 La Science des Données

La science des données va au-delà de l’analyse traditionnelle en cher-

chant à transformer des ensembles de données massifs et souvent non
structurés en solutions pratiques à des problèmes complexes. Ce do-
maine multidisciplinaire intègre l’informatique, les statistiques, l’ap-
prentissage automatique, et la modélisation prédictive pour extraire
des insights puissants à partir de grandes quantités de données, sou-
vent provenant de sources diverses et disparates. Par exemple, les
scientifiques des données peuvent utiliser des algorithmes d’appren-
tissage automatique pour prédire les comportements des consomma-
teurs en ligne en fonction de leurs interactions passées avec un site.

L’objectif principal de la science des données est de poser des ques-

tions qui n’ont pas encore été envisagées et de développer des modèles
permettant de répondre à ces interrogations. Contrairement à l’ana-
lyse des données, qui se concentre sur la compréhension des données
existantes, la science des données s’intéresse à la création de nouvelles
hypothèses et à la conception de modèles qui permettent de prédire
l’avenir. Un exemple de cela pourrait être l’utilisation de modèles
prédictifs pour anticiper les tendances d’achat des clients ou pour
détecter des fraudes dans les transactions financières avant qu’elles
ne se produisent.

Comme l’a déclaré Geoffrey Hinton, pionnier du domaine de l’intelli-

gence artificielle, « L’intelligence artificielle est la nouvelle électricité
» [Hinton, 2016], mettant en évidence le rôle fondamental des techno-
logies avancées, telles que la science des données, dans la résolution de
problèmes complexes. De plus, Drew Conway explique que « la data
science est un mélange de compétences en statistiques, en informa-
1.2. Analyse des Données et Sciences des Données 21

tique et en expertise métier », soulignant la nature interdisciplinaire

de ce domaine.

Un aspect fondamental de la science des données est l’exploration

des données sous différentes perspectives et la recherche de nouvelles
façons d’analyser et de comprendre des phénomènes complexes. En
combinant des techniques avancées de modélisation avec des capaci-
tés de traitement de données massives, les scientifiques des données
sont en mesure de résoudre des problèmes que les méthodes analy-
tiques traditionnelles peinaient à aborder.

1.2.3 Analyse des Affaires

L’analyse des affaires, ou Business Analytics, se concentre sur l’ap-

plication des techniques analytiques pour aider les organisations à
prendre des décisions stratégiques plus éclairées. Elle repose sur l’uti-
lisation des mathématiques et des statistiques pour interpréter les
données d’une entreprise et prévoir des résultats futurs. L’objectif
est d’optimiser la prise de décision au sein de l’organisation, que ce
soit en améliorant les processus existants ou en identifiant de nou-
velles opportunités.

Il existe plusieurs types d’analyses utilisés en Business Analytics,

chacun ayant un rôle distinct :
Analyse descriptive : Cette analyse vise à comprendre les don-
nées historiques et à en extraire des tendances. Par exemple,
une entreprise pourrait analyser ses ventes passées pour iden-
tifier des pics saisonniers et ajuster ses stocks en conséquence.
Analyse prédictive : Elle utilise les données passées pour pré-
voir des événements futurs. Par exemple, une analyse pré-
dictive pourrait estimer les ventes futures d’un produit en
fonction des tendances précédentes et des comportements des
consommateurs.
Analyse diagnostique : Cette analyse est utilisée pour iden-
tifier la cause d’un problème. Par exemple, si une entreprise
22 Préparation et Réflexion

subit une baisse de ses ventes, l’analyse diagnostique pourrait

révéler que cela est dû à une mauvaise gestion des stocks ou
à une publicité inefficace.
Analyse prescriptive : Elle fournit des recommandations sur
les actions à entreprendre pour atteindre un objectif. Par
exemple, elle pourrait suggérer des stratégies pour maximi-
ser le retour sur investissement (ROI) ou réduire les coûts en
optimisant les processus internes.
Ces différentes formes d’analyse permettent aux entreprises de mieux
comprendre leur passé, de prédire l’avenir et de prendre des décisions
basées sur des données objectives. Bernard Marr, expert en business
analytics, souligne : « les entreprises qui maîtrisent l’analyse des af-
faires prennent de meilleures décisions, plus rapidement, et génèrent
une meilleure performance » [Marr, 2015].

1.2.4 Comparaison entre Business Analytics

et Data Science

Bien que la Business Analytics et la Data Science partagent certaines

méthodes, leurs objectifs et applications diffèrent. Le Business Analy-
tics est principalement orienté vers l’optimisation des décisions orga-
nisationnelles en utilisant des données structurées pour résoudre des
problèmes concrets et spécifiques. En revanche, la Data Science est
davantage exploratoire et créative, cherchant à générer de nouvelles
perspectives à partir de données massives, souvent non structurées,
pour résoudre des problèmes complexes.

Comme l’expliquent Davenport et Harris dans leur ouvrage *Com-

peting on Analytics*, « Les entreprises qui adoptent l’analyse des
données font mieux que celles qui n’en font pas une priorité »
[Davenport and Harris, 2007a]. Le Business Analytics est plus axé
sur l’application pratique des résultats pour améliorer les perfor-
mances d’une organisation, tandis que la Data Science se concentre
sur la création de modèles prédictifs et l’identification de nouvelles
questions et approches. Par exemple, un analyste en Business Analy-
1.3. Exemples d’Applications de l’Analyse des Données et de
la Science des Données 23
tics pourrait se concentrer sur l’optimisation d’une chaîne d’approvi-
sionnement, tandis qu’un scientifique des données pourrait chercher
à prédire les tendances des consommateurs en analysant des données
provenant de diverses sources en ligne et mobiles.

Les deux disciplines nécessitent des compétences en statistiques et

en informatique, mais la Data Science exige généralement une exper-
tise plus poussée en modélisation mathématique et en apprentissage
automatique. Elle s’adresse à des problèmes ouverts et moins définis,
tandis que le Business Analytics résout des questions plus spécifiques
et centrées sur l’amélioration des résultats d’affaires immédiats.

Figure 1.1 – Comparaison entre Data Science et Data Analytics.

1.3 Exemples d’Applications de

l’Analyse des Données et de
la Science des Données

Cette section explore des exemples concrets d’applications des dif-

férents types d’analyse de données et de science des données. Ces
cas illustrent comment ces techniques sont utilisées pour résoudre
des problèmes complexes et optimiser les processus dans des secteurs
variés.
24 Préparation et Réflexion

1.3.1 Analyse Descriptive et Diagnostique

L’analyse descriptive permet de résumer les caractéristiques princi-

pales d’un jeu de données, en mettant en évidence des tendances
passées. Par exemple, pendant la pandémie de COVID-19, des hôpi-
taux ont utilisé des analyses descriptives pour anticiper les besoins
en équipements médicaux. Cette approche leur a permis d’éviter
des pénuries critiques de matériel, en ajustant les stocks en fonc-
tion des tendances observées dans les admissions et les traitements
[Dupont and Martin, 2020].

L’analyse diagnostique, quant à elle, permet d’identifier les causes

sous-jacentes des événements. Un exemple typique est celui des en-
treprises de production qui ont utilisé cette approche pour détecter
les causes d’une baisse de productivité. En analysant des données
sur les pannes de machines et les horaires de travail, elles ont pu
corriger des problèmes de gestion des stocks et de maintenance, ré-
duisant ainsi le temps d’arrêt et améliorant l’efficacité opérationnelle
[Durand and Lefevre, 2019].

1.3.2 Analyse Prédictive et Prescriptive

L’analyse prédictive utilise des données passées pour anticiper des

événements futurs. Par exemple, dans le secteur bancaire, des mo-
dèles prédictifs sont utilisés pour identifier les transactions fraudu-
leuses en temps réel, permettant ainsi de prévenir des pertes finan-
cières importantes [Lambert, 2018]. Un autre exemple dans le secteur
des télécommunications montre comment l’analyse prédictive aide à
estimer les taux de désabonnement des clients, permettant aux en-
treprises de cibler des actions préventives comme des offres spéciales
ou un service client amélioré [Benoit and Petit, 2020].

L’analyse prescriptive, en revanche, recommande des actions spé-

cifiques pour optimiser un processus. Un exemple frappant est ce-
lui d’Amazon, qui utilise cette approche pour recommander des
1.3. Exemples d’Applications de l’Analyse des Données et de
la Science des Données 25
itinéraires de livraison plus efficaces, prenant en compte des fac-
teurs comme le trafic en temps réel et les préférences des clients.
Cette optimisation réduit les coûts et améliore la satisfaction client
[Smith and Johnson, 2019]. Dans le secteur de la santé, des systèmes
prescriptifs peuvent recommander des traitements personnalisés ba-
sés sur les antécédents médicaux et les recherches récentes, améliorant
ainsi les résultats pour les patients [Thomas and Boucher, 2021].

1.3.3 Applications de la Science des Données

La science des données combine des techniques avancées pour ré-

soudre des problèmes complexes et non bien définis. Un exemple
marquant est l’application de l’apprentissage automatique dans le
secteur financier pour détecter les fraudes. Des modèles sophisti-
qués analysent des milliers de transactions par seconde et identi-
fient des comportements suspects avant qu’ils ne causent des pertes
[Harris and Wang, 2020].

Dans un autre domaine, la plateforme Netflix utilise des algorithmes

d’apprentissage automatique pour recommander des films et des sé-
ries à ses utilisateurs en analysant leurs comportements de visionnage
passés et les préférences globales. Ce système contribue à offrir une
expérience utilisateur personnalisée, augmentant ainsi l’engagement
et la fidélité des abonnés [Gauthier and Martin, 2020].

Un autre exemple de la puissance de la science des données est l’ap-

plication de modèles prédictifs pour gérer les risques d’inondation à
Houston. En analysant des données météorologiques et hydrologiques
en temps réel, les autorités ont pu émettre des alertes précoces, sau-
vant ainsi des vies et limitant les dégâts matériels lors de tempêtes
tropicales [Miller and Thompson, 2019].
26 Préparation et Réflexion

1.3.4 Synthèse des Applications

Les exemples présentés montrent comment chaque type d’analyse

(descriptive, diagnostique, prédictive, prescriptive) et la science
des données jouent un rôle crucial dans l’optimisation des pro-
cessus. Que ce soit pour comprendre les tendances passées, pré-
dire l’avenir, diagnostiquer des problèmes ou recommander des ac-
tions, ces outils permettent aux organisations de prendre des dé-
cisions éclairées et d’améliorer leur rentabilité et leur efficacité
[Dupuis and Roux, 2022].

1.4 Le Rôle du Data Analyst : Com-

prendre les Distinctions

À l’heure actuelle, le titre de "Data Analyst" se trouve souvent parmi

d’autres intitulés de postes dans le domaine de l’analyse des don-
nées. Bien que ces rôles puissent partager certaines similitudes, cha-
cun comporte des responsabilités et des compétences spécifiques. Il
est essentiel de comprendre ces distinctions afin d’appréhender le
rôle particulier du Data Analyst au sein de l’écosystème des données
d’une organisation.

1.4.1 Les Différents Rôles d’Analyse des

Données

Les professionnels de l’analyse des données peuvent porter divers

titres, chacun ayant des tâches et des objectifs distincts. Ces rôles,
tout en étant complémentaires, diffèrent par leur portée et leur ap-
proche :

Analyste Commercial : Cet analyste se concentre sur l’amé-

lioration des processus commerciaux. Il analyse les données
1.4. Le Rôle du Data Analyst : Comprendre les Distinctions27

relatives aux ventes, aux clients, et aux opérations pour aider

l’entreprise à optimiser ses performances et à mieux répondre
aux besoins du marché.
Analyste en Intelligence Commerciale : Spécialisé dans
l’analyse des données financières et commerciales, cet ana-
lyste aide les entreprises à prendre des décisions stratégiques
basées sur des informations détaillées sur le marché, la concur-
rence, et les finances.
Consultant en Analytique des Données : Ce rôle consiste
à analyser les systèmes de gestion des données d’une orga-
nisation et à proposer des recommandations pour améliorer
l’efficacité des processus décisionnels via une meilleure exploi-
tation des données.
Ingénieur de Données : L’ingénieur de données est respon-
sable de la préparation et de l’intégration des données issues
de diverses sources. Il assure la qualité et la cohérence des
données avant leur analyse, facilitant ainsi le travail des ana-
lystes de données.
Scientifique des Données : Utilisant des méthodes avancées
d’analyse et d’apprentissage automatique, le scientifique des
données identifie des modèles et des tendances complexes
pour résoudre des problèmes et apporter des solutions inno-
vantes basées sur les données.
Spécialiste des Données : Ce rôle consiste à organiser, net-
toyer et préparer les données pour qu’elles soient accessibles
et exploitables par les équipes d’analyse et de prise de déci-
sion.
Analyste des Opérations : L’analyste des opérations se
concentre sur l’analyse des flux de travail et des performances
des opérations internes, afin d’identifier les leviers d’améliora-
tion pour optimiser l’efficacité et la rentabilité des processus.

Bien que ces rôles puissent se recouper, chacun a sa propre spécia-

lité. Le Data Analyst, en particulier, se distingue par sa capacité à
transformer les données en informations exploitables pour orienter
les décisions au sein de l’organisation.
28 Préparation et Réflexion

1.4.2 Les Responsabilités Clés du Data Ana-

lyst

Le Data Analyst se distingue par une approche axée sur la collecte,

le nettoyage, l’analyse et la communication des données. Ses respon-
sabilités principales incluent :

1. Collecte de Données : L’analyste de données commence

par recueillir les informations nécessaires à partir de diverses
sources internes et externes, comme les bases de données, les
fichiers CSV, les enquêtes, ou les systèmes en ligne. Il veille
à la pertinence, à la qualité et à l’intégrité des données pour
l’analyse à venir.
2. Nettoyage et Préparation des Données : Avant toute
analyse, l’analyste de données procède au nettoyage des don-
nées, en éliminant les valeurs aberrantes, en traitant les va-
leurs manquantes et en assurant leur cohérence pour garantir
des résultats fiables et exploitables.
3. Analyse des Données : L’analyste utilise des méthodes sta-
tistiques et des techniques d’apprentissage automatique pour
identifier des tendances, des relations et des anomalies dans
les données. Son objectif est de répondre à des questions pré-
cises, comme : "Pourquoi nos ventes ont-elles chuté ?", ou
"Quels sont les facteurs qui influencent le plus le compor-
tement des clients ?"
4. Visualisation des Données : Une partie essentielle du rôle
de l’analyste est de rendre les résultats accessibles à toutes
les parties prenantes. À l’aide de graphiques, de tableaux de
bord et de rapports dynamiques, il présente les données sous
une forme claire et compréhensible, facilitant ainsi la prise de
décision.
5. Communication des Résultats : Au-delà de l’analyse,
l’analyste de données doit communiquer ses résultats de ma-
nière efficace aux parties prenantes. Cela implique la création
de rapports détaillés, mais aussi la présentation des résultats
de manière concise et accessible pour les non-experts.
1.5. Devenir chef de projet en tant que data analyst 29

6. Prévision et Modélisation : Dans certaines situations,

l’analyste de données est amené à créer des modèles prédictifs
pour anticiper des tendances futures. Par exemple, il peut dé-
velopper des modèles pour prévoir les comportements d’achat
des clients ou pour estimer le risque d’un événement particu-
lier.

1.5 Devenir chef de projet en tant

que data analyst

Un data analyst peut effectivement évoluer vers un rôle de chef de

projet, une transition qui repose sur le développement de compé-
tences en gestion de projet, l’acquisition d’une expérience pertinente
et une formation adéquate. Voici les principaux éléments à prendre
en compte pour réussir cette évolution :

— Compétences en gestion de projet : Pour passer de l’ana-

lyse de données à la gestion de projets, un data analyst doit
acquérir des compétences essentielles en gestion de projet,
telles que la planification, l’organisation, et la gestion des
ressources. La capacité à coordonner des équipes multidisci-
plinaires et à superviser les budgets et les délais est cruciale.
Un chef de projet doit également maîtriser les méthodes de
gestion des risques et de gestion de la qualité.
— Expérience pratique : L’expérience dans la gestion de pro-
jets, même à petite échelle, est fondamentale. Un data analyst
peut commencer par superviser des projets d’analyse de don-
nées internes, puis prendre progressivement la responsabilité
de projets plus vastes. Ce processus permet de se familiariser
avec la dynamique de gestion tout en continuant à exploiter
ses compétences analytiques.
— Formation complémentaire et certifications : Pour so-
lidifier ses compétences en gestion de projet, un data ana-
lyst peut suivre des formations spécifiques telles que des cer-
30 Préparation et Réflexion

tifications en PMP (Project Management Professional) ou

PRINCE2. Ces certifications sont largement reconnues et
renforcent la crédibilité du professionnel dans un rôle de ges-
tion de projet.
— Connaissance du domaine : Un chef de projet efficace doit
connaître son domaine d’activité, et cela est tout aussi vrai
pour un data analyst souhaitant évoluer dans la gestion de
projet. La maîtrise des enjeux spécifiques à un secteur donné,
comme les projets de données ou de transformation numé-
rique, peut aider à concevoir des stratégies efficaces et à an-
ticiper les obstacles.
— Méthodologies agiles et outils modernes : L’adoption
de méthodologies agiles, comme Scrum ou Kanban, peut
grandement faciliter la gestion de projets de données. Un ana-
lyste de données ayant une bonne compréhension des prin-
cipes agiles sera plus à même de gérer les projets de manière
flexible, en ajustant les priorités et les livrables en fonction
des besoins évolutifs du client ou des parties prenantes. Les
outils de gestion de projet tels que Trello, Jira ou Asana
peuvent également être utiles pour organiser et suivre les pro-
grès de l’équipe.
— Leadership et communication : Un chef de projet doit
démontrer des compétences de leadership, être capable de
prendre des décisions rapidement et d’inspirer confiance au
sein de son équipe. De plus, des compétences avancées en com-
munication sont cruciales pour interagir avec les différentes
parties prenantes, de la direction aux équipes opérationnelles.
Un data analyst doit travailler sur ses capacités à diriger, mo-
tiver et convaincre pour gérer efficacement un projet.
— Objectifs de carrière : La transition vers un rôle de chef de
projet dépend des objectifs de carrière du data analyst. S’il
est motivé par un rôle stratégique, où la gestion de l’équipe
et la planification de projets sont essentielles, cette transition
devient une option envisageable. Cependant, cette évolution
demande une capacité à sortir de la pure analyse technique
pour s’immerger dans les aspects plus larges du développe-
ment et de la mise en œuvre des projets.
1.5. Devenir chef de projet en tant que data analyst 31

1.5.1 Liens entre analyste de données et chef

de projet

La gestion de projet dans le domaine de l’analyse de données n’est pas

simplement une question de suivi des délais et des budgets. L’ana-
lyste de données possède un avantage majeur : sa capacité à prendre
des décisions basées sur des données précises. Cette compétence de-
vient cruciale lorsqu’il s’agit d’évaluer la performance du projet et
d’adapter les plans en temps réel. Par exemple, un data analyst dans
un rôle de chef de projet pourrait utiliser les résultats de ses propres
analyses pour ajuster les priorités du projet ou pour identifier des
inefficacités dans les processus.

Un data analyst ayant des compétences en gestion de projet peut

également jouer un rôle clé dans l’optimisation continue des processus
du projet en utilisant des méthodologies agiles. En utilisant des outils
comme les KPI (Key Performance Indicators) et en appliquant des
ajustements basés sur les données, un analyste devient un chef de
projet capable de prendre des décisions éclairées et de diriger de
manière stratégique.

1.5.2 Agir en détective

En tant qu’analyste de données, vous jouez un rôle clé dans l’adoption

par les entreprises d’un processus décisionnel fondé sur les données,
d’où l’importance pour vous de comprendre comment les données
jouent un rôle dans le processus décisionnel.

Données + connaissances métier = mystère résolu.

Pour prendre une décision, un analyste de données doit toujours se

poser des questions pertinentes afin de trouver l’équilibre parfait :

— Comment puis-je définir la réussite de ce projet ?

— Quels types de résultats sont nécessaires ?
32 Préparation et Réflexion

— Qui sera informé ?

— Est-ce que je réponds à la question qui est posée ?
— Quelle est l’urgence de la décision à prendre ?

Les questions clés aident les analystes à savoir s’ils en ont fait suffi-
samment pour aller de l’avant et à s’assurer que les équipes ont passé
suffisamment de temps sur chacune des phases et ne commencent pas
à modéliser avant que les données ne soient prêtes.

Vous devrez peut-être compter sur vos propres connaissances et ex-

périences plus que d’habitude. Il n’y a tout simplement pas assez de
temps pour analyser en profondeur toutes les données disponibles.
Mais si vous travaillez sur un projet qui implique beaucoup de temps
et de ressources, la meilleure stratégie est d’être davantage axé sur les
données. C’est à vous, l’analyste de données, de faire le meilleur choix
possible. Vous combinerez probablement les données et les connais-
sances d’un million de façons différentes au cours de votre carrière
dans l’analyse de données. Et plus vous pratiquerez, mieux vous trou-
verez cet équilibre parfait.

Le rôle de l’analyste de données dans la résolution des mystères com-

merciaux ressemble à celui d’un détective dans une enquête. Comme
l’a dit Sherlock Holmes, "Elémentaire, mon cher Watson !", mais en
réalité, la résolution des mystères des données n’est pas aussi simple
que ça. En fait, cela nécessite des compétences analytiques de haut
niveau pour poser les bonnes questions et croiser les bonnes informa-
tions. Comme le souligne W. Edwards Deming, pionnier de la gestion
de la qualité, "Sans données, vous êtes juste une autre personne avec
une opinion." Cette citation rappelle l’importance de baser les déci-
sions sur des faits tangibles, pas seulement sur des intuitions ou des
conjectures.

Dans votre rôle de détective, vous allez exploiter vos capacités natu-
relles en stratégie, en expertise technique, et en design de données.
Ce sont des compétences extrêmement utiles à avoir et qui sont né-
cessaires de les renforcer encore davantage.
1.5. Devenir chef de projet en tant que data analyst 33

1.5.3 L’instinct

Les détectives et les analystes de données ont beaucoup en commun.

Les deux dépendent des faits et des indices pour prendre des déci-
sions. Les deux recueillent et examinent des preuves. Les deux parlent
à des gens qui connaissent une partie de l’histoire. Et les deux pour-
raient même suivre quelques pistes, pour voir où elles mènent. Que
vous soyez détective ou analyste de données, votre travail consiste à
suivre des étapes pour recueillir et comprendre les faits. Un analyste
de données pourrait s’amuser à dire : "Un détective sait qu’un indice
est une donnée, mais un analyste sait que deux indices ne font pas
nécessairement une vérité !". Cette touche d’humour rappelle l’im-
portance de ne pas sauter trop vite aux conclusions. Et bien que
l’instinct puisse être une bonne boussole, il ne doit jamais remplacer
les données : "L’intuition est une petite voix, mais les données parlent
plus fort."

L’instinct est le "sentiment" que c’est telle ou telle chose qui est juste.
On capte ces signaux sans même nous en rendre compte. Il est une
compréhension intuitive de quelque chose, avec peu ou pas d’expli-
cation. Il peut être utile pour prendre une décision dans l’analyse
des données. Ce n’est pas toujours quelque chose de conscient. Il est
par conséquent essentiel que les analystes de données se concentrent
sur les données, pour s’assurer qu’ils prennent des décisions éclai-
rées. Si vous ignorez les données en préférant prendre des décisions
basées sur votre propre expérience, vos décisions peuvent être faus-
sées. Mais pire encore, les décisions basées sur l’instinct sans aucune
donnée pour les étayer peuvent induire des erreurs. Comme l’a dit
Peter Drucker, expert en gestion : "La meilleure façon de prédire
l’avenir est de le créer." Cette citation met en valeur l’importance de
s’appuyer sur des données fiables pour orienter nos décisions futures,
plutôt que de s’en remettre à un instinct non éclairé.
34 Préparation et Réflexion

1.5.4 Compétences et pensée analytiques

Le raisonnement ou pensée analytique consiste à identifier et à définir

un problème, puis à le résoudre en utilisant des données de manière
organisée et étape par étape. Cela ne vous empêche pas d’avoir une
pensée créative et critique concernant vos méthodes d’analyste pour
mieux aboutir à vos résultats. La pensée analytique est une compé-
tence que chaque analyste de données doit aiguiser, un peu comme un
détective affine ses talents d’observation. Charles Darwin a souligné
l’importance de la compréhension contextuelle avec cette citation :
"Ce n’est pas la plus forte des espèces qui survit, mais celle qui est
la plus réactive au changement." Cette flexibilité est essentielle pour
interpréter les données dans leur contexte et ajuster les stratégies en
fonction de nouveaux éléments. Voici les cinq aspects clés du raison-
nement analytique : la visualisation, la stratégie, l’orientation vers
les problèmes, la corrélation, et enfin, une pensée globale et axée sur
les détails.

Visualisation : En analytique des données, la visualisation

est la représentation graphique des informations. Les repré-
sentations peuvent être des cartes, des graphiques ou des
diagrammes. La visualisation est importante car les visuels
peuvent aider les analystes de données à comprendre et ex-
pliquer plus efficacement les informations que d’utiliser des
mots. Les faits et les chiffres deviennent plus faciles à voir et
les concepts complexes deviennent plus faciles à comprendre.
Albert Einstein disait : "Si vous ne pouvez pas l’expliquer
simplement, vous ne le comprenez pas assez bien." Cette ci-
tation nous rappelle l’importance de rendre les données ac-
cessibles et compréhensibles à tous.
Stratégie de données : En élaborant des stratégies, nous sa-
vons que toutes nos données sont précieuses et peuvent nous
aider à atteindre nos objectifs. La stratégie permet également
d’améliorer la qualité et l’utilité des données que nous collec-
tons. Elle aide les analystes de données à visualiser ce qu’ils
veulent réaliser avec les données et comment ils peuvent y
1.5. Devenir chef de projet en tant que data analyst 35

parvenir. Il est crucial de définir une stratégie dès le début

tout en restant concentré sur la bonne voie. Comme le dit W.
Edwards Deming, "Sans données, vous êtes juste une autre
personne avec une opinion."
Raisonnement analytique : Être capable d’identifier une cor-
rélation entre plusieurs éléments de données. Une corréla-
tion est semblable à une relation. Vous pouvez trouver toutes
sortes de corrélations dans les données. Cependant, il est im-
portant de se rappeler que la corrélation n’est pas égale à la
causalité. En d’autres termes, le simple fait que deux éléments
de données vont tous deux dans la même direction ne signifie
pas nécessairement qu’ils sont liés. Mark Twain a parfaite-
ment résumé cette idée avec sa citation humoristique : "Il y
a trois sortes de mensonges : les mensonges, les sacrés men-
songes, et les statistiques." Cela nous met en garde contre une
lecture trop simpliste des données.
Approche orientée problème : Afin d’identifier, de décrire
et de résoudre des problèmes, les analystes posent beau-
coup de questions pour comprendre le contexte. Cela permet
d’améliorer la communication et de gagner du temps tout en
travaillant sur une solution. Ils peuvent découvrir plusieurs
autres problèmes et des solutions pour les éviter dans le fu-
tur. Avoir une approche orientée problème permet de garder
le problème principal au premier plan tout au long du pro-
jet. Albert Einstein disait aussi : "Si je devais résoudre un
problème dans une heure, je passerais 55 minutes à poser des
questions et 5 minutes à résoudre le problème." Cela montre
l’importance de bien comprendre la question avant de s’enga-
ger dans la recherche de réponses.
Pensée globale : C’est une vue d’ensemble du problème. Si
vous ne vous concentrez que sur les pièces individuelles, vous
ne serez pas capable de voir au-delà. La pensée globale vous
aide à prendre du recul et à voir les possibilités et les opportu-
nités. Cela peut conduire à de nouvelles idées ou innovations
passionnantes.
Pensée axée sur les détails : C’est une vue plus détaillée. La
réflexion axée sur les détails consiste à comprendre tous les
36 Préparation et Réflexion

aspects nécessaires à l’exécution d’un plan.

Les compétences analytiques sont des qualités et des caractéristiques

associées à la résolution de problèmes à l’aide de faits. Les cinq
points essentiels à développer sont : la curiosité, la compréhension
du contexte, la mentalité technique, la conception de données et la
stratégie de données.

Curiosité : Est le désir d’apprendre de nouvelles choses. Être

curieux mène souvent à la recherche de nouveaux défis et de
nouvelles expériences, ce qui mène à l’acquisition de connais-
sances. Citation drôle : "Je suis tellement curieux, je pour-
rais me perdre dans les informations de Wikipédia pendant
des heures. Mais ne vous inquiétez pas, je reviendrai toujours
à la question principale." - Un analyste de données en quête
de réponses
Contextualisation : Comprendre le contexte signifie saisir l’en-
vironnement dans lequel quelque chose existe ou se produit.
Cela implique également de regrouper les informations en ca-
tégories significatives.
Optique technique : La capacité de décomposer des tâches
complexes en éléments plus petits et de travailler avec eux
de manière logique et ordonnée.
Conception de données : La manière dont vous organisez
les informations. En tant qu’analyste de données, le design
concerne généralement une base de données réelle, mais aussi
l’organisation logique des données pour qu’elles soient facile-
ment accessibles et interprétables.
Stratégie de données : La gestion des personnes, des proces-
sus et des outils utilisés dans l’analyse des données. Cela in-
clut l’assurance que les bonnes données sont utilisées, que le
chemin vers la solution est clair, et que les bonnes technolo-
gies sont employées pour résoudre le problème.
1.5. Devenir chef de projet en tant que data analyst 37

1.5.5 Les Problèmes les Plus Fréquemment

Rencontrés

Les analystes de données sont confrontés à divers défis complexes

dans leur travail quotidien. Parmi les problèmes les plus fréquemment
rencontrés, voici six catégories majeures :

1. Prévision : Ce type de problème implique l’utilisation de

données historiques et actuelles pour anticiper les tendances
futures. Par exemple, une entreprise qui cherche à optimiser
ses campagnes publicitaires pour attirer de nouveaux clients
peut solliciter des analystes de données pour prédire l’impact
potentiel de différentes stratégies publicitaires.
2. Catégorisation : La catégorisation consiste à organiser des
données en groupes distincts selon des caractéristiques com-
munes. Par exemple, une entreprise cherchant à améliorer
l’expérience client pourrait demander aux analystes de classer
les appels au service clientèle en fonction de critères comme
le type de demande ou le niveau de satisfaction, permettant
ainsi d’identifier des tendances et des points d’amélioration.
3. Découverte de Connexions : Les analystes de données
cherchent souvent à identifier des relations entre différentes
variables ou entités. Cela leur permet de combiner des in-
formations provenant de sources diverses pour résoudre des
problèmes complexes et offrir des perspectives nouvelles.
4. Recherche de Modèles : L’analyse des données historiques
est couramment utilisée pour identifier des modèles récurrents
qui permettent de mieux comprendre les événements passés
et de prévoir les comportements futurs. Par exemple, la dé-
tection de modèles dans les habitudes d’achat peut aider une
entreprise à personnaliser ses offres.
5. Détection d’Anomalies : Ce type de problème consiste à
repérer des écarts par rapport aux tendances normales des
données. Par exemple, une entreprise de technologie portable
pourrait utiliser l’analyse des données pour identifier des ano-
malies dans les mesures de santé (par exemple, un rythme
38 Préparation et Réflexion

cardiaque anormal), ce qui pourrait signaler un problème de

santé ou un dysfonctionnement de l’appareil.
6. Identification de Thèmes : Au-delà de la simple catégo-
risation, l’identification de thèmes permet de regrouper des
données en concepts plus larges et significatifs. Ce processus
est particulièrement utile pour analyser des données qualita-
tives, comme dans le cadre d’études utilisateurs où les thèmes
peuvent inclure des besoins, des attitudes ou des comporte-
ments spécifiques.

Ces différents défis offrent aux data analysts une opportunité d’ap-
pliquer leurs compétences analytiques pour résoudre des problèmes
variés et apporter des insights précieux, facilitant ainsi des décisions
éclairées et stratégiques au sein de l’organisation.

1.6 Les écosystèmes de Données

Les écosystèmes de données sont constitués d’une combinaison com-

plexe d’infrastructures de données et de personnes, communautés, et
organisations qui exploitent et bénéficient de la valeur générée par ces
données. Ces éléments interagissent pour produire, gérer, stocker, or-
ganiser, analyser et partager les données. Un écosystème de données
robuste ne se limite pas seulement à l’usage d’outils technologiques ;
il repose également sur une culture d’entreprise qui valorise les don-
nées comme moteur principal de décision stratégique et d’innovation.
Cette Data Mindset, ou état d’esprit axé sur les données, joue un rôle
essentiel dans la manière dont les données sont utilisées et intégrées
dans les processus organisationnels.

Les données ne se contentent pas de résider dans des serveurs ou des

systèmes de gestion ; elles sont également de plus en plus stockées
et traitées dans le cloud, un environnement virtuel permettant l’ac-
cès à ces données via Internet. L’infrastructure cloud joue ainsi un
rôle central dans la flexibilité et l’accessibilité des données, rendant
l’écosystème plus agile et accessible. Cependant, pour qu’un écosys-
1.6. Les écosystèmes de Données 39

tème de données atteigne son plein potentiel, l’adoption d’un Data

Mindset devient cruciale.

Un Data Mindset consiste à aborder les défis et les opportunités en

s’appuyant sur des données probantes plutôt que sur des intuitions
ou des émotions. Dans un environnement de données en constante
évolution, ce mindset se traduit par une prise de décision éclairée, ali-
mentée par des analyses précises et des questions pertinentes. Les en-
treprises et les individus qui partagent un tel état d’esprit cherchent
constamment à comprendre pourquoi les choses se passent plutôt que
de simplement accepter qu’elles se produisent. Cette approche ana-
lytique et basée sur les données devient alors la pierre angulaire des
écosystèmes de données modernes.

L’infrastructure des écosystèmes de données, incluant des éléments

tels que les Big Data, l’Internet des objets (IoT) et les systèmes
d’analyse avancée, nécessite de plus en plus des analystes de données
qui ne se contentent pas de recueillir et d’organiser des données, mais
qui savent aussi les analyser de manière critique pour en tirer des in-
sights significatifs. Les Big Data, en particulier, qui proviennent de
sources variées comme les médias sociaux, les capteurs IoT, et les
transactions en ligne, représentent un défi majeur, mais aussi une
grande opportunité, pour les analystes qui savent appliquer des mo-
dèles analytiques adaptés. Dans un tel contexte, l’adoption d’un Data
Mindset devient non seulement une compétence clé mais également
un catalyseur pour l’innovation et la croissance.

1.6.1 Collecte des Données

La collecte des données est un processus fondamental qui permet de

répondre à des questions spécifiques et de fournir des informations
précieuses pour la prise de décision. Cependant, pour que les données
collectées aient de la valeur, il est essentiel qu’elles soient alignées
avec une stratégie de collecte claire et qu’elles respectent les principes
du Data Mindset : collecter les bonnes données, à bon escient, et de
manière transparente. La collecte efficace de données dépend non
40 Préparation et Réflexion

seulement des outils, mais aussi de la capacité à poser les bonnes

questions, à comprendre les objectifs, et à savoir comment interpréter
les résultats pour guider la prise de décision.

1.6.2 Sources de Collecte de Données

Les sources de données sont diverses et variées, chacune apportant

des informations spécifiques qui alimentent l’écosystème de données.
Parmi les principales sources de collecte de données, on retrouve :

Archives : Les archives internes sont une ressource cruciale pour

toute organisation. Elles contiennent des données historiques
qui, lorsqu’elles sont bien gérées et analysées, peuvent fournir
des insights précieux pour éclairer les décisions futures.
Enquêtes : Les enquêtes permettent de recueillir des données di-
rectement auprès des individus, offrant une perspective quali-
tative et quantitative sur des sujets spécifiques. La conception
de questionnaires adaptés et la gestion rigoureuse de la col-
lecte sont essentielles pour garantir la qualité des résultats.
Entretiens : Les entretiens, qu’ils soient individuels ou en
groupe, sont une méthode de collecte qui permet de recueillir
des données qualitatives approfondies et de comprendre des
phénomènes complexes en contexte.
Observations : L’observation sur le terrain fournit une compré-
hension directe des comportements ou des événements dans
leur environnement naturel. Cette approche, particulièrement
utile dans les études qualitatives, permet de collecter des don-
nées sans interférer avec les processus observés.
Expériences : Les expériences permettent de manipuler des va-
riables pour tester des hypothèses. Elles génèrent des données
quantitatives qui, une fois analysées, peuvent valider ou inva-
lider des théories.
Réseaux Sociaux : L’analyse des données issues des réseaux
sociaux, comme les publications et les interactions des utili-
sateurs, devient de plus en plus cruciale pour comprendre les
1.6. Les écosystèmes de Données 41

tendances et l’opinion publique. Ces données, bien interpré-

tées, peuvent influencer les stratégies marketing et les déci-
sions d’affaires.
Web et URL : La collecte de données en ligne via des méthodes
telles que le scraping permet d’extraire des informations à
partir de pages web, offrant une riche source de données qua-
litatives et quantitatives.
Capteurs : Les capteurs, utilisés pour collecter des données en
temps réel, jouent un rôle de plus en plus important dans
des domaines comme la santé, l’environnement, et l’Internet
des objets (IoT). Ces données peuvent être analysées pour
détecter des anomalies, prévoir des tendances ou fournir des
insights contextuels.

1.6.3 Les bonnes Pratiques de Collecte de

Données

Adopter un Data Mindset implique également de suivre des pratiques

rigoureuses dans la collecte des données pour garantir leur qualité et
leur fiabilité. Voici quelques bonnes pratiques essentielles :

— Définition d’Objectifs Clairs : Avant toute collecte, il est

important de définir des objectifs précis pour orienter la re-
cherche de données.
— Planification Stratégique : La planification permet d’iden-
tifier les meilleures sources et méthodes de collecte, tout en
prenant en compte les ressources disponibles et les contraintes
organisationnelles.
— Protection des Données : Respectez les lois et régulations
relatives à la protection des données personnelles, notamment
en anonymisant ou en sécurisant les informations sensibles.
— Validation des Données : Assurez-vous que les données
collectées sont fiables et cohérentes, en les validant tout au
long du processus.
— Éthique de la Collecte : La collecte de données doit être
42 Préparation et Réflexion

menée de manière éthique, en assurant la confidentialité et le

consentement des participants lorsque nécessaire.
— Stockage Sécurisé : Les données doivent être stockées de
manière sécurisée pour éviter tout risque de fuite ou de perte.

1.6.4 Cycle de Vie Classique des Données

Les données traversent plusieurs étapes tout au long de leur cycle

de vie, chacune jouant un rôle dans leur préparation, leur analyse,
et leur exploitation. Ce cycle de vie peut se décomposer en plusieurs
étapes clés :

Planifier : Déterminer les types de données à collecter, les

sources à utiliser, et les méthodes de gestion.
Création : La génération initiale des données.
Stockage : Organisation et gestion des données dans des sys-
tèmes sécurisés.
Traitement : Préparation et nettoyage des données pour l’ana-
lyse.
Analyse : Application d’outils analytiques pour tirer des in-
sights.
Visualisation : Création de représentations graphiques pour
communiquer les résultats.
Diffusion : Partage des résultats et insights avec les parties pre-
nantes.
Archivage : Conservation des données pour une utilisation fu-
ture.
Destruction : Suppression sécurisée des données lorsqu’elles ne
sont plus nécessaires.

En résumé, un Data Mindset efficace et bien intégré dans l’écosys-

tème de données est un facteur clé de succès dans un environnement
organisationnel. Il transforme les données en un atout stratégique et
permet à une organisation d’atteindre de nouveaux sommets d’effi-
cacité, d’innovation, et de prise de décision éclairée.
Chapitre 2

De la donnée à la décision

2.1 La prise de décision basée sur les

données : une approche straté-
gique et méthodique

La prise de décision fondée sur les données (ou Data-driven decision-

making) est une approche méthodique qui repose sur l’analyse et
l’interprétation de données objectives pour éclairer les choix straté-
giques. Ce processus inclut la collecte de données pertinentes, leur
analyse approfondie et l’extraction de conclusions destinées à orien-
ter les décisions. Utilisée dans des domaines variés tels que les en-
treprises, les soins de santé et les administrations publiques, cette
approche vise à minimiser les biais et à améliorer la précision des
décisions.

Cependant, les données seules ne suffisent pas à garantir des déci-

sions éclairées. Leur véritable valeur réside dans leur interprétation
stratégique, qui nécessite non seulement une analyse rigoureuse, mais
également l’apport de l’expertise des professionnels du domaine. Ces
experts peuvent identifier des anomalies, ajuster des hypothèses et

43
44 De la donnée à la décision

interpréter les résultats dans un contexte plus large que les simples
corrélations observées dans les données. La prise de décision fondée
sur les données est ainsi un travail collaboratif, impliquant à la fois les
data analysts et les parties prenantes, dont les experts qui possèdent
une connaissance approfondie des enjeux spécifiques du projet.

En combinant compétences techniques et expertise humaine, ce pro-

cessus permet de découvrir des modèles et des tendances que les
données brutes seules ne révéleraient pas. Toutefois, pour garantir
la pertinence des décisions, ces données doivent être analysées en te-
nant compte des facteurs contextuels et éthiques. La prise de décision
fondée sur les données ne doit donc pas être isolée, mais doit être in-
tégrée dans une réflexion plus large qui inclut des avis d’experts et
une évaluation des conséquences sociales et éthiques des choix.

2.1.1 Le cycle de vie des données : un proces-

sus méthodique

Le processus de prise de décision fondée sur les données suit un cycle

de vie structuré, composé de six étapes majeures qui permettent de
guider l’analyse de manière cohérente et systématique :

Poser des questions précises et définir clairement le problème à

résoudre ;
Préparer les données en les collectant et en les organisant de
manière optimale ;
Traiter les données en les nettoyant et en vérifiant leur qualité ;
Analyser les données pour repérer des motifs, des relations
sous-jacentes et des tendances significatives ;
Partager les résultats de l’analyse de manière claire et compré-
hensible pour les parties prenantes ;
Agir en prenant des décisions éclairées basées sur les résultats
de l’analyse.

Ce cycle de vie s’inscrit dans une approche de pensée structurée,

2.2. L’intérêt de la Mise en Contexte 45

qui repose sur la clarté du problème, l’organisation logique des in-

formations, la recherche de lacunes dans les données et l’évaluation
des options possibles pour résoudre le problème. Cette méthodologie
permet de structurer le raisonnement et de maximiser la valeur des
données à chaque étape du processus.

Résumé des points clés :

— Réduction des biais : La prise de décision fondée sur les
données permet de réduire les biais subjectifs, en se basant
sur des faits mesurables.
— Collaboration et expertise : Le processus décisionnel est
collaboratif, impliquant les analystes de données et des ex-
perts ayant une connaissance approfondie du domaine.
— Identification de tendances : L’analyse des données per-
met de découvrir des modèles invisibles, améliorant ainsi la
prise de décision.
— Importance de l’éthique : L’approche doit inclure des ré-
flexions éthiques et contextuelles pour éviter les biais dans
l’interprétation des résultats.

2.2 L’intérêt de la Mise en Contexte

Dans le domaine de l’analyse de données, l’une des compétences clés

réside dans la capacité à mettre les données en contexte. Cela im-
plique non seulement de rester objectif, mais aussi de reconnaître
toutes les dimensions du problème avant de tirer des conclusions. Le
contexte est crucial, mais il est également très personnel. En effet,
deux analystes qui travaillent sur le même jeu de données, avec les
mêmes instructions et méthodologies, peuvent aboutir à des résul-
tats différents. Pourquoi cela ? Parce qu’il n’existe pas de jeu d’inter-
prétations contextuelles universelles. Chacun aborde les données en
fonction de son propre cadre de référence, influencé par des facteurs
personnels, culturels et sociaux.
46 De la donnée à la décision

Même si le processus de collecte des données est rigoureux, l’inter-

prétation de ces dernières peut être biaisée. Les conclusions peuvent
ainsi être altérées par des biais personnels, qu’ils soient conscients
ou subconscients, issus des normes culturelles, sociales ou même des
impératifs du marché. Si l’analyse n’est pas effectuée de manière
objective, elle peut conduire à des conclusions erronées, voire trom-
peuses.

Pour bien comprendre de quoi parlent les données, l’analyste doit

se poser des questions fondamentales sur le qui, quoi, où, quand,
comment et pourquoi des données collectées. Par exemple :
— Qui a collecté les données et dans quel but ?
— Que représentent-elles dans leur contexte d’origine ?
— Où ont-elles été collectées, et dans quel environnement ?
— Quand ont-elles été recueillies ? Les données sont-elles à
jour ?
— Comment ont-elles été traitées et analysées ?
— Pourquoi ces données ont-elles été choisies par rapport à
d’autres ?
Ces interrogations permettent à l’analyste de clarifier le contexte et
d’identifier les potentiels biais qui pourraient nuire à l’interprétation
des données. En effet, l’analyse des données ne se fait pas dans un
vide, mais dans un cadre spécifique qui doit être constamment pris
en compte pour éviter des conclusions erronées.

Les biais cognitifs, comme le biais de confirmation, le biais de sé-

lection ou encore le biais d’ancrage, jouent un rôle crucial dans la
manière dont nous percevons et interprétons les informations. Par
exemple, un analyste pourrait inconsciemment privilégier des don-
nées qui confirment une hypothèse préexistante, en négligeant celles
qui la contredisent. Ces biais peuvent influencer la manière dont les
résultats sont présentés, rendant la mise en contexte encore plus es-
sentielle.
2.3. Cycle de vie de l’analyse des données 47

2.2.1 Quelques recommandations pour une

mise en contexte efficace

— Diversité des sources : Toujours s’assurer que les données

proviennent de sources multiples et variées pour limiter les
biais de sélection.
— Vérification des données : Assurer une vérification rigou-
reuse des données avant de les interpréter, notamment en
validant leur exactitude et leur pertinence dans le contexte
actuel.
— Approche critique : Adopter une approche critique et ré-
flexive tout au long du processus d’analyse, en remettant en
question les hypothèses et en testant plusieurs modèles d’in-
terprétation.
— Collaboration avec les experts : Travailler en étroite
collaboration avec les experts du domaine pour valider le
contexte et les choix méthodologiques.

En conclusion, la mise en contexte des données n’est pas une simple

formalité. C’est une étape essentielle pour garantir l’objectivité et
la précision de l’analyse. En comprenant le contexte dans lequel les
données ont été collectées et en restant vigilant face aux biais cogni-
tifs, l’analyste de données peut produire des résultats plus fiables et
pertinents, contribuant ainsi à des décisions éclairées.

2.3 Cycle de vie de l’analyse des don-

nées

Le cycle de vie des données représente un processus dynamique et

continu, essentiel pour garantir la qualité des décisions prises à partir
des données collectées. Chaque étape joue un rôle clé dans la trans-
formation des données brutes en informations exploitables, fiables et
utiles pour les processus décisionnels stratégiques.
48 De la donnée à la décision

2.3.1 Phases du cycle de vie de l’analyse des

données

Bien qu’il n’existe pas de structure unique ou universelle adoptée par

tous les analystes de données, des principes communs sont partagés à
travers les différentes méthodologies de traitement des données. Ces
étapes fondamentales permettent de garantir que les données sont
correctement gérées et interprétées à chaque phase du cycle.

Voici quelques exemples de cycles de vie proposés par différentes

institutions et organisations :

— Cycle de vie proposé par le Google Data Analytics

Certificate : Ce modèle représente un processus classique
mais très structuré pour l’analyse de données. Il inclut des
étapes critiques qui favorisent la rigueur et la collaboration
à chaque phase du projet. Ce cycle se compose des étapes
suivantes :
Demander : Définir les défis, objectifs et questions métier à
résoudre.
Préparer : Générer, collecter, stocker et gérer les données
nécessaires.
Traiter : Nettoyer les données et assurer leur intégrité.
Analyser : Explorer les données, effectuer des visualisations
et extraire des insights.
Partager : Communiquer et interpréter les résultats de ma-
nière claire pour les parties prenantes.
Agir : Implémenter les résultats pour résoudre le problème
initial.
Ce cycle de vie est conçu pour être itératif, permettant de
revenir à la phase de demande pour affiner ou reformuler des
hypothèses basées sur les résultats des analyses.
— Cycle de vie proposé par EMC Corporation (Dell
EMC) : Ce cycle met l’accent sur une approche plus orien-
tée vers la modélisation et la planification avant de passer à
l’exécution des décisions. Il se compose des étapes suivantes :
2.3. Cycle de vie de l’analyse des données 49

Découverte : Identifier le problème à résoudre et collecter

les données.
Prétraitement des données : Nettoyage et validation des
données.
Planification du modèle : Concevoir le cadre analytique
adapté.
Construction du modèle : Développer des modèles pré-
dictifs ou descriptifs.
Communication des résultats : Partager les conclusions
et recommandations.
Opérationnalisation : Implémenter les modèles dans un
contexte opérationnel.
— Cycle de vie itératif de SAS : L’approche de SAS est
particulièrement pertinente dans les situations où il est né-
cessaire de réévaluer les hypothèses et de réajuster les actions
en fonction des résultats obtenus à chaque phase. Les étapes
de ce cycle incluent :
Demander : Formulation du problème et des questions clés.
Préparer : Collecte, nettoyage et structuration des données.
Explorer : Exploration préliminaire des données pour en dé-
gager des motifs initiaux.
Modéliser : Développement de modèles pour tester les hy-
pothèses.
Implémenter : Application des modèles dans des conditions
réelles.
Agir : Prise de décision et mise en œuvre.
Évaluer : Mesurer l’impact et ajuster les modèles ou les stra-
tégies.
— Cycle de vie des big data (selon Big Data Fundamentals :
Concepts, Drivers & Techniques) : Ce modèle se distingue en
détaillant les étapes spécifiques liées aux données massives.
Il sépare certaines étapes de préparation et de nettoyage des
données, offrant ainsi une granularité supplémentaire dans la
gestion des données à grande échelle. Ce cycle se compose de :
50 De la donnée à la décision

Évaluation de l’analyse commerciale : Définir les objec-

tifs d’affaires à partir des données disponibles.
Identification des données : Identifier les sources perti-
nentes de données.
Acquisition et filtrage des données : Collecter et filtrer
les données en fonction des besoins.
Extraction des données : Extraire des informations per-
tinentes à partir des sources.
Validation et nettoyage des données : S’assurer que les
données sont complètes et fiables.
Agrégation et représentation des données : Agréger
les données pour en tirer une représentation globale.
Analyse des données : Analyser les données pour identi-
fier des tendances et des relations.
Visualisation des données : Créer des visualisations pour
communiquer les résultats.
Utilisation des résultats de l’analyse : Appliquer les ré-
sultats pour orienter les décisions stratégiques.

2.3.2 Itérations et évolutions dans le cycle de

vie des données

Un aspect clé du cycle de vie des données est son caractère itératif.
En fonction des résultats obtenus à chaque phase, il est souvent né-
cessaire de revenir à des étapes antérieures pour affiner les analyses,
ajuster les modèles ou redéfinir les objectifs. Cette approche permet
de garantir que les décisions prises sont constamment adaptées aux
nouvelles informations et aux évolutions du contexte, rendant le pro-
cessus non seulement plus flexible mais aussi plus précis au fil du
temps.
2.4. La pensée structurée dans l’analyse des données : Une
approche systématique pour la résolution de problèmes 51
2.4 La pensée structurée dans l’ana-
lyse des données : Une approche
systématique pour la résolution
de problèmes

Dans l’analyse des données, la pensée structurée est une approche

indispensable qui guide les analystes dans la compréhension, la clari-
fication et la résolution de problèmes complexes. Elle permet d’abor-
der chaque projet d’analyse avec une méthodologie précise et bien
définie, ce qui augmente les chances de succès des projets de don-
nées. La pensée structurée repose sur une série d’étapes logiques et
interconnectées qui permettent d’obtenir des solutions pratiques et
efficaces aux problèmes rencontrés.

1. Reconnaissance et compréhension du problème : La clé

de la réussite

Avant même de plonger dans les données, un analyste expérimenté

prend le temps de bien cerner la nature du problème à résoudre.
Selon Ben Jones, expert en data science et auteur de *“Data Science
at the Command Line”*, une bonne compréhension du problème est
souvent la moitié de la solution. Lors de cette phase, l’analyste se pose
des questions essentielles : Quel est l’objectif de l’analyse ? Quelles
sont les questions sous-jacentes ? Qui sont les parties prenantes et
quelles sont leurs attentes ? Par exemple, dans le cadre d’une analyse
prédictive pour une entreprise de commerce en ligne, il est essentiel de
comprendre non seulement le comportement d’achat des clients, mais
aussi les impacts possibles de différentes stratégies marketing. Ces
réflexions aident à délimiter les contours du problème et à formuler
des hypothèses précises qui orienteront l’analyse.

2. Organisation et structuration des informations : Optimi-

sation de la collecte des données

Une fois que le problème est bien défini, l’étape suivante consiste à
52 De la donnée à la décision

organiser l’information disponible de manière systématique. À cette

étape, les experts recommandent d’utiliser des outils de gestion des
données comme des bases de données relationnelles ou des outils de
BI (Business Intelligence) pour structurer les informations de ma-
nière efficace. Un expert en data science, Hadley Wickham, connu
pour son travail sur le package tidyverse en R, insiste sur l’impor-
tance de structurer les données de façon cohérente avant même de
commencer les analyses exploratoires. En structurant correctement
les données, on s’assure qu’elles peuvent être manipulées, nettoyées
et analysées plus facilement. Par exemple, dans un projet d’analyse
des tendances sociales sur les réseaux, l’agrégation de données prove-
nant de plusieurs sources (tweets, posts, etc.) de manière structurée
permet de repérer rapidement des anomalies ou des opportunités.

3. Identification des solutions et évaluation des options :

L’innovation au cœur du processus

Une fois les informations organisées, l’analyste doit explorer les diffé-
rentes options pour résoudre le problème. À ce stade, des méthodes
telles que les cartes heuristiques, les diagrammes de flux ou les ma-
trices de décision peuvent être utilisées pour explorer les différentes
avenues possibles. Selon DJ Patil, ancien Chief Data Scientist des
États-Unis, un des défis majeurs dans l’analyse des données est de
penser en dehors des sentiers battus. Il est important d’envisager
plusieurs solutions, même les plus innovantes, avant de se concen-
trer sur une seule approche. Par exemple, un analyste confronté à un
problème d’optimisation des coûts dans une entreprise de logistique
pourrait explorer des solutions utilisant des techniques d’IA, mais
aussi envisager des optimisations plus simples basées sur l’améliora-
tion des processus existants. Dans ce cas, chaque option sera évaluée
en fonction de son coût, de son impact potentiel et de sa faisabilité
technique.

Recommandations d’experts : De l’importance de la flexi-

bilité et de l’itération

Il est important de souligner que la pensée structurée ne signifie pas

rigidité. En effet, selon Kaiser Fung, statisticien et auteur de *“Num-
2.5. Les Questions SMART 53

bers Rule Your World”*, une approche itérative est cruciale dans
l’analyse de données. À chaque étape du cycle de vie des données,
l’analyste doit être prêt à revenir en arrière, ajuster les hypothèses et
tester de nouvelles approches. Les analystes de données doivent être
flexibles et capables de s’adapter en fonction des résultats des tests.
Par exemple, dans une analyse de sentiment sur les réseaux sociaux,
il peut être nécessaire de revenir à l’étape de préparation des données
si les résultats initiaux sont biaisés à cause de données mal filtrées.

En résumé, la pensée structurée est un pilier fondamental pour l’ana-

lyse de données. Elle offre aux analystes une manière systématique
d’aborder des problèmes complexes tout en laissant place à la créati-
vité et à l’innovation. En suivant une méthodologie rigoureuse qui
inclut la compréhension du problème, l’organisation des informa-
tions et l’évaluation des solutions possibles, les analystes de données
peuvent transformer des défis complexes en opportunités de solutions
efficaces. La pensée structurée est, sans aucun doute, un outil incon-
tournable pour toute équipe souhaitant naviguer avec succès dans le
vaste océan des données.

2.5 Les Questions SMART

Les données, bien que riches en informations, ne deviennent utiles

que lorsque le data analyste pose les bonnes questions. Un bon ana-
lyste sait qu’il doit interroger ses données tout au long du cycle de vie
du projet. Ces questions sont essentielles non seulement pour struc-
turer l’analyse, mais aussi pour stimuler la créativité et générer des
idées novatrices. Il est crucial que les questions ne soient pas sugges-
tives, mais qu’elles ouvrent la voie à des réponses riches et précises,
permettant d’approfondir l’analyse.

Une bonne pratique consiste à prioriser ces questions, en se concen-

trant d’abord sur les plus pertinentes et importantes pour le projet.
Cela permet de rester concentré sur l’essentiel, évitant de se disper-
ser sur des aspects secondaires. Il est également crucial de poser des
54 De la donnée à la décision

questions claires et de bien définir le contexte, car des données sans

contexte sont difficilement exploitables. En outre, il est important de
s’assurer que les questions et leurs réponses sont bien comprises par
toutes les parties prenantes, ce qui permet d’éviter toute confusion
et les erreurs qui pourraient en découler.

La méthode SMART (Spécifique, Mesurable, Atteignable, Réaliste,

Temporellement défini) peut être un guide efficace pour formuler des
questions pertinentes. En suivant cette approche, les questions seront
mieux structurées, ce qui aidera à une collecte d’informations plus
ciblée et efficace.

2.5.1 Les principes d’une bonne question

Les questions doivent être à la fois spécifiques et simples, portant

sur un seul aspect ou un ensemble d’éléments étroitement liés. Une
question trop générale doit être affinée en se concentrant sur un as-
pect précis. L’objectif est de poser des questions qui peuvent être
quantifiées et évaluées objectivement, et qui permettent de clarifier
les enjeux à traiter. Chaque question doit encourager l’action et la
réflexion en prenant en compte la temporalité des événements et leur
pertinence dans le cadre du projet.

Considérez cette démarche comme celle d’un détective ayant à sa

disposition une multitude d’indices. Il ne se contente pas d’interroger
un seul suspect, mais pose constamment des questions pour éclaircir
le mystère. C’est cette approche qui permet de dégager des insights
à partir des données.

2.5.2 Exemples de questions SMART

Voici quelques exemples de questions qui peuvent guider un processus

d’analyse de données efficace :
2.5. Les Questions SMART 55

— Objectifs : Quels sont les objectifs à atteindre dans cette

analyse ? Quel problème spécifique cherche-t-on à résoudre ?
— Audience : Qui sont les parties prenantes ? Qui est concerné
par les résultats de cette analyse ?
— Temporalité : Quel est le délai de réalisation de l’analyse ?
Quand les résultats doivent-ils être livrés ?
— Ressources : Quelles ressources sont disponibles pour réa-
liser cette analyse ? Quels outils et quelles compétences sont
nécessaires ?
— Sécurité : Qui aura accès aux données et aux résultats ?
Quelles sont les restrictions liées à l’accès aux informations ?
— Défis : Quels sont les obstacles à surmonter pour atteindre
les objectifs fixés ?
— Partenaires : Qui sont les principaux partenaires de ce pro-
jet et quelles sont leurs attentes ?

2.5.3 Les Cinq Pourquoi

Un esprit critique est indispensable pour poser les bonnes questions.

Mais il est également important de penser de manière créative pour
trouver des solutions nouvelles et inattendues. Parfois, une des pre-
mières questions que l’on se pose est : Quelle est la cause racine d’un
problème ?. Identifier la cause fondamentale d’un problème permet
non seulement de mieux le comprendre, mais aussi d’agir de manière
plus ciblée pour le résoudre.

Le processus des Cinq Pourquoi consiste à poser successivement la

question Pourquoi ? afin d’arriver à la racine d’un problème. Ce pro-
cessus simple peut révéler des causes surprenantes et est particuliè-
rement utile dans le cadre de l’analyse de données.
56 De la donnée à la décision

2.5.4 L’Analyse des Écarts

Une autre méthode utile est l’analyse des écarts, qui consiste à com-
parer l’état actuel d’une situation à l’état désiré. En identifiant les
écarts, on peut élaborer des stratégies pour combler les lacunes et at-
teindre les objectifs fixés. Par exemple, en répondant à la question :
Où se trouvent les écarts dans notre processus ?, on peut mieux com-
prendre où des améliorations sont nécessaires.

Les entreprises utilisent souvent cette méthode pour optimiser leurs

processus, améliorer leurs produits ou devenir plus efficaces.

2.5.5 Remise en Question

Enfin, il est essentiel de remettre en question constamment ses

propres hypothèses et résultats. La question À quoi n’avons-nous pas
pensé avant ? incite à une auto-réflexion qui peut ouvrir de nouvelles
pistes d’analyse. Ce processus permet de découvrir des informations
cachées ou des angles morts, facilitant ainsi la prise de meilleures
décisions et la définition de stratégies plus efficaces.

2.6 Exemple du déroulement d’un

projet

Pour illustrer concrètement le processus d’analyse des données, nous

suivrons l’exemple d’un projet que nous détaillerons tout au long
de ce livre. Cet exemple vous permettra de mieux comprendre les
différentes étapes clés de l’analyse des données et la manière dont
elles se déploient dans un contexte réel.
2.6. Exemple du déroulement d’un projet 57

2.6.1 Scénario d’échange de Mails pour une

Étude sur la Rentabilité des Vélos

Scénario : L’impact de la baisse de bé-

néfices

L’entreprise de location de vélos rencontre une série de problèmes.

La rentabilité de l’entreprise baisse considérablement, et la direction
constate une augmentation des frais de gestion liés à la redistribu-
tion des vélos dans les différentes zones de la ville. De plus, il y a
une hausse du nombre de vélos endommagés, ce qui accentue encore
davantage les coûts.

Échange entre Mike et Jean Mike, le responsable des ventes,

prend la décision d’initier une étude pour mieux comprendre les
causes profondes de cette baisse de rentabilité. Il contacte Jean, le
responsable de l’entreprise, pour lui proposer une analyse approfon-
die des données de l’entreprise. Voici l’échange par mail :

Email de Mike à Jean :

Bonjour Jean,

J’espère que tout va bien. J’ai pris connaissance de la

situation actuelle de notre entreprise de location de vé-
los. La baisse de rentabilité, l’augmentation des frais de
gestion et les problèmes liés à la maintenance des vélos
m’amènent à proposer une étude approfondie des don-
nées disponibles.

Nous stockons des informations sur plusieurs supports et

plateformes, notamment des données sur les paiements
en ligne, les abonnements, l’inventaire des vélos, et les
emplacements des bornes de recharge. Je pense qu’il se-
58 De la donnée à la décision

rait pertinent de collecter et d’analyser ces données pour

identifier les causes possibles de cette baisse de rentabi-
lité et définir des actions pour améliorer notre modèle
économique.

L’étude pourrait se concentrer sur des aspects clés

comme la gestion des stocks, les coûts liés à la distri-
bution des vélos, et l’utilisation des vélos à travers la
ville. Qu’en penses-tu ?

Bien à toi,
Mike

Réponse de Jean à Mike :

Bonjour Mike,

Merci pour ton message. Je suis tout à fait d’accord avec

l’idée d’une étude approfondie des données. Cependant,
je voudrais attirer ton attention sur un point : je pense
qu’il serait dangereux de limiter cette étude uniquement
à quelques aspects clés comme la gestion des stocks ou
les coûts de redistribution des vélos.

Les données disponibles peuvent nous fournir une vision

plus large et plus complète. Il est possible que d’autres
facteurs, tels que les prix de location, la concurrence,
ou même des éléments externes comme la publicité et la
visibilité, influencent également nos résultats. Il est im-
portant de ne pas fermer de portes avant de bien com-
prendre ce que les données nous disent.

Je te propose de ne pas restreindre l’étude dès le dé-

but, mais d’adopter une approche ouverte. Ainsi, nous
pourrons mieux identifier les différents facteurs qui in-
fluencent notre rentabilité.

Qu’en penses-tu ?
2.6. Exemple du déroulement d’un projet 59

Cordialement,
Jean

Ce dialogue montre l’importance de recueillir des informations com-

plètes avant de prendre des décisions et de ne pas limiter une analyse
à des hypothèses trop restreintes. En tant qu’analyste, il est crucial
d’examiner toutes les données disponibles avant de conclure sur les
causes des problèmes rencontrés par l’entreprise.

Après avoir pris en compte les préoccupations de Jean concernant

l’importance de ne pas limiter l’étude aux seuls aspects prédéfinis,
Mike, le responsable des ventes, décide de passer à l’action. Il prépare
un plan pour une analyse complète des données de l’entreprise et
sollicite l’aide d’un bureau d’expertise externe.

Objet : Plan d’action pour l’étude de rentabilité et de

logistique

Bonjour Jean,

Merci pour ton retour concernant l’étude à mener sur

les différents aspects de notre business. Je comprends
parfaitement ta position et je suis tout à fait d’accord
pour ne pas restreindre l’analyse aux éléments que nous
connaissons déjà. Les données doivent parler d’elles-
mêmes et, pour cela, il est essentiel d’avoir une approche
globale.

Je vais contacter le bureau d’expertise en analyse de don-

nées pour procéder à une étude complète. L’idée serait
de collecter et d’analyser les données disponibles sur plu-
sieurs plateformes : les ventes, les abonnements, les coûts
de maintenance, les retours clients, et bien entendu, les
données GPS des vélos et bornes.

Je te tiendrai au courant des premiers retours.

Bien à toi, Mike

60 De la donnée à la décision

Mike contacte le bureau d’expertise : Prise en charge

par Kareem Mike prend contact avec le bureau d’expertise et
explique les objectifs du projet à Kareem, un analyste de données
expérimenté. Kareem est désigné pour être le responsable de l’analyse
de ces données complexes. L’objectif est de comprendre les causes
sous-jacentes de la baisse de rentabilité et de proposer des solutions
fondées sur des données objectives.

Objet : Projet d’analyse de données pour notre business

de location de vélos

Bonjour Kareem,

Je souhaite te confier un projet d’analyse de données

concernant notre activité de location de vélos en ville.
Le but est d’identifier les facteurs qui influencent né-
gativement la rentabilité de l’entreprise, notamment les
frais de répartition des vélos, les réparations fréquentes,
et l’impact de la gestion des abonnements.

Voici les données que nous aimerions explorer : - Les

données de location (nombre de locations par zone géo-
graphique, saisonnalité, etc.). - L’analyse des abonne-
ments et des comportements des clients. - L’impact des
frais logistiques (répartition des vélos). - La rentabilité
de l’activité par zone géographique.

Tu disposes de toutes les données nécessaires, et nous te

confions le soin de les analyser en profondeur. N’hésite
pas à nous poser des questions si tu en as besoin. Il est
essentiel que tu nous donnes une vision claire de ce qui
se passe avant de proposer des solutions.

Merci de me faire part de ton planning pour la prise

en charge de ce projet. Nous devons avoir un premier
rapport d’ici trois semaines.

Bien à toi, Mike

2.6. Exemple du déroulement d’un projet 61

Objet : RE : Projet d’analyse de données pour notre

business de location de vélos

Bonjour Mike,

Merci pour la description du projet. Je vais commencer

par organiser les données collectées sur les différentes
plateformes et m’assurer que nous avons accès à l’en-
semble des informations nécessaires. L’accès aux données
sera ma priorité initiale, notamment celles des abonne-
ments et des transactions de paiement en ligne.

Pour te donner une idée, je prévois les étapes suivantes :

1. Collecte et vérification des données sur les différentes
plateformes. 2. Préparation des jeux de données et net-
toyage des informations. 3. Analyse des tendances dans
les locations, la maintenance et les coûts logistiques. 4.
Élaboration de premiers résultats et proposition de re-
commandations.

En fonction de l’accès aux données et de la disponibilité

des informations, je pense pouvoir fournir un premier
rapport détaillé dans environ deux semaines.

Je reviendrai vers toi si j’ai besoin de plus de précisions

ou d’informations supplémentaires.

Bien à toi, Kareem

2.6.2 Durée estimée du projet

L’estimation de la durée du projet dépend de plusieurs facteurs clés.

Étant donné la taille des bases de données (ventes, comportements
des clients, coûts logistiques, maintenance), la diversité des sources,
et la complexité des analyses nécessaires, le projet devrait durer en-
viron 3 à 4 semaines pour une première analyse détaillée.
62 De la donnée à la décision

Ce délai comprend ; La collecte des données à travers toutes les plate-

formes pertinentes ; Le nettoyage et la préparation des données pour
garantir leur cohérence et leur qualité ; L’identification des tendances
et des modèles qui permettront d’expliquer les problèmes de rentabi-
lité ; La production de recommandations basées sur les résultats de
l’analyse.

L’objectif est que Kareem fournisse un premier rapport détaillé dans

un délai de 2 semaines, afin de permettre à l’équipe de Mike d’avoir
un premier aperçu de la situation et de pouvoir prendre des décisions
éclairées sur les actions à entreprendre. Cette approche garantit que
les objectifs sont définis par les données elles-mêmes, ce qui offre une
perspective plus précise et objective sur les causes des problèmes,
tout en maximisant les chances de trouver des solutions efficaces.

2.6.3 Répartition des rôles

Dès le début et avant la composition d’une équipe projet, il est impor-

tant de définir clairement que l’objectif est de comprendre les données
plutôt que de confirmer des idées préconçues. Cela implique que les
membres de l’équipe doivent être ouverts aux surprises que l’analyse
des données pourrait révéler, et qu’il ne faut pas se précipiter pour
proposer des actions avant que les tendances ne soient identifiées.
Avant d’aller de l’avant avec des recommandations, Kareem pourrait
organiser une phase d’analyse exploratoire. Cela permettrait de vé-
rifier plusieurs hypothèses sans être influencé par les idées initiales
de l’équipe. Cette phase pourrait durer quelques jours ou semaines
selon les données disponibles et les outils utilisés.

Dans ce scénario, Mike, en tant que responsable des ventes, serait

celui qui nome l’équipe projet. Étant le responsable des opérations
commerciales et ayant donné le feu vert pour l’étude, il a la res-
ponsabilité de définir les objectifs globaux et de superviser le projet.
Cependant, étant donné que l’analyse des données est une tâche hau-
tement spécialisée, Kareem, en tant que data analyste expert, aura
un rôle de leadership technique dans le projet.
2.6. Exemple du déroulement d’un projet 63

Après avoir conclu que les données sont hétérogènes et réparties

sur différents supports et formats, Kareem conclut qu’il serait plus
judicieux d’inclure un ingénieur de données dans l’équipe pour ga-
rantir une normalisation, un nettoyage, et une intégration efficaces
des données. L’ingénieur de données serait responsable de la ges-
tion technique de l’infrastructure des données, en s’assurant qu’elles
soient compatibles, propres et prêtes pour l’analyse. Mike propose
Lee comme ingénieur des données.

Si Mike pourrait proposer la composition initiale de l’équipe, notam-

ment en identifiant les rôles nécessaires, c’est Kareem qui, en raison
de son expertise en analyse de données, prendra probablement la tête
des aspects techniques du projet. Kareem sera le chef opérationnel en
ce qui concerne l’analyse et la manipulation des données, mais Mike
restera responsable de l’orientation stratégique du projet, de la coor-
dination et de la gestion de la relation avec les autres départements
et parties prenantes.
64 De la donnée à la décision
Chapitre 3

Compétences et Outils
Clés pour un Data
Analyst

Les outils que les data analystes utilisent sont essentiels pour leur
travail. Dans ce chapitre, nous allons explorer en détail les outils
essentiels dont chaque data analyste devrait se familiariser. Com-
mençant par regarder de près les données.

3.1 Limites des données

Les données sont un atout précieux pour éclairer la prise de déci-

sion, mais elles comportent des limites intrinsèques qu’un analyste
avisé doit comprendre et gérer. Cette reconnaissance des contraintes
propres aux données est essentielle pour tirer des conclusions fiables
et aider les individus et les organisations à faire des choix judicieux.
Bien que puissantes, les données peuvent devenir trompeuses lors-
qu’elles sont incomplètes, mal organisées ou corrompues, entraînant

65
66 Compétences et Outils

ainsi des interprétations erronées et des décisions potentiellement

contre-productives. Pour éviter ces écueils, il est impératif d’assurer
la complétude, la cohérence et la clarté des données avant de procéder
à leur analyse.

3.1.1 Données incomplètes

Lorsqu’une partie des informations nécessaires est absente, il est dif-

ficile de garantir des conclusions solides. Cela ne signifie pas pour
autant que ces données doivent être ignorées ; il est cependant es-
sentiel d’être transparent sur les limites de l’analyse et, si possible,
de rechercher des sources complémentaires pour enrichir le jeu de
données. Une honnêteté quant à la nature incomplète des données
permet de maintenir la crédibilité de l’analyse jusqu’à ce que des
données supplémentaires soient disponibles.

3.1.2 Données mal organisées

Les données mal structurées, telles que des feuilles de calcul aux for-
mats incohérents ou sans en-têtes, posent un risque pour l’intégrité
des analyses. Comprendre et harmoniser les conventions de collecte
(types de séparateurs, formats verticaux ou horizontaux, unités, etc.)
est essentiel pour éviter des erreurs d’interprétation. Une normalisa-
tion minutieuse permet d’assurer des comparaisons fiables et per-
tinentes entre les différentes sources et équipes, renforçant ainsi la
précision des résultats.

3.1.3 Données corrompues

Les données corrompues, marquées par des erreurs, des incohérences

ou des duplications, représentent un obstacle majeur pour l’analyse.
Si elles ne sont pas corrigées, elles risquent de fausser les conclusions,
3.2. Positionnement du Data Analyst au sein de l’Organisation
67

de diminuer la productivité et d’augmenter les coûts. Un processus

de nettoyage efficace consiste à identifier, corriger ou éliminer ces
données imparfaites. Documenter les ajustements réalisés prévient
les malentendus et renforce la transparence de l’analyse, garantissant
des résultats robustes et fiables.

En somme, une gestion proactive des limites des données – en anti-

cipant les problèmes d’incomplétude, de structure et de corruption –
permet de maximiser leur valeur et de tirer des conclusions justes.

Remark 1. Les données sont précieuses, mais elles ont leurs limites.
En tant que data analyst, il est essentiel de reconnaître ces limites
et de mettre en place des pratiques et des outils pour les gérer. En
suivant ces conseils, vous serez mieux préparé pour travailler avec
des données de qualité et prendre des décisions éclairées basées sur
des analyses solides.

3.2 Positionnement du Data Analyst

au sein de l’Organisation

Le rôle d’un data analyste est fondamental au sein de l’organisation,

non seulement pour produire des analyses précises mais aussi pour
instaurer une communication claire et fluide avec les équipes. Trouver
les meilleures solutions commence par poser les bonnes questions, et
le data analyste doit constamment rechercher l’équilibre au sein de
son équipe afin de faciliter le transfert d’informations et de données.

Pour mener à bien ses missions, l’analyste doit adapter sa commu-

nication en fonction de son audience. Quatre questions guident cet
effort : qui constitue mon audience ? Quels sont ses prérequis et son
niveau de compréhension ? Quelles informations sont réellement né-
cessaires ? Comment puis-je communiquer de manière claire et ef-
ficace ? En se posant ces questions, le data analyste affine ses ré-
ponses pour être compris et pour répondre efficacement aux besoins
de ses interlocuteurs. Cette approche permet d’établir un climat de
68 Compétences et Outils

confiance, d’améliorer la communication au sein de l’organisation et

d’adapter ses analyses aux attentes de ses partenaires.

Le data analyste, pour bien orienter son travail, doit être transparent
et réaliste quant aux capacités et aux limites des données disponibles.
Cela signifie non seulement cadrer clairement les objectifs et les at-
tentes des projets, mais aussi reformuler les demandes si nécessaire
pour en garantir la pertinence. En gérant ces attentes, l’analyste
aide ses partenaires à comprendre ce que les données peuvent appor-
ter tout en restant clair sur les contraintes éventuelles. La rapidité
de réponse joue également un rôle clé dans la qualité de la communi-
cation. En cas de question ou de demande, l’analyste doit répondre
sans délai, remercier pour la patience et indiquer un délai de retour
afin de montrer son engagement à fournir des réponses précises.

À mesure qu’il prend de l’expérience, le data analyste voit ses respon-

sabilités évoluer. Ses compétences lui permettent alors de prendre en
charge des projets de plus en plus stratégiques, renforçant son impact
au sein de l’entreprise en orientant des décisions fondées sur les don-
nées. Selon la structure de l’organisation, un data analyste peut être
un membre de l’équipe interne ou un consultant externe. Dans les
deux cas, il s’efforce de collaborer étroitement avec les équipes pour
comprendre leurs besoins spécifiques et offrir des solutions adaptées.

Il est essentiel de bien gérer vos projets pour obtenir des résultats ef-
ficaces et de qualité. Voici quelques règles recommandées pour mener
à bien un projet :

— Discutez des objectifs : Renseignez-vous sur le type de résul-

tats souhaités par le partenaire. Comprendre clairement les
objectifs du projet est essentiel pour orienter votre analyse de
manière pertinente.
— Sentez-vous autorisé à dire "non" : Ayez l’aplomb nécessaire
pour dire « non » lorsque cela est justifié, et fournissez une
explication respectueuse. Il est important de maintenir l’in-
tégrité de votre travail et de ne pas compromettre la qualité
de votre analyse.
— Planifiez l’imprévu : Avant de démarrer un projet, dressez
3.2. Positionnement du Data Analyst au sein de l’Organisation
69

une liste des obstacles potentiels qui pourraient se présenter

en cours de route. Une planification proactive peut vous aider
à anticiper les défis et à les surmonter plus efficacement.
— Connaissez votre projet : Apprenez à savoir comment votre
projet s’intègre au reste de l’entreprise et impliquez-vous pour
fournir le plus d’informations possible. Une compréhension
approfondie du contexte du projet est essentielle pour prendre
des décisions éclairées.
— Commencez avec des mots et des visuels : Commencez par
une description et un visuel rapides de ce que vous essayez
de transmettre. Une communication visuelle peut simplifier
la compréhension des résultats de l’analyse.
— Communiquez souvent : Partagez des notes sur les jalons,
les difficultés et les modifications du projet avec les parties
prenantes. Utilisez ensuite vos notes pour produire un rapport
clair et informatif à communiquer.

Équilibrer les besoins et les attentes

En tant qu’analyste de données, l’une de vos missions essentielles

est de vous concentrer sur les attentes de vos partenaires. Ceux-ci,
ayant investi temps, ressources et intérêt dans les projets sur lesquels
vous travaillez, comptent souvent sur vos analyses pour répondre
à leurs propres besoins et objectifs. Il est donc crucial que votre
travail soit aligné avec leurs attentes et que vous mainteniez une
communication claire et efficace avec l’ensemble des parties prenantes
de votre équipe.

Cette communication régulière contribue à renforcer la confiance

dans votre travail et à instaurer des relations de collaboration fruc-
tueuses. Vos partenaires chercheront à comprendre l’objectif global
du projet, les ressources nécessaires pour l’atteindre, ainsi que les
défis potentiels que vous pourriez rencontrer. Ces échanges sont une
opportunité précieuse pour clarifier les attentes, discuter des enjeux
et assurer que chacun comprend bien le rôle de l’analyse dans la
réussite du projet.
70 Compétences et Outils

Les chefs de projet, par exemple, sont responsables de la planifica-

tion et de l’exécution du projet dans son ensemble. Ils surveillent la
progression de l’équipe et veillent à ce que le projet reste sur la bonne
voie. Vous serez donc amené à leur fournir des mises à jour régulières,
à identifier les ressources dont vous avez besoin, et à signaler rapide-
ment tout problème qui pourrait survenir. Vous pourrez également
collaborer avec d’autres membres de l’équipe, tels que les administra-
teurs RH, qui auront besoin de connaître vos critères d’analyse pour
mieux organiser la collecte de données sur les employés. De même,
vous pourriez travailler aux côtés d’autres analystes de données, cha-
cun ayant une expertise spécifique.

En somme, bien connaître vos partenaires et les membres de votre

équipe vous permet d’adapter votre communication et de leur fournir
les informations nécessaires pour avancer dans leurs propres rôles.
Vous travaillez tous ensemble pour fournir à l’organisation des in-
sights vitaux qui guideront les décisions et orienteront la stratégie de
l’entreprise.

Collaboration avec les Équipes Stratégiques de l’orga-

nisation

Le rôle d’un analyste de données implique de collaborer avec diverses

équipes au sein de l’organisation, chacune ayant des besoins spéci-
fiques et une approche différente des données. Pour travailler effica-
cement, il est crucial de comprendre les attentes de chaque équipe
et d’adapter la communication et les livrables en fonction de leurs
objectifs. Les principales équipes partenaires incluent la direction,
l’équipe en contact direct avec les clients et l’équipe de sciences des
données. Chaque groupe a des responsabilités distinctes et des pers-
pectives uniques qui influencent la façon dont il utilisera les analyses
fournies.

L’équipe de direction, composée de cadres supérieurs tels que des

vice-présidents et des directeurs, se concentre sur le leadership stra-
tégique de l’entreprise. Ces responsables fixent les objectifs de l’or-
3.2. Positionnement du Data Analyst au sein de l’Organisation
71

ganisation, développent des stratégies globales et supervisent leur

mise en œuvre. En raison de leurs responsabilités et de leur emploi
du temps limité, ils préfèrent des analyses synthétiques mettant en
avant les conclusions essentielles et les implications concrètes pour la
stratégie de l’entreprise. Il est donc important de présenter des ré-
sultats clairs et directement exploitables, en répondant précisément
aux questions qu’ils posent, sans entrer dans des détails techniques
inutiles. Comme le souligne Edward Tufte, un pionnier de la visua-
lisation de données, "Above all else, show the data" — cela signifie
qu’il est essentiel de présenter les informations de manière claire et
concise, sans surcharge d’information.

L’équipe en contact direct avec les clients inclut les collaborateurs

de l’organisation qui interagissent régulièrement avec la clientèle et
recueillent leurs retours. Leur rôle consiste à comprendre les besoins
des clients, à définir leurs attentes, et à transmettre leurs retours aux
équipes internes. Bien souvent, cette équipe peut exprimer des de-
mandes spécifiques ou des hypothèses basées sur leurs observations
terrain. En tant qu’analyste, il est essentiel d’aborder ces demandes
de manière objective, en permettant aux données de révéler des in-
sights indépendants et fiables, sans chercher à confirmer des attentes
non fondées. Tom Davenport, dans *Competing on Analytics*, af-
firme que « Competing on analytics means out-thinking rather than
out-muscling the competition. » Cela implique que l’analyste doit
fournir des données et des analyses qui répondent à des questions
concrètes, en évitant de valider des hypothèses préconçues.

Enfin, l’équipe de sciences des données joue un rôle clé dans l’analyse
avancée et la modélisation des données pour soutenir des décisions
prédictives et des insights stratégiques. Collaborer avec cette équipe
permet de combiner diverses expertises techniques. Par exemple, vous
pourriez analyser des données sur la productivité des employés, tan-
dis qu’un autre analyste examine les données de recrutement ; ces
résultats seraient ensuite exploités par un data scientist pour modé-
liser l’impact de nouvelles pratiques sur l’engagement des employés.
Cette collaboration étroite permet d’obtenir une vision globale et
d’explorer de nouveaux angles d’analyse, apportant une profondeur
72 Compétences et Outils

accrue aux insights produits. Comme le note Stephen Few, expert

en visualisation des données, « Dashboards are a means to an end,
not the end itself. » Cela souligne l’importance de la présentation des
données et de l’extraction de conclusions pertinentes, plutôt que de se
concentrer sur des rapports détaillés qui ne servent pas directement
la prise de décision.

Dans cette dynamique de collaboration, il est crucial que l’analyste

de données soit également un traducteur entre les équipes techniques
et non techniques. Comme le rappelle McKinsey & Company, dans
leur rapport sur le rôle du *Translator de données*, ce professionnel
doit être capable de comprendre les besoins métiers et de traduire
les données en informations exploitables, facilitant ainsi la prise de
décision stratégique. La capacité de comprendre les attentes des diffé-
rents groupes et d’adapter ses analyses en conséquence est essentielle
pour la réussite des projets d’analyse de données dans l’organisation.
Enfin, Howard Dresner, consultant en business intelligence, affirme
que "Business intelligence is not about tools or technology, but about
transforming data into useful information." Ce principe reflète l’im-
portance d’une gestion stratégique des données pour répondre aux
enjeux de l’entreprise, plutôt que de se concentrer uniquement sur
les outils utilisés.

Ainsi, la collaboration avec ces équipes repose sur une communication

ciblée et sur la capacité d’adapter vos analyses aux besoins spécifiques
de chaque groupe. En comprenant et en répondant aux attentes de
chacun, vous contribuez efficacement aux objectifs stratégiques de
l’organisation, et soutenez la prise de décision à tous les niveaux.

3.2.1 Respect des bonnes pratiques

Les bonnes pratiques sont des normes, des méthodes ou des approches
reconnues comme étant efficaces et appropriées dans un domaine
particulier. Dans le contexte de l’analyse de données, respecter les
bonnes pratiques revêt une grande importance, car cela garantit un
processus d’analyse de données plus efficace, précis et fiable. Voici
3.2. Positionnement du Data Analyst au sein de l’Organisation
73

Figure 3.1 – La collaboration au sein de l’équipe des données

quelques avantages des bonnes pratiques :

— Une cohérence et une fiabilité accrues des résultats : En sui-

vant les bonnes pratiques, les analystes de données main-
tiennent une approche cohérente tout au long de leur travail.
Cela signifie que les résultats d’une analyse sont fiables et re-
productibles, ce qui est essentiel pour établir la crédibilité de
l’analyse.
— Une réduction des erreurs : Les bonnes pratiques incluent sou-
vent des étapes de vérification et de validation des données,
ce qui permet de réduire les erreurs dans l’analyse. Cela ga-
rantit que les décisions prises sur la base des résultats sont
basées sur des données précises.
— Une meilleure gestion du temps : Les bonnes pratiques in-
cluent généralement des processus efficaces qui permettent
de gagner du temps. En suivant des méthodologies bien éta-
blies, les analystes de données peuvent éviter de perdre du
temps à chercher des erreurs ou à répéter des étapes.
— Une plus grande clarté et une meilleure compréhension : Les
bonnes pratiques encouragent la documentation et la com-
74 Compétences et Outils

munication claires. Cela signifie que les résultats de l’analyse

sont plus faciles à comprendre pour les parties prenantes, ce
qui est essentiel pour une prise de décision éclairée.
— Une plus grande adaptabilité : Bien que les bonnes pratiques
offrent des lignes directrices, elles ne sont pas rigides. Elles
peuvent être adaptées en fonction des besoins spécifiques de
chaque projet. Cela permet une flexibilité tout en maintenant
des normes de qualité élevées.
— Une meilleure sécurité des données : Les bonnes pratiques in-
cluent souvent des mesures de sécurité pour protéger les don-
nées sensibles. Cela garantit que les données de l’entreprise
et des clients sont traitées de manière sécurisée et conforme
aux réglementations.
— Un développement professionnel : Le respect des bonnes pra-
tiques est une compétence précieuse pour les analystes de
données. Cela peut les aider à progresser dans leur carrière,
car les employeurs recherchent des professionnels capables de
produire des analyses de qualité.
— Une plus grande crédibilité : En suivant les bonnes pratiques,
les analystes de données renforcent leur crédibilité auprès de
leurs collègues et de leurs supérieurs. Cela peut conduire à
des opportunités de travail plus importantes et à des rôles de
leadership au sein de l’organisation.

La communication peut être définie comme un processus de trans-

mission d’informations, d’idées, de pensées ou de significations entre
un émetteur et un récepteur, par le biais de signes, de symboles ou de
langages. Selon Shannon et Weaver (1948), ce processus inclut l’en-
voi, la réception et l’interprétation du message, tout en prenant en
compte les distorsions potentielles qui peuvent perturber la compré-
hension. Cette définition met en évidence l’importance de l’efficacité
dans le transfert des informations et souligne que la communication
ne se limite pas à l’émission d’un message, mais à la compréhension
mutuelle entre les parties impliquées.

Les conséquences d’une mauvaise communication peuvent être dra-

matiques dans un environnement professionnel, et parfois même fa-
3.2. Positionnement du Data Analyst au sein de l’Organisation
75

tales pour un projet. Par exemple, une entreprise de construction a

mal interprété des spécifications techniques en raison d’une commu-
nication défaillante entre l’équipe de conception et celle sur le ter-
rain. Cette erreur a causé des retards importants, des coûts supplé-
mentaires et a détérioré la relation avec le client. Un autre exemple
montre une entreprise ayant raté une opportunité stratégique ma-
jeure simplement en n’ayant pas communiqué clairement des chan-
gements dans le calendrier du projet. Une étude de la Project Mana-
gement Institute révèle que 90% des échecs de projet sont liés à des
problèmes de communication. Ces incidents illustrent combien une
mauvaise gestion de la communication peut compromettre un pro-
jet et nuire à la réputation d’une entreprise. Comme le disait Peter
Drucker, "Un mauvais management de la communication peut coûter
bien plus cher qu’une mauvaise gestion financière."

Avant de préparer une présentation ou d’envoyer un e-mail, il est

essentiel de comprendre votre audience : ce qu’elle sait déjà, ce dont
elle a besoin d’apprendre, et comment vous pouvez transmettre ef-
ficacement votre message. Aristote, dans son ouvrage Rhetoric, af-
firmait que "Le premier principe de la communication efficace est
de connaître son auditoire." Une telle préparation aura un impact
direct sur la qualité de votre communication et contribuera à créer
une relation de confiance avec votre public. En prenant en compte
les attentes et le niveau de connaissance de celui-ci, vous établissez
les bases d’une communication solide et réussie. Comme l’écrivait
Stephen Covey : "Cherchez d’abord à comprendre, ensuite à être
compris."

Les e-mails, bien que formels, ne nécessitent pas nécessairement

d’être longs. Il est crucial d’écrire de manière claire et concise, en
utilisant des phrases complètes, une orthographe soignée et une ponc-
tuation appropriée. Les messages doivent se concentrer sur l’essentiel
pour éviter une surcharge d’informations. Une étude de l’Université
de Californie montre que les messages courts et ciblés sont mieux
reçus et génèrent un meilleur engagement que les messages longs. La
concision est essentielle pour que vos e-mails ne passent pas inaperçus
parmi d’autres priorités. Blaise Pascal, dans ses Lettres provinciales,
76 Compétences et Outils

soulignait avec humour : "Je n’ai fait cette lettre plus longue que
parce que je n’ai pas eu le temps de la faire plus courte."

Certaines situations exigent une communication moins agréable,

comme l’annonce de problèmes ou de retards. Toutefois, ces échanges
sont non seulement acceptables, mais également nécessaires pour la
progression du projet. Comme l’a dit Carl Jung, "Ce que nous résis-
tons persiste." Ignorer ou éviter les difficultés ne fait qu’aggraver les
tensions. En communiquant clairement les problèmes, en proposant
des solutions et en clarifiant les attentes, vous pouvez débloquer des
situations autrement stagnantes. Même si la réponse la plus rapide
n’est pas toujours la plus précise, il est possible de trouver un équi-
libre en comprenant les besoins des autres et en fixant des attentes
claires dès le départ.

En résumé, une communication efficace commence par une compré-

hension claire des attentes des partenaires. Cela permet de définir des
objectifs réalistes avec des attentes précises, des délais clairs et des
rapports de suivi convenus. Comme le disait George Bernard Shaw,
"Le plus grand problème de la communication est l’illusion qu’elle
a eu lieu." Une fois ces bases établies, vous vous assurez que votre
message est non seulement entendu, mais aussi compris et pris en
compte.

3.2.2 Les Réunions

Les réunions sont un pilier fondamental de la communication au sein

des équipes et avec les partenaires. Elles offrent une plateforme pour
discuter des avancées du projet, aligner les objectifs et assurer la
coordination des efforts. Comme le souligne Peter Drucker, célèbre
théoricien du management : "La communication est le lubrifiant qui
permet à l’entreprise de fonctionner, mais les réunions mal dirigées
sont le sable qui la grince et ralentit son mouvement." Il est donc
essentiel de bien structurer chaque réunion pour en maximiser l’effi-
cacité.
3.2. Positionnement du Data Analyst au sein de l’Organisation
77

Une étude menée par le Harvard Business Review a révélé que les ma-
nagers passent en moyenne 23 heures par semaine en réunions, mais
que plus de 67% de ces réunions sont jugées inutiles ou mal prépa-
rées. Cela montre à quel point une mauvaise gestion des réunions peut
avoir un impact négatif sur la productivité de l’entreprise. Ainsi, la
préparation est cruciale pour éviter la dilution de l’attention et l’in-
efficacité.

Lorsque vous animez une réunion, la préparation est essentielle. Il

est important de savoir précisément ce que vous allez aborder, de
limiter le nombre de participants pour faciliter les échanges, et de
respecter les horaires pour maintenir une dynamique productive. Un
autre aspect clé de la gestion des réunions est la clarté de l’agenda.
Selon Socrate, "La vraie connaissance est de savoir que vous ne savez
rien." Cette maxime s’applique parfaitement aux réunions : un bon
animateur sait ce qu’il cherche à obtenir de la réunion, mais reste
ouvert à la diversité des points de vue et des suggestions, permettant
ainsi une meilleure prise de décision collective.

En outre, veillez à toujours avoir à portée de main des outils de prise

de notes, comme un bloc-notes ou un ordinateur portable. "Les mots
qui ne sont pas écrits sont vite oubliés," comme le dit l’écrivain et
philosophe de la communication, Antoine de Saint-Exupéry. La prise
de notes active permet de garder une trace des décisions, des idées
importantes, et des points à revisiter, renforçant ainsi l’adhésion des
participants aux décisions prises.

Durant la réunion, il est crucial de ne pas monopoliser la parole,

d’éviter les interruptions inutiles et de rester concentré sur l’objectif
de la discussion. Encouragez la participation de tous les membres
de l’équipe en posant des questions, en sollicitant des clarifications
et en demandant des retours sur les points abordés. Un leader qui
ne sait pas écouter ne saura pas mener son équipe, disait John C.
Maxwell, expert en leadership. Il est fondamental que chaque membre
de l’équipe se sente entendu et valorisé, ce qui favorisera la créativité
et l’engagement.

Chaque réunion doit aboutir à une décision claire, prise par la per-
78 Compétences et Outils

sonne appropriée. Cela nous rappelle le célèbre principe d’Aristote :

"L’homme est par nature un animal social." En tant qu’être social,
l’humain est souvent plus productif lorsqu’il a des interactions claires
et bien définies. Si des décisions doivent être prises en urgence, il
convient de programmer immédiatement une réunion dédiée. Par-
fois, une mauvaise communication peut entraîner des conséquences
catastrophiques. Une anecdote courante dans le monde des affaires
concerne une grande entreprise technologique qui a perdu une oc-
casion stratégique majeure à cause d’une réunion mal structurée et
d’une communication floue sur les priorités. Ce type d’erreur peut
coûter cher, d’où l’importance d’une gestion rigoureuse des réunions.

En tant qu’animateur de réunion, suivez les étapes suivantes pour

garantir son efficacité :

Avant chaque réunion

— Identifiez l’objectif de la réunion.

— Définissez clairement le but et le contexte.
— Établissez les résultats attendus et les décisions à prendre.
— Préparez les questions à aborder et les points à clarifier.
— Organisez les données à présenter et créez des visualisations
lorsque cela est pertinent.
— Préparez et distribuez un ordre du jour comprenant l’heure
de début, la durée prévue, le lieu, et les sujets à discuter.

Pendant la réunion

— Présentez les participants et les rôles de chacun.

— Menez la discussion de manière structurée, en guidant l’ana-
lyse des données.
— Présentez les résultats des analyses de manière claire et vi-
suelle.
— Discutez des implications des résultats, de leur interprétation
et de leur impact sur le projet.
3.3. Les outils du data analyste 79

— Prenez des notes pour consigner les points essentiels et les

décisions prises.
— Résumez les prochaines étapes et les actions à entreprendre.

Après la réunion

— Rédigez et distribuez un récapitulatif concis de la réunion, en

insistant sur les prochaines étapes et les décisions prises.
— Distribuez les notes ou les données pertinentes à l’équipe.
— Confirmez les prochaines étapes et établissez un calendrier
d’actions à réaliser.
— Sollicitez des retours pour vérifier que rien n’a été omis et que
les attentes sont alignées.

En résumé, une communication efficace est essentielle pour maintenir

les partenaires informés de la progression du projet, tout en antici-
pant les problèmes avant qu’ils ne deviennent des obstacles. Que ce
soit par e-mail, en réunion ou à travers des rapports, il est fondamen-
tal que chaque acteur du projet ait une vision claire de l’avancement
et des actions à venir. Une gestion proactive des communications
permet de mieux coordonner les efforts, de gérer les ressources de
manière plus efficace et, en fin de compte, de garantir la réussite du
projet.

3.3 Les outils du data analyste

Le choix des outils à utiliser dépend de la nature du projet et des

compétences du data analyste, ainsi que du type de données à analy-
ser. Il est essentiel de déterminer si les données sont quantitatives ou
qualitatives. Les données quantitatives, souvent sous forme de chiffres
stockés dans des feuilles de calcul et des bases de données, peuvent
être facilement analysées à l’aide d’outils tels qu’Excel. En revanche,
l’analyse des données qualitatives, comme les réponses à des enquêtes
80 Compétences et Outils

ouvertes, les e-mails et les conversations sur les médias sociaux, né-
cessite souvent des logiciels d’analyse de données plus avancés.

Il existe de nombreux outils d’analyse de données sur le marché,

qu’il s’agisse d’outils open source ou de logiciels commerciaux. Voici
quelques-uns des outils couramment utilisés pour l’analyse des don-
nées :

Excel : Le tableur le plus connu qui permet d’analyser et de

manipuler des données à l’aide de formules et de fonctions.
SQL : Le langage de requête structuré utilisé pour gérer et ma-
nipuler des données stockées dans des bases de données rela-
tionnelles.
R : Un langage de programmation open source utilisé pour le
calcul statistique et les graphiques, avec des packages utiles
tels que dplyr, ggplot2, tidyr et caret.
Python : Un langage polyvalent utilisé pour l’analyse de don-
nées, l’apprentissage automatique et le développement web,
avec des bibliothèques puissantes telles que Pandas, NumPy,
Scikit-learn, TensorFlow et PyTorch.
Tableau : Un outil de visualisation de données pour créer des
visualisations et des tableaux de bord interactifs.
Looker : Un outil apprécié des analystes de données pour créer
des visualisations basées sur les résultats de requêtes et pré-
senter des données de manière complète.
Power BI : Un service d’analyse d’entreprise de Microsoft pour
analyser les données et partager des insights.
RapidMiner : Une plateforme de science des données pour éla-
borer des modèles prédictifs d’apprentissage automatique à
partir de données.
SAS : Une suite logicielle statistique utilisée pour la gestion,
l’analyse et le reporting des données.
SPSS : Un logiciel statistique pour l’analyse des données, l’ex-
ploration des données et la prise de décision.
Spark : Un moteur de traitement de big data pour le calcul
distribué et le traitement de données à grande échelle.
3.4. Les feuilles de calcul 81

3.4 Les feuilles de calcul

Une feuille de calcul est un outil numérique essentiel pour stocker,

organiser et trier des données. Une structuration appropriée des don-
nées est cruciale pour en tirer pleinement parti. Les feuilles de calcul
permettent de repérer des modèles, de regrouper des informations et
de trouver facilement les données nécessaires. Elles offrent également
des fonctionnalités précieuses, telles que les formules et les fonctions.

3.4.1 Les formules

Les formules sont l’une des fonctionnalités les plus précieuses des
feuilles de calcul. Une formule est un ensemble d’instructions qui
effectue un calcul spécifique à l’aide des données de la feuille de cal-
cul. Les formules permettent aux analystes de données d’effectuer
automatiquement des calculs puissants, ce qui simplifie l’analyse des
données. Voici quelques astuces pour tirer le meilleur parti des for-
mules :
— Toutes les formules commencent par un signe égal (par
exemple, =A2+A3).
— Utilisez des parenthèses pour définir l’ordre d’exécution des
opérations.
— Utilisez des fonctions prédéfinies pour effectuer des calculs
courants.

3.4.2 Astuces de détection des erreurs

La mise en forme conditionnelle est une fonctionnalité utile pour

repérer les erreurs dans une feuille de calcul. Vous pouvez mettre en
surbrillance en jaune toutes les cellules contenant des erreurs, ce qui
facilite leur correction. Voici quelques astuces pour éviter les erreurs
courantes dans les feuilles de calcul :
— Utilisez le filtrage des données pour rendre la feuille de calcul
82 Compétences et Outils

moins complexe et plus organisée.

— Utilisez des en-têtes figés pour maintenir la lisibilité lorsque
vous faites défiler.
— Utilisez l’astérisque (*) pour la multiplication, pas la lettre
"X".
— Commencez chaque formule ou fonction par un signe égal (=).
— Assurez-vous que chaque parenthèse ouverte a une parenthèse
fermée correspondante.
— Personnalisez la mise en forme pour faciliter la lecture.
— Créez un onglet distinct pour les données brutes et un autre
pour les données nécessaires.

3.5 Le langage SQL

Le langage de requête structuré (SQL) est un langage de program-

mation informatique qui permet de récupérer et de manipuler les
données stockées dans une base de données. Il joue un rôle essentiel
dans la communication entre les analystes de données et les bases
de données. SQL est le langage de requête le plus utilisé en raison
de sa simplicité et de sa compatibilité avec divers types de bases de
données.

Le langage de requête permet aux analystes de données d’extraire des

informations spécifiques d’une ou plusieurs bases de données, ce qui
facilite l’apprentissage et la compréhension des données. Il permet
également de sélectionner, créer, ajouter ou télécharger des données
à des fins d’analyse.

Souvent, les analystes de données utilisent une combinaison de ta-

bleurs et de SQL pour gérer et analyser leurs données, tirant parti
de la puissance des deux formats.
3.6. R et Python pour le data analyste 83

Figure 3.2 – Caption

3.6 R et Python pour le data analyste

R et Python sont deux langages de programmation puissants et po-

lyvalents largement utilisés dans le domaine de l’analyse de données.
Ils offrent des fonctionnalités étendues pour la manipulation, la vi-
sualisation et l’analyse des données. Les data analystes les utilisent
fréquemment pour résoudre des problèmes complexes et obtenir des
insights précieux à partir des données.

3.6.1 R

R est un langage de programmation open source spécialement conçu

pour l’analyse statistique et la visualisation des données. Il offre une
large gamme de packages et de bibliothèques spécifiquement déve-
loppés pour les tâches d’analyse de données. Voici quelques-unes des
raisons pour lesquelles R est populaire parmi les data analystes :

— Richesse des packages : R dispose de milliers de packages

qui couvrent une variété de domaines, de la statistique à la
visualisation en passant par l’apprentissage automatique. Les
packages tels que dplyr, ggplot2, tidyr et caret sont largement
utilisés pour la manipulation des données et la création de
84 Compétences et Outils

graphiques.
— Visualisation avancée : R offre des fonctionnalités de visua-
lisation avancée qui permettent de créer des graphiques per-
sonnalisés et informatifs. La bibliothèque ggplot2 est particu-
lièrement appréciée pour la création de graphiques élégants.
— Statistiques robustes : R est conçu par des statisticiens, ce qui
en fait un choix idéal pour les analyses statistiques complexes.
Il propose des outils avancés pour la modélisation statistique
et l’inférence.
— Facilité d’importation des données : R permet d’importer fa-
cilement des données à partir de divers formats, tels que CSV,
Excel, SQL, et bien d’autres.

3.6.2 Python

Python est un langage de programmation polyvalent largement uti-

lisé dans le domaine de la science des données. Il offre une grande
flexibilité pour l’analyse de données, l’apprentissage automatique et
le développement d’applications. Voici pourquoi de nombreux data
analystes choisissent Python :

— Bibliothèques puissantes : Python dispose de bibliothèques

populaires telles que Pandas, NumPy, Scikit-learn, Tensor-
Flow et PyTorch, qui facilitent la manipulation et l’analyse
des données, ainsi que la création de modèles d’apprentissage
automatique.
— Polyvalence : En plus de l’analyse de données, Python est
utilisé dans une variété de domaines, de la programmation
web à l’automatisation des tâches, ce qui en fait un langage
polyvalent pour les professionnels de l’informatique.
— Large communauté : Python bénéficie d’une communauté ac-
tive et de ressources en ligne abondantes. Vous trouverez de
nombreux tutoriels, forums et bibliothèques open source pour
vous aider dans votre travail.
— Intégration avec d’autres outils : Python peut être facilement
3.7. Les outils du data analyste 85

intégré à d’autres outils et systèmes, ce qui en fait un choix

adapté à des environnements professionnels variés.

Que vous optiez pour R ou Python, les deux langages offrent des ca-
pacités puissantes pour l’analyse de données. Le choix entre les deux
dépend souvent de vos préférences personnelles, de vos compétences
existantes et des exigences spécifiques de votre projet. De nombreux
data analystes choisissent même de maîtriser les deux langages pour
élargir leurs compétences et leur polyvalence.

Remark 2. Spark est un outil puissant pour le traitement de données

à grande échelle, souvent plus associé aux domaines du big data et de
l’ingénierie des données qu’à l’analyse de données. Cependant, il peut
également être utilisé par des data analystes, s’ils doivent travailler
sur des ensembles de données extrêmement volumineux nécessitant
une grande puissance de calcul.

3.7 Les outils du data analyste

Le choix des outils d’analyse dépend de la nature du projet, des

compétences du data analyste et du type de données à analyser. Il
est important de différencier les données quantitatives, souvent sous
forme de chiffres stockés dans des feuilles de calcul ou des bases de
données, des données qualitatives, telles que les réponses à des en-
quêtes ouvertes, les e-mails ou les interactions sur les réseaux sociaux.
Tandis que les données quantitatives sont souvent analysées à l’aide
d’outils comme Excel, l’analyse des données qualitatives nécessite
généralement des logiciels plus spécialisés.

Le marché propose une large gamme d’outils d’analyse de données,

tant open source que commerciaux. Voici quelques-uns des plus uti-
lisés :

— Excel : Le tableur classique pour analyser et manipuler des

données à l’aide de formules et de fonctions.
— SQL : Le langage de requête structuré, essentiel pour gérer
86 Compétences et Outils

et manipuler des données dans des bases de données relation-

nelles.
— R : Un langage open source utilisé pour le calcul statistique
et les graphiques, avec des bibliothèques populaires comme
dplyr, ggplot2, tidyr et caret.
— Python : Un langage polyvalent adapté à l’analyse de don-
nées, à l’apprentissage automatique et au développement web,
avec des bibliothèques puissantes telles que Pandas, NumPy,
Scikit-learn, TensorFlow et PyTorch.
— Tableau : Un outil de visualisation de données permettant
de créer des visualisations et des tableaux de bord interactifs.
— Looker : Un outil de visualisation de données, particulière-
ment utile pour créer des rapports dynamiques à partir de
requêtes.
— Power BI : La solution d’analyse d’entreprise de Microsoft,
idéale pour partager des analyses et insights.
— RapidMiner : Une plateforme dédiée à la création de mo-
dèles d’apprentissage automatique et à l’analyse prédictive.
— SAS : Un logiciel statistique complet pour la gestion des
données, l’analyse avancée et le reporting.
— SPSS : Un outil de statistique pour l’analyse de données et
la prise de décision.
— Spark : Un moteur de traitement de données massives, prin-
cipalement utilisé pour le calcul distribué et le traitement de
données à grande échelle.

3.8 Les feuilles de calcul

Les feuilles de calcul sont des outils essentiels pour stocker, organiser
et analyser des données. Une bonne structuration des informations
est indispensable pour tirer parti de tout leur potentiel. Elles per-
mettent de repérer des tendances, de regrouper des données et de
faciliter leur manipulation grâce à des fonctionnalités avancées, telles
que les formules et les filtres.
3.8. Les feuilles de calcul 87

3.8.1 Les formules

Les formules sont l’une des fonctionnalités les plus puissantes des
feuilles de calcul. Elles permettent d’effectuer des calculs automa-
tiques sur les données et d’automatiser l’analyse. Pour en tirer le
meilleur parti, voici quelques astuces :

— Commencez toujours vos formules par un signe égal

(exemple : =A2+A3).
— Utilisez des parenthèses pour définir l’ordre d’exécution des
opérations.
— Recourez aux fonctions prédéfinies pour des calculs courants
comme SOMME, MOYENNE ou SI.

3.8.2 Astuces pour détecter et éviter les er-

reurs

La mise en forme conditionnelle est un excellent moyen de repérer

rapidement des erreurs dans une feuille de calcul. Par exemple, vous
pouvez surligner en jaune les cellules contenant des erreurs pour fa-
ciliter leur correction. Voici quelques autres astuces pour éviter les
erreurs fréquentes :

— Utilisez des filtres pour simplifier la feuille de calcul et éviter

la surcharge d’informations.
— Fixez les en-têtes pour maintenir une bonne lisibilité en cas
de défilement.
— Utilisez l’astérisque (*) pour la multiplication, et non la lettre
"X".
— N’oubliez pas que chaque formule doit commencer par un
signe égal (=).
— Vérifiez que toutes les parenthèses sont correctement fermées.
— Personnalisez la mise en forme pour rendre les données plus
lisibles.
— Créez des onglets distincts pour séparer les données brutes
88 Compétences et Outils

des données nettoyées.

3.9 Le langage SQL

Le langage de requête structuré (SQL) est un outil fondamental pour

manipuler les données stockées dans une base de données. Il est cou-
ramment utilisé par les analystes de données pour extraire des infor-
mations spécifiques à partir de grandes quantités de données. SQL
est populaire grâce à sa simplicité et sa compatibilité avec une grande
variété de systèmes de bases de données.

SQL permet aux analystes de récupérer, organiser, ajouter ou modi-

fier des données dans des bases de données. Il est souvent combiné
avec d’autres outils, comme Excel, pour offrir une approche plus
complète de l’analyse des données.

3.10 R et Python pour le data ana-

lyste

R et Python sont deux des langages les plus utilisés par les ana-
lystes de données en raison de leur puissance et de leur flexibilité. Ils
permettent de traiter, visualiser et analyser des données de manière
approfondie.

3.10.1 R

R est un langage open source conçu principalement pour l’analyse

statistique et la visualisation des données. Il est particulièrement
apprécié pour ses bibliothèques dédiées, telles que dplyr, ggplot2
et tidyr, qui facilitent le traitement des données et la création de
graphiques élégants.
3.10. R et Python pour le data analyste 89

Quelques atouts de R :
— Richesse des packages : R dispose de milliers de packages
couvrant de nombreux domaines, de la statistique à l’appren-
tissage automatique.
— Visualisation avancée : La bibliothèque ggplot2 est idéale
pour créer des visualisations de données complexes.
— Statistiques robustes : R offre des outils puissants pour la
modélisation statistique et l’inférence.
— Importation de données : R facilite l’importation de don-
nées depuis de nombreux formats (CSV, Excel, SQL, etc.).

3.10.2 Python

Python est un langage polyvalent, très utilisé en analyse de données

et en apprentissage automatique. Il se distingue par ses bibliothèques
telles que Pandas, NumPy, Scikit-learn, TensorFlow et PyTorch,
qui simplifient le traitement des données et la création de modèles
prédictifs.

Les avantages de Python :

— Bibliothèques puissantes : Des outils comme Pandas
et NumPy simplifient le traitement des données, tandis que
Scikit-learn et TensorFlow facilitent l’apprentissage auto-
matique.
— Polyvalence : Python est utilisé dans de nombreux autres
domaines, de la programmation web à l’automatisation des
tâches.
— Grande communauté : Python bénéficie d’une commu-
nauté active et d’une multitude de ressources en ligne.
— Intégration facile : Python s’intègre bien avec d’autres ou-
tils, ce qui le rend adapté à des environnements professionnels
variés.

Remark 3. Bien que Spark soit principalement associé au traite-

ment de données à grande échelle et au big data, il peut également
être utilisé par les analystes de données, notamment lorsqu’ils traitent
90 Compétences et Outils

de très grands ensembles de données nécessitant des capacités de cal-

cul distribuées.

3.11 Exemple du déroulement d’un

projet

3.12 Réunion de l’Équipe Projet

Dans cette réunion stratégique, Mike, le responsable des ventes, a

réuni l’équipe projet pour discuter du lancement de l’analyse des
données concernant la rentabilité des vélos. L’objectif est de définir
clairement les rôles et responsabilités de chaque membre et d’assurer
la bonne communication entre les différentes parties prenantes. Voici
un aperçu des membres de l’équipe et du contenu de la réunion.

3.12.1 Participants

— Mike : Responsable des ventes, responsable de la gestion du

projet.
— Kareem : Data Analyste, en charge de l’analyse des données.
— Lee : Ingénieur de données, chargé de la gestion technique
des données.
— Sandra : Responsable financier, en charge de l’évaluation des
coûts et de l’optimisation financière.
— Natacha : Responsable de la communication, en charge de
l’information à la hiérarchie et de la gestion des échanges
externes.
3.12. Réunion de l’Équipe Projet 91

3.12.2 Déroulement de la Réunion

La réunion commence avec Mike qui présente les objectifs du projet

à toute l’équipe :

"Nous devons analyser la rentabilité de notre service de

location de vélos en ville, comprendre les causes de la
baisse des bénéfices et formuler des recommandations.
Pour cela, nous devons d’abord comprendre les données
avant de nous lancer dans toute recommandation."

3.12.3 Rôles et Responsabilités

Mike insiste sur la nécessité de garder une communication claire et de

ne pas précipiter l’action avant de connaître les résultats de l’analyse
des données. Il rappelle à l’équipe que l’objectif est d’analyser les
données en profondeur, sans préjugé, et d’en tirer des conclusions
objectives.

Rôle de Kareem

Kareem, en tant que data analyste, explique qu’il va se concentrer

sur l’analyse exploratoire des données. Il souligne que les données
sont éparpillées sur différents supports et formats, ce qui nécessitera
une phase de nettoyage et de normalisation des données. Cette phase,
dirigée par Lee, sera cruciale pour s’assurer que les données soient
compatibles et prêtes pour l’analyse.

Rôle de Lee

Lee, l’ingénieur de données, présente son rôle : "Je vais travailler à

intégrer les données provenant de différents systèmes et les nettoyer
92 Compétences et Outils

pour les rendre compatibles avec l’analyse. Cette étape devrait durer
quelques jours, en fonction de la quantité et de la complexité des
données."

Rôle de Sandra

Sandra, responsable financier, soulève la question des coûts liés au

projet. Elle explique qu’il est essentiel d’avoir une estimation précise
des dépenses pour s’assurer que le projet respecte le budget. Elle
prévoit de suivre de près les dépenses liées à l’intégration des ou-
tils nécessaires pour le nettoyage des données et l’analyse. Sandra
commencera à établir un budget prévisionnel, mais elle attendra de
connaître les besoins exacts pour finaliser cette estimation.

Rôle de Natacha

Natacha, responsable de la communication, souligne l’importance

d’une communication régulière avec la hiérarchie. Elle propose de
rédiger une note de synthèse à l’intention de la direction, afin de les
tenir informés de l’avancée du projet et des objectifs. "Il est essentiel
de maintenir la hiérarchie au courant sans trop entrer dans les détails
techniques. Une mise à jour régulière de l’avancement du projet est
clé pour éviter toute ambiguïté," indique Natacha.

3.12.4 Conclusion de la Réunion

Mike conclut la réunion en soulignant l’importance de la collabora-

tion entre les membres de l’équipe. Il rappelle que l’objectif initial
est d’extraire les conclusions des données, et non de valider des hy-
pothèses préconçues. "Nous allons suivre l’avancement de l’analyse
avec des rapports réguliers. Si des ajustements sont nécessaires en
cours de route, nous les ferons", conclut-il.
3.12. Réunion de l’Équipe Projet 93

La réunion a permis de clarifier les rôles, de définir un plan d’ac-

tion pour la phase d’analyse et de garantir que l’équipe soit prête à
travailler ensemble pour répondre aux défis du projet.
94 Compétences et Outils
Chapitre 4

Collecte de Données :
Méthodes, Outils et
Bonnes Pratiques

4.1 Choix des données

Les données, définies comme des unités de mesure des informations

brutes, sont générées en quantité massive partout dans le monde,
chaque minute de chaque jour [Provost and Fawcett, 2013]. Des mil-
lions de SMS sont échangés, des centaines de millions d’e-mails sont
envoyés, des millions de requêtes en ligne sont effectuées, et des mil-
lions de vidéos sont visionnées. Ces chiffres ne cessent de croître,
créant un vaste "océan de données" [Lyman and Varian, 2000]. Se-
lon Floridi, les données représentent un "élément constitutif de la
connaissance dans le monde moderne" [Floridi, 2011].

Dans le domaine de l’analyse des données, une population fait réfé-

rence à l’ensemble de toutes les valeurs de données potentielles dans
un jeu de données donné. Cependant, collecter des données auprès

95
96 Collecte de Données

de toute la population peut s’avérer extrêmement complexe. C’est

là qu’intervient le concept d’échantillonnage, qui est, comme le dit
Hand, "la clé pour rendre possible l’impossible : il nous permet de
faire des inférences fiables sur une population entière sans jamais
interagir avec chacun de ses membres" [Hand, 2008].

Un échantillon est une portion représentative de la population to-

tale. La manière dont vous choisissez de constituer votre échantillon
dépendra de la nature de votre projet et de vos objectifs. En tenant
compte de l’éthique, de la pertinence et de l’exactitude, chaque projet
nécessite une approche soigneusement calibrée en matière de choix
de données [Serres, 2008]. L’échantillonnage présente de nombreux
avantages. Par exemple, il est largement utilisé dans des domaines
variés : les sondages d’opinion capturent les préférences d’une popu-
lation sur une question politique ; les essais cliniques testent un trai-
tement médical sur un groupe de patients représentatifs ; les études
de marché analysent un segment d’acheteurs pour anticiper les com-
portements de consommation. Dans chacun de ces cas, l’échantillon
permet de répondre aux objectifs de l’étude sans nécessiter l’analyse
de la population entière. Pour assurer la qualité de l’échantillon, dif-
férentes méthodes d’échantillonnage sont appliquées. Un échantillon-
nage aléatoire donne à chaque membre de la population la même
probabilité d’être sélectionné, ce qui minimise les biais. Par ailleurs,
l’échantillonnage stratifié consiste à diviser la population en sous-
groupes homogènes, ou strates, afin de s’assurer que chaque segment
est correctement représenté. L’échantillonnage systématique offre une
approche simple en sélectionnant chaque n-ième individu après un
premier choix aléatoire, assurant une répartition cohérente des don-
nées.

4.1.1 Types de données

Données Internes : Il s’agit des données qui sont générées et

stockées au sein même d’une entreprise ou d’une organisation.
Ces données proviennent souvent de systèmes internes tels
4.1. Choix des données 97

que les bases de données, les fichiers de journalisation, ou les

systèmes de gestion de la relation client (CRM).
Données Externes : Les données externes, en revanche, pro-
viennent de sources extérieures à l’entreprise ou à l’organi-
sation. Cela peut inclure des données provenant de sources
publiques, de partenaires commerciaux, de réseaux sociaux,
de capteurs IoT (Internet des objets) ou de tout autre type
de données accessibles.
Données Continues : Les données continues sont des données
mesurées qui peuvent prendre presque n’importe quelle valeur
numérique. Par exemple, la température, le prix d’une action
en bourse ou la vitesse du vent sont des exemples de données
continues.
Données Discrètes : Contrairement aux données continues, les
données discrètes sont des données qui sont comptées et qui
ne peuvent prendre qu’un nombre limité de valeurs distinctes.
Par exemple, le nombre de visiteurs d’un site web, le nombre
de produits vendus ou le nombre d’appels téléphoniques reçus
sont des données discrètes.
Données Qualitatives : Les données qualitatives sont des me-
sures subjectives qui décrivent des qualités ou des caractéris-
tiques. Elles ne sont pas exprimées en termes numériques. Par
exemple, la couleur d’un produit, la satisfaction d’un client
exprimée en mots, ou la catégorie de produits sont des don-
nées qualitatives.
Données Quantitatives : À l’inverse, les données quantita-
tives sont des mesures spécifiques et objectives de faits chif-
frés. Elles sont exprimées en termes numériques. Par exemple,
le chiffre d’affaires d’une entreprise, la taille d’un échantillon
de population ou le nombre de produits défectueux sont des
données quantitatives.
Données Nominales : Les données nominales sont un type de
données qualitatives qui ne sont pas classées selon un ordre
défini. Par exemple, les couleurs de produits (rouge, bleu,
vert) sont des données nominales, car il n’y a pas d’ordre
intrinsèque entre elles.
98 Collecte de Données

Données Ordinales : Les données ordinales sont également des

données qualitatives, mais elles sont classées selon un ordre ou
une échelle définis. Par exemple, le classement d’un produit
sur une échelle de satisfaction (mauvais, moyen, bon) est une
donnée ordinale, car il existe un ordre de qualité.

Données Structurées : Les données structurées sont des don-

nées organisées sous un format spécifique, généralement sous
forme de lignes et de colonnes dans une base de données ou un
tableau. Elles sont faciles à interroger et à analyser en raison
de leur organisation.

Données Non Structurées : En revanche, les données non

structurées ne suivent pas de format clair et organisé. Elles
peuvent inclure des textes libres, des images, des vidéos, des
enregistrements audio, des messages sur les réseaux sociaux,
etc. L’analyse de ces données peut être plus complexe en rai-
son de leur nature non structurée.

Données binaires : Des données qui ne peuvent être exprimées

que comme "oui" ou "non", "vrai" ou "faux", sans autre nuance.

4.1.2 Collecte des données secondaires et

tierces

Si vous n’effectuez pas la collecte de données en interne, il existe

la possibilité d’acquérir des données auprès de fournisseurs secon-
daires ou tiers. Les données secondaires sont collectées par des enti-
tés distinctes avant d’être revendues, tandis que les données tierces
sont proposées par des fournisseurs qui n’ont pas procédé à leur
collecte initiale. Ces données tierces peuvent avoir diverses origines
[Greenwade, 1993].
4.2. La fiabilité des données 99

4.1.3 Respect de l’éthique lors de la collecte

des données

Lorsque vous envisagez de collecter vos propres données, il est im-

pératif de le faire dans le respect absolu de l’éthique, en préservant
les droits et la vie privée des individus concernés. Il convient éga-
lement de prendre des décisions judicieuses concernant la taille de
l’échantillon. Un échantillon aléatoire issu de données existantes peut
s’avérer adapté à certains projets, tandis que d’autres pourraient né-
cessiter une collecte de données stratégique, axée sur des critères
spécifiques. Chaque projet est unique, et le choix des données doit
servir efficacement à résoudre le problème qui se pose.
Remark 4. Lors de la collecte de données, tenez compte du temps
nécessaire, surtout si vous devez suivre des tendances sur une longue
période. Si vous avez besoin d’une réponse rapide, il est possible que
vous ne disposiez pas du temps nécessaire pour collecter de nouvelles
données. Dans ce cas, l’utilisation de données historiques déjà dispo-
nibles peut être la solution la plus appropriée.

4.2 La fiabilité des données

La fiabilité des données est fondamentale pour des décisions éclairées

et des conclusions précises. Des données fiables sont le socle de toute
analyse solide et permettent de garantir la validité des résultats. Voici
quelques bonnes pratiques essentielles pour assurer cette fiabilité :

Identification des sources : Sélectionnez des sources fiables et

réputées, telles que les publications académiques, les bases de
données officielles, ou les rapports d’organisations reconnues
dans le domaine. L’authenticité et la crédibilité de la source
sont les premières étapes pour garantir la qualité des données
utilisées.
Évaluation de la partialité : Il est essentiel d’examiner les
sources pour détecter tout biais potentiel. Recherchez des
100 Collecte de Données

données issues de sources impartiales ou provenant de pers-

pectives diversifiées afin d’assurer une analyse équilibrée. Une
source biaisée pourrait influencer les conclusions de l’étude,
d’où l’importance d’une évaluation critique de l’origine des
données.

Taille et représentativité de l’échantillon : Assurez-vous

que l’échantillon sélectionné pour les études ou les sondages
est suffisamment large et représentatif de la population
étudiée. Un échantillon inadapté peut introduire des biais et
compromettre la validité statistique des résultats.

Qualité et validation des outils : L’exactitude des données

dépend en partie des outils de collecte et d’analyse. Optez
pour des outils validés et utilisés dans le domaine, et véri-
fiez qu’ils sont régulièrement mis à jour et fiables. Des logi-
ciels fiables réduisent les erreurs et renforcent la précision des
données.

Vérification et triangulation des données : Comparez les

données avec plusieurs sources ou croisez-les avec d’autres
jeux de données pour en vérifier la consistance. Cette trian-
gulation permet de renforcer la fiabilité des données et d’iden-
tifier toute anomalie.

Intégrité et gestion des données : Une fois les données re-

cueillies, stockez-les de manière sécurisée pour éviter tout
risque de manipulation ou d’altération. Une gestion rigou-
reuse et transparente des données garantit leur intégrité tout
au long du processus d’analyse.

En résumé, la fiabilité des données repose sur une approche rigou-

reuse à chaque étape : de la collecte à l’analyse. En appliquant
ces principes, vous assurez que les données sont robustes et que les
conclusions tirées sont bien fondées.
4.3. Éthique et Confidentialité des Données 101

4.3 Éthique et Confidentialité des

Données

L’éthique et la confidentialité des données sont des éléments cruciaux

à prendre en compte lors de leur collecte, de leur analyse et de leur
utilisation. Les données collectées peuvent contenir des informations
sensibles sur les individus. Il est essentiel de respecter les normes
éthiques et les lois sur la confidentialité pour préserver la vie privée
des personnes et garantir l’intégrité des données.

4.3.1 Éthique des Données

L’éthique des données désigne l’application de normes morales et

de principes éthiques dans la collecte, le traitement et l’utilisation
des données. Elle repose sur des principes tels que la transparence,
la responsabilité et le respect des droits individuels. Voici quelques
concepts clés à considérer :

Consentement : Lors de la collecte de données, il est essentiel

d’obtenir le consentement éclairé des participants. Ceux-ci
doivent comprendre les objectifs de l’étude, les implications
de leur participation et l’usage prévu de leurs données. Le
consentement doit être volontaire, informé et révocable.
Anonymat et Confidentialité : Les informations personnelles
des participants doivent rester protégées durant le proces-
sus de collecte et d’analyse des données. L’anonymisation des
données, qui consiste à supprimer ou à masquer les informa-
tions personnelles, est souvent nécessaire.
Sécurité des Données : Les données collectées doivent être
stockées en toute sécurité pour éviter tout accès non auto-
risé et pour prévenir toute atteinte à la confidentialité.
Minimisation des Dommages : Des mesures doivent être
prises pour limiter les risques ou les conséquences négatives
102 Collecte de Données

pour les participants. Les procédures de collecte de données

doivent être non invasives et un soutien doit être disponible
en cas de besoin.
Transparence : Les participants doivent être informés de ma-
nière transparente quant aux objectifs de l’étude, aux moda-
lités de collecte des données et à leur utilisation finale. Cela
inclut également les explications sur le traitement des données
et les algorithmes utilisés.
Propriété des Données : Les individus conservent la propriété
de leurs données. Ils contrôlent leur utilisation, leur traite-
ment et leur partage.

Lois et normes

Les lois et normes en matière de protection des données varient selon

les pays. Par exemple, le Règlement général sur la protection des
données (RGPD) de l’Union européenne impose des exigences strictes
en matière de consentement, de notification des violations et de droits
des individus sur leurs données personnelles.

4.3.2 Confidentialité des données

La confidentialité des données couvre les aspects relatifs à l’accès, à

l’utilisation et à la collecte des données, ainsi que les droits légaux
des individus sur leurs données personnelles. Les lois sur la confi-
dentialité des données protègent les droits des individus et leur vie
privée, comme illustré par le RGPD en Europe.

Anonymisation des données

L’anonymisation des données est un processus crucial visant à pro-

téger la vie privée des individus en rendant impossible leur iden-
tification à partir des données collectées. Ce processus est particu-
4.4. Données open source 103

lièrement pertinent dans le contexte des lois sur la protection des

données personnelles, comme le Règlement général sur la protec-
tion des données (RGPD) en Europe, qui exige que les informa-
tions permettant de retracer un individu soient strictement contrôlées
[Parliament and of the European Union, 2016].

L’anonymisation consiste généralement à supprimer, à hacher ou à

masquer des informations personnelles sensibles, telles que les noms,
adresses, ou numéros d’identification. Ce processus garantit que
même si les données sont compromises, les individus restent protégés
contre les risques de réidentification [for Standardization, 2019]. Par
exemple, des techniques comme le pseudonymat et le cryptage des
identifiants uniques (ex. numéros de sécurité sociale ou numéros de
téléphone) sont couramment utilisées pour anonymiser des ensembles
de données [?].

L’intérêt de l’anonymisation réside aussi dans le fait qu’elle per-

met aux organisations de partager ou d’analyser des données sans
compromettre la confidentialité des individus, favorisant ainsi la re-
cherche et l’innovation. Cependant, il est important de noter que
l’anonymisation doit être réalisée avec soin : des méthodes d’ano-
nymisation mal implémentées peuvent permettre une réidentifica-
tion involontaire des individus, notamment si des ensembles de
données additionnels sont utilisés pour recouper les informations
[Narayanan and Shmatikov, 2008]. En respectant des normes et des
techniques d’anonymisation robustes, il est possible de réduire signi-
ficativement les risques et de protéger efficacement les informations
personnelles dans une ère où la donnée est omniprésente.

4.4 Données open source

Les données open source sont des données librement accessibles au

public, pouvant être consultées, utilisées et redistribuées sans res-
trictions juridiques ou techniques. Elles sont souvent publiées sous
licence ouverte, permettant leur utilisation libre. Les données open
104 Collecte de Données

source comprennent des statistiques gouvernementales, des publica-

tions scientifiques et d’autres ensembles de données accessibles au
public.

L’interopérabilité, ou la capacité des systèmes à partager des don-

nées de manière ouverte, est un aspect clé des données ouvertes. Ces
ressources constituent une base précieuse pour la recherche, l’analyse
et le développement de produits. [Greenwade, 1993]

4.5 Les métadonnées

Les métadonnées sont des informations sur les données. Elles four-
nissent des détails sur l’origine, la structure et l’utilisation des don-
nées. Les métadonnées améliorent la qualité et la fiabilité des don-
nées en garantissant leur exactitude, leur pertinence et leur oppor-
tunité. Elles aident également les analystes de données à interpréter
le contenu des données et à identifier les causes des problèmes.

4.5.1 Référentiel de métadonnées

Un référentiel de métadonnées est une base de données spécialement

conçue pour stocker des métadonnées. Il décrit l’emplacement, la
structure et l’état des métadonnées, facilitant ainsi la gestion de
multiples sources de données. Les référentiels de métadonnées garan-
tissent la cohérence et la fiabilité des données utilisées dans l’analyse.

Les métadonnées jouent un rôle essentiel dans l’assurance de la qua-

lité des données et la conformité aux normes éthiques et de confiden-
tialité. Elles permettent de suivre l’accès aux données et de garantir
la transparence dans l’utilisation des données.
4.6. L’intégrité des Données 105

4.6 L’intégrité des Données

L’intégrité des données est un concept crucial qui se réfère à l’exac-

titude, la cohérence et la fiabilité des données tout au long de leur
cycle de vie. Elle vise à garantir que les données restent complètes,
exactes et cohérentes depuis leur création jusqu’à leur suppression.
L’intégrité des données peut être compromise de nombreuses ma-
nières différentes, et il est essentiel de mettre en place des mesures
pour la préserver.

Les données peuvent être compromises lors de leur réplication, de leur

transfert ou de leur manipulation. Les processus de manipulation des
données ont pour but d’organiser et de structurer les données pour
faciliter leur analyse, mais toute erreur pendant ce processus peut
mettre en péril l’intégrité des données. De plus, des erreurs humaines,
des logiciels malveillants, des actes de piratage ou des défaillances
système peuvent également compromettre l’intégrité des données.

Pour garantir l’intégrité des données, il existe diverses méthodes,

notamment la validation et la vérification des données, le contrôle
d’accès, le cryptage des données, les sauvegardes et la reprise après
sinistre, ainsi que la maintenance et la surveillance régulières des
systèmes de données. Il est également essentiel de former le personnel
à la gestion et à la protection des données pour minimiser les risques
liés à l’intégrité des données.

4.6.1 Lois et normes

Plusieurs lois et normes réglementent la gestion et la protection de

l’intégrité des données. Par exemple, le RGPD (Règlement général
sur la protection des données) de l’Union européenne impose des
exigences strictes en matière de protection des données personnelles,
y compris des mesures pour garantir l’intégrité des données.
106 Collecte de Données

4.7 Nettoyage des données

Le nettoyage des données est une étape cruciale dans le domaine de

l’analyse de données, visant à garantir que les données utilisées sont
exactes, complètes et cohérentes. Suivre des bonnes pratiques de net-
toyage des données permet aux analystes d’obtenir des informations
plus fiables et de prendre de meilleures décisions.

— Définir des Critères de Qualité des Données : Avant de pro-

céder au nettoyage des données, il est essentiel de définir des
critères de qualité des données pour s’assurer de leur complé-
tude, de leur exactitude et de leur cohérence.
— Identifier les Anomalies des Données : Il convient d’identifier
toute anomalie dans les données susceptibles d’affecter l’ana-
lyse, telles que des données manquantes, des valeurs aber-
rantes, des doublons ou des incohérences.
— Nettoyer les Données : Le nettoyage des données consiste à
supprimer les doublons, à compléter les données manquantes
et à corriger les erreurs ou les incohérences.
— Normaliser les Formats de Données : La normalisation des
formats de données assure la cohérence entre les différentes
sources de données.
— Valider l’Exactitude des Données : Valider l’exactitude des
données en les comparant à d’autres sources ou en procédant
à un profilage des données.
— Documenter les Étapes de Nettoyage des Données : Il est
essentiel de documenter toutes les étapes du nettoyage des
données pour garantir la transparence et la reproductibilité
du processus.
— Effectuer un Nettoyage Régulier des Données : Le nettoyage
des données doit être effectué régulièrement pour maintenir
l’exactitude et la cohérence des données au fil du temps.
4.8. Les données insuffisantes 107

4.8 Les données insuffisantes

Le manque de données dans le domaine de l’analyse peut constituer

un défi majeur pour les analystes, limitant la précision et la portée
de leurs analyses. Toutefois, des stratégies existent pour surmonter
ce problème et obtenir des informations utiles :

— Collecte de Données Supplémentaires : Lorsque les données

disponibles ne sont pas suffisantes, les analystes peuvent envi-
sager de collecter des données supplémentaires spécifiquement
pour leur projet.
— Utilisation de Techniques d’Échantillonnage : L’échantillon-
nage statistique permet de sélectionner un sous-ensemble re-
présentatif de données à analyser, réduisant ainsi le volume
de données tout en préservant la qualité des informations.
— Augmentation des Données : L’augmentation des données im-
plique l’ajout de données synthétiques générées par des algo-
rithmes ou des techniques de simulation pour enrichir l’en-
semble de données existant.
— Interpolation des Données : L’interpolation permet de com-
pléter les données manquantes en se basant sur les valeurs
des données avoisinantes, contribuant ainsi à une meilleure
complétude des informations.
— Collaboration avec d’autres Organisations : La collaboration
avec d’autres organisations peut offrir l’accès à des données
non accessibles au public, élargissant ainsi les possibilités
d’analyse et améliorant la précision des résultats.

4.9 Les données Corrompues

Les données sales sont des données incomplètes, erronées ou non per-
tinentes pour le problème à résoudre. Les erreurs mineures peuvent
avoir des conséquences importantes à long terme. Les données sales
peuvent résulter de diverses causes, notamment :
108 Collecte de Données

Données en Double : Répétition d’enregistrements, souvent

dues à des saisies manuelles incorrectes ou à des importations
de données. Cela peut entraîner des analyses asymétriques,
des chiffres gonflés ou inexacts, ou une confusion lors de la
récupération des données.
Données Obsolètes : Informations périmées qui doivent être
remplacées par des données plus récentes et précises en rai-
son de changements de personnel ou de l’obsolescence des
systèmes. L’utilisation de données obsolètes peut entraîner
des décisions et des analyses inexactes.
Données Incomplètes : Données présentant des champs man-
quants importants, souvent causées par une collecte ou une
saisie de données incorrectes. Cela peut entraîner une dimi-
nution de la productivité, des informations inexactes ou l’in-
capacité à fournir des services essentiels.
Données Incorrectes : Données complètes mais inexactes, gé-
néralement dues à des erreurs humaines ou à la présence de
fausses informations. L’utilisation de données incorrectes peut
entraîner des décisions basées sur de mauvaises informations
et une perte de revenus.
Données Incohérentes : Données utilisant différents formats
pour représenter la même information, souvent causées par
un stockage incorrect ou des erreurs lors du transfert des
données. Cela peut conduire à des données contradictoires,
provoquant de la confusion ou empêchant la classification ou
la segmentation des clients.

4.10 Exemple du déroulement d’un

projet de location de vélos

Dans ce projet, l’ingénieur des données Lee se charge de l’extraction,

de la transformation et de la gestion des données provenant de di-
verses sources, pour les rendre prêtes à l’analyse par Kareem, qui se
concentrera sur l’analyse proprement dite.
4.10. Exemple du déroulement d’un projet de location de vélos
109

4.10.1 Collecte des données

Lee identifie les différentes sources de données disponibles, comme les

bases SQL, les fichiers JSON, les capteurs IoT et les fichiers textes
extraits de plateformes cloud. Il récupère les données de manière
structurée pour faciliter leur traitement ultérieur.

Dans le cadre de l’analyse des données de trajets de vélos partagés,

il est important de distinguer les données et les métadonnées. Les
données principales incluent des informations telles que l’identifiant
du trajet (ride_id), le type de vélo (rideable_type), les horaires de
début et de fin du trajet (started_at, ended_at), ainsi que la géo-
localisation des trajets avec les coordonnées de départ et d’arrivée
(start_lat, start_lng, end_lat, end_lng). Ces données sont directe-
ment liées aux événements étudiés, à savoir les trajets effectués par
les utilisateurs de vélos partagés.

En revanche, les métadonnées sont des informations supplémentaires

qui décrivent, contextualisent ou qualifient ces données sans être
directement liées aux événements eux-mêmes. Par exemple, si Lee
ajoute une colonne indiquant la date de collecte des données, le nom
de la source des données, ou la source elle-même, ces informations
seraient considérées comme des métadonnées. Elles permettent de
mieux comprendre l’origine des données, leur validité et la façon
dont elles ont été collectées, mais ne font pas directement partie
du contenu analysé, tel que les détails des trajets. En résumé, tan-
dis que les données se concentrent sur l’objet étudié (les trajets de
vélo), les métadonnées fournissent un cadre contextuel essentiel pour
l’interprétation de ces données.

4.10.2 Choix du format de sauvegarde

Lee choisit principalement les formats CSV et Excel, afin de garantir

une bonne accessibilité et une intégrité des données. Les fichiers sont
stockés dans des services cloud sécurisés comme AWS S3 ou Google
110 Collecte de Données

Cloud.

4.10.3 Extraction et transformation des don-

nées

Lee effectue l’extraction et la transformation des données :

— SQL : Extraction des données via des requêtes SQL et ex-

portation en CSV.
— JSON : Utilisation de Python (pandas, json) pour transfor-
mer les fichiers JSON en DataFrame, puis en CSV ou Excel.
— Fichiers texte : Nettoyage des données textuelles avec Py-
thon et expressions régulières.
— IoT : Collecte des données en temps réel via des API IoT,
nettoyage des données brutes et structuration pour l’analyse.

4.10.4 Nettoyage et prétraitement des don-

nées

Lee assure un nettoyage rigoureux des données en supprimant les

doublons, en gérant les valeurs manquantes par imputation, et en
normalisant les données pour garantir la cohérence des formats et
unités.

4.10.5 Stockage et accès aux données

Les données sont stockées dans des environnements cloud sécurisés,

avec des permissions d’accès strictes, garantissant ainsi la confiden-
tialité et la collaboration efficace au sein de l’équipe projet.
4.10. Exemple du déroulement d’un projet de location de vélos
111

4.10.6 Transition vers l’analyse des données

Une fois les données prêtes et structurées, Kareem prend le relais pour
effectuer l’analyse des données, identifier les tendances et générer
des rapports et des visualisations, à partir des données collectées et
nettoyées par Lee.

4.10.7 Transformation de JSON à CSV en

Python

Lee récupère des données au format JSON et les transforme en CSV

à l’aide de Python. Voici un exemple de code pour accomplir cette
tâche :
import pandas as pd
import json

# Charger le fichier JSON

with open ( ' data . json ' , 'r ') as file :
data = json . load ( file )

# Convertir le JSON en DataFrame

df = pd . json_nor malize ( data )

# Sauvegarder le DataFrame en fichier CSV

df . to_csv ( ' data . csv ' , index = False )

Dans cet exemple, le fichier JSON est chargé et converti en Data-

Frame avec la fonction pd.json_normalize(), puis exporté en CSV
avec df.to_csv().
112 Collecte de Données
Chapitre 5

Nettoyage des données :

Préparation et Choix
optimaux

5.1 Utilisation d’un Échantillon

Dans le cadre de l’analyse de données, la décision d’utiliser un échan-

tillon peut être prise à différentes phases du processus : que ce soit
lors de la collecte, du nettoyage ou de l’analyse des données. Cepen-
dant, il est souvent avantageux de décider d’utiliser un échantillon
dès la collecte, surtout si la taille des données est trop grande pour
être traitée efficacement ou dépasse les capacités du matériel dispo-
nible.

5.1.1 Pourquoi Utiliser un Échantillon ?

Un échantillon est un sous-ensemble représentatif d’une population

qui permet d’extraire des informations pertinentes tout en économi-

113
114 Nettoyage des données

sant du temps et des ressources. Cette méthode est couramment uti-

lisée dans les études statistiques, car elle permet de tirer des conclu-
sions sur une population entière à partir d’un petit nombre d’obser-
vations. Cela aide à orienter les recherches et à prendre des décisions
éclairées.

5.1.2 Les Compromis de l’Échantillonnage

Bien que l’échantillonnage soit un outil puissant, il comporte certains

compromis. En effet, utiliser un échantillon signifie que l’on ne peut
pas garantir que les résultats obtenus seront exactement les mêmes
que si l’on avait analysé toute la population. Cela peut entraîner un
biais d’échantillonnage, où certains éléments de la population sont
sur-représentés ou sous-représentés dans l’échantillon. Pour minimi-
ser ce risque, il est fortement recommandé d’utiliser une méthode
d’échantillonnage aléatoire, qui donne à chaque élément de la popu-
lation une chance égale d’être sélectionné, réduisant ainsi les biais
possibles [Pierson, 2015].

5.1.3 Comment Déterminer la Taille de

l’Échantillon ?

La taille de l’échantillon joue un rôle crucial dans la précision et la

fiabilité des résultats. Plusieurs facteurs doivent être pris en compte
lors de cette décision :
— Éviter des échantillons de petite taille : Il est généra-
lement recommandé d’utiliser des échantillons de taille supé-
rieure à 30, selon le théorème de la limite centrale (CLT),
pour s’assurer que les résultats sont représentatifs de la po-
pulation.
— Niveau de confiance : Un niveau de confiance de 95% est
souvent choisi, mais il peut être ajusté en fonction des besoins
spécifiques de l’étude.
5.2. Utiliser un échantillon 115

— Marge d’erreur : Une plus grande taille d’échantillon per-

met de réduire la marge d’erreur et d’augmenter la précision
des résultats.
— Coûts et avantages : Il est important d’évaluer les coûts
liés à l’augmentation de la taille de l’échantillon par rapport
aux bénéfices d’une précision accrue.

5.1.4 Précautions et Stratégies

Il est essentiel de ne pas sous-estimer l’importance de choisir un

échantillon de taille adéquate. Par exemple, des tailles d’échantillons
trop petites (moins de 30) ne sont pas fiables pour générer des résul-
tats significatifs à cause de la variabilité des données. De même, une
taille trop grande pourrait générer des coûts inutiles sans améliorer
substantiellement la précision des conclusions.

5.2 Utiliser un échantillon

Un échantillon représente un sous-ensemble de la population totale

et doit être choisi de manière à refléter fidèlement les caractéristiques
de cette population. L’objectif est de tirer des conclusions valables
pour l’ensemble de la population à partir d’un nombre réduit d’ob-
servations. Cela permet d’économiser du temps, des ressources et de
réduire les coûts tout en obtenant des informations significatives.

5.2.1 Biais d’Échantillonnage

L’un des inconvénients majeurs de l’échantillonnage est le biais

d’échantillonnage, qui survient lorsque l’échantillon sélectionné
n’est pas représentatif de l’ensemble de la population. Ce biais peut
se manifester de différentes manières, par exemple lorsqu’un groupe
particulier de la population est sous-représenté ou sur-représenté
116 Nettoyage des données

dans l’échantillon. Pour minimiser ce biais, il est crucial d’utiliser

un échantillonnage aléatoire, où chaque individu de la population a
une chance égale d’être sélectionné.

5.2.2 Facteurs à Prendre en Compte pour

Déterminer la Taille de l’Échantillon

Lors de la détermination de la taille de l’échantillon, plusieurs fac-

teurs doivent être évalués pour garantir la précision des résultats :

1. Taille de l’échantillon : Une taille inférieure à 30 est gé-

néralement considérée comme insuffisante pour des analyses
statistiques fiables.
2. Niveau de confiance : Un niveau de confiance de 95% est
standard, mais il peut être ajusté en fonction des besoins
spécifiques.
3. Réduction de la marge d’erreur : Plus l’échantillon est
grand, plus la marge d’erreur sera réduite, ce qui améliore la
précision des résultats.
4. Coût de collecte de l’échantillon : Il est essentiel de peser
les coûts d’un échantillon plus large par rapport à l’augmen-
tation marginale de la précision.

5.3 Calcul de la Taille de l’Échan-

tillon

Il existe différentes méthodes pour calculer la taille de l’échantillon

en fonction de la méthode d’échantillonnage choisie et des caracté-
ristiques de la population cible.
5.3. Calcul de la Taille de l’Échantillon 117

5.3.1 Formule de Calcul de la Taille de

l’Échantillon

La formule la plus courante est la suivante :

Z 2 · p · (1 − p)
n=
E2

Où :
— n est la taille de l’échantillon.
— Z est le score Z correspondant au niveau de confiance sou-
haité.
— p est l’estimation de la proportion de la population.
— E est la marge d’erreur souhaitée.

5.3.2 Exemple Pratique

Supposons que vous souhaitez déterminer combien de clients parmi

300 000 achèteront un nouveau produit dans un supermarché. En
choisissant un niveau de confiance de 95% et une marge d’erreur de
5%, vous utilisez la formule pour déterminer la taille nécessaire de
l’échantillon. Si Z = 1, 96, p = 0, 5 et E = 0, 05, le calcul serait :

1, 962 · 0, 5 · (1 − 0, 5)
n= = 384, 16
0, 052

Ce qui signifie qu’un échantillon de 385 clients (en arrondissant) est

nécessaire pour obtenir une estimation fiable avec les paramètres
choisis.

Remark 5. Le calcul de la taille de l’échantillon est un élément cru-

cial pour garantir la représentativité et la précision des résultats. Il
permet de faire des compromis entre coût, précision et ressources dis-
118 Nettoyage des données

ponibles, tout en assurant que les résultats obtenus sont suffisamment

fiables pour prendre des décisions éclairées.

5.4 Nettoyage des données avec les

tableurs

Le nettoyage des données est une étape cruciale pour garantir que
vos données soient précises, complètes et utilisables pour l’analyse.
Ce processus nécessite non seulement des compétences techniques,
mais aussi une attention particulière à la qualité et à la cohérence
des informations. Voici les étapes de base du nettoyage des données,
enrichies des conseils et meilleures pratiques recommandées par des
experts dans le domaine.

1. Importation des données depuis une source externe :

Commencez par importer les données à partir de la source ex-
terne dans votre tableur. Assurez-vous de comprendre le for-
mat des données et de vérifier que l’importation a été effectuée
correctement. Conseil d’expert : Vérifiez les paramètres régio-
naux du tableur (comme le format des dates ou des nombres)
avant l’importation pour éviter des erreurs dues à des incom-
patibilités de formats.
2. Création d’une copie de sauvegarde : Avant de com-
mencer toute modification, créez une copie de sauvegarde des
données originales dans un classeur séparé. Cela vous per-
mettra de revenir en arrière si un problème survient. Avis
d’expert : Ne jamais oublier de conserver une copie des don-
nées originales dans leur état brut, même si vous effectuez un
nettoyage important.
3. Vérification de la structure des données : Assurez-
vous que les données sont présentées sous forme de tableau,
avec des données similaires dans chaque colonne. Les données
doivent être cohérentes, sans lignes ou colonnes vides inutiles.
4. Nettoyage des données textuelles :
5.4. Nettoyage des données avec les tableurs 119

— Correction orthographique : Utilisez les outils de cor-

rection intégrés d’Excel ou Google Sheets. Vous pouvez
aussi faire appel à la fonction RECHERCHER/REMPLACER
pour corriger les erreurs typographiques.
— Suppression des doublons de texte : Utilisez la
fonction SUPPRIMER LES DOUBLONS dans Excel ou Google
Sheets pour éliminer les valeurs répétées dans une ou plu-
sieurs colonnes.
5. Manipulation des colonnes : Si vous devez nettoyer les
colonnes, voici les étapes à suivre :
(a) Insérez une nouvelle colonne à côté de la colonne d’origine.
(b) Utilisez des formules comme GAUCHE, DROITE, ou STXT
pour extraire ou modifier des parties de texte.
(c) Appliquez la formule à toute la colonne.
(d) Copiez les résultats et collez-les comme valeurs pour pré-
server les transformations.
(e) Supprimez la colonne d’origine et renommez la nouvelle
colonne.
6. Gestion des doublons : Identifiez et supprimez les dou-
blons. Avant de supprimer les doublons, filtrez d’abord les
valeurs uniques pour confirmer les résultats. Dans Excel ou
Google Sheets, utilisez SUPPRIMER LES DOUBLONS sous l’on-
glet Données pour supprimer automatiquement les doublons
sur une ou plusieurs colonnes.
7. Utilisation de fonctions prédéfinies : Les fonctions pré-
définies comme GAUCHE, DROITE, ou CONCATENER peuvent être
utiles pour manipuler des chaînes de caractères. En outre,
RECHERCHEV ou INDEX sont utiles pour effectuer des corres-
pondances ou des recherches croisées entre plusieurs tables
de données.
8. Correction des erreurs de saisie : Utilisez le correcteur
orthographique intégré dans Excel et Google Sheets ou ap-
pliquez des formules conditionnelles pour repérer des valeurs
incohérentes, comme les dates mal formatées ou les valeurs
numériques incorrectes.
9. Fusion et division des colonnes :
120 Nettoyage des données

— Fusion de colonnes : Utilisez la fonction CONCATENER

ou l’opérateur & pour fusionner deux ou plusieurs colonnes
en une seule.
— Division de colonnes : Utilisez la fonction TEXTE EN
COLONNES pour diviser les données d’une colonne en plu-
sieurs colonnes (par exemple, séparer les prénoms et les
noms).
10. Transformation des lignes en colonnes et vice versa :
Utilisez l’outil TRANSPOSE d’Excel ou Google Sheets pour ré-
organiser les lignes en colonnes (ou l’inverse) dans le cas d’une
analyse pivotante.
11. Suppression de caractères indésirables : Utilisez les
fonctions SUPPRESPACE, NETTOYER, et SUBSTITUE pour sup-
primer les espaces et les caractères invisibles qui peuvent per-
turber l’analyse.
12. Traitement des nombres et des monnaies : Vérifiez que
les nombres et les valeurs monétaires sont correctement for-
matés. Utilisez l’option de formatage de cellules dans Excel
ou Google Sheets pour appliquer un format numérique spéci-
fique (monnaie, pourcentage, etc.).
13. Conversion et reformatage des dates et heures : Stan-
dardisez les formats de date et d’heure pour garantir la cohé-
rence dans les rapports et les analyses. Utilisez le format de
date YYYY-MM-DD pour éviter les erreurs dues aux paramètres
régionaux de date.
14. Documentation des erreurs et des modifications : No-
tez toutes les erreurs et les étapes de correction dans un jour-
nal ou une feuille dédiée. Cela vous permettra de suivre les
modifications et d’éviter des erreurs répétitives.
15. Gestion des données manquantes : Identifiez les don-
nées manquantes en utilisant la fonction [Link] pour compter
les valeurs manquantes dans une colonne. Ensuite, choisissez
entre l’imputation (par la moyenne, la médiane, etc.) ou la
suppression des lignes concernées.
16. Sauvegarde des données : Avant de commencer le net-
toyage, effectuez une sauvegarde complète des données pour
5.5. Exemples de nettoyage des données dans Excel et Google
Sheets 121
éviter toute perte accidentelle. Utilisez des outils de versio-
ning comme Google Sheets pour garder une trace des diffé-
rentes versions des données.
17. Utilisation de la mise en forme conditionnelle : Utilisez
la mise en forme conditionnelle pour repérer rapidement des
anomalies, comme les valeurs manquantes ou aberrantes. Par
exemple, vous pouvez colorier en rouge les cellules contenant
des valeurs supérieures à une certaine limite ou les cellules
vides.

5.5 Exemples de nettoyage des don-

nées dans Excel et Google Sheets

Voici quelques étapes spécifiques pour nettoyer des données dans

Excel et Google Sheets.

5.5.1 Identification et gestion des données

manquantes

Dans Excel ou Google Sheets, vous pouvez utiliser les formules sui-
vantes pour repérer et gérer les données manquantes :
— Vérification des cellules vides : Utilisez
SI(ESTVIDE(A1), "Vide", "Non Vide") pour tester si
une cellule est vide.
— Imputation par la moyenne : Utilisez la formule
SI(ESTVIDE(A1), MOYENNE(A1:A100), A1) pour rempla-
cer les cellules vides par la moyenne des autres valeurs dans
la colonne.
122 Nettoyage des données

5.5.2 Suppression des doublons

Pour supprimer des doublons dans Excel ou Google Sheets :

— Sélectionnez la colonne ou plage de données.
— Allez dans l’onglet Données et cliquez sur Supprimer les
doublons.

5.5.3 Suppression de caractères indésirables

Pour nettoyer les espaces ou caractères invisibles dans une cellule,

vous pouvez utiliser :
— =SUPPRESPACE(A1) pour supprimer les espaces en trop.
— =SUBSTITUE(A1,CHAR(160), "") pour supprimer les espaces
non imprimables.

5.6 Nettoyage des données : quelques

étapes et outils clés

Le nettoyage des données est une étape cruciale dans tout projet
d’analyse de données. Il comprend plusieurs sous-étapes, dont l’iden-
tification et la gestion des valeurs manquantes, la suppression des
doublons, la correction des incohérences, et la transformation des
données. Ce processus peut être effectué à l’aide de divers outils,
notamment SQL, R et Python.

5.6.1 Identification et gestion des données

manquantes

Les données manquantes peuvent survenir sous différentes formes,

telles que des valeurs absentes ou des champs non renseignés. La
5.6. Nettoyage des données : quelques étapes et outils clés 123

gestion des données manquantes dépend de plusieurs facteurs, comme

la nature du projet et la quantité de données manquantes. Les options
incluent :

— Imputation des données : Remplacer les valeurs man-

quantes par la moyenne, la médiane ou d’autres méthodes
statistiques.
— Suppression des données : Si le pourcentage de données
manquantes est faible, les lignes concernées peuvent être sup-
primées.

Exemple en R pour remplacer les valeurs manquantes

par la moyenne :

data$column [ is . na ( data$column ) ] <- mean ( data$column , na

. rm = TRUE )

Exemple en SQL pour remplacer les valeurs NULL par

une valeur par défaut :

-- Remplacer les valeurs NULL par une valeur par d é faut

UPDATE ma_table
SET colonne = ' Valeur par d é faut '
WHERE colonne IS NULL ;

Exemple en Python pour imputer des données man-

quantes :

import pandas as pd

# Charger les donn é es

df = pd . read_csv ( ' data . csv ')

# Imputer les valeurs manquantes par la moyenne

df [ ' column '] = df [ ' column ' ]. fillna ( df [ ' column ' ]. mean () )
124 Nettoyage des données

5.6.2 Suppression des doublons

Les doublons peuvent apparaître lors de la fusion de plusieurs sources

ou à cause de problèmes dans la collecte des données. Pour garantir
la qualité des analyses, il est essentiel de les supprimer.

Exemple en SQL pour supprimer les doublons :

-- Suppression des doublons dans la table

WITH UniqueData AS (
SELECT DISTINCT *
FROM ma_table
)
SELECT * FROM UniqueData ;

Exemple en Python pour supprimer les doublons :

import pandas as pd
df = pd . read_csv ( ' data . csv ')

# Supprimer les doublons

df = df . d ro p_ du p li ca te s ()

Exemple en R pour supprimer les doublons :

library ( dplyr )

df <- data . frame (

id = c (1 , 2 , 2 , 3) ,
value = c ( " A " , " B " , " B " , " C " )
)

# Suppression des doublons

df_cleaned <- df % >% distinct ()
5.6. Nettoyage des données : quelques étapes et outils clés 125

5.6.3 Correction des incohérences et des er-

reurs typographiques

Les incohérences telles que des valeurs mal saisies ou des noms mal
orthographiés doivent être corrigées. Par exemple, un analyste pour-
rait standardiser le nom des stations ou uniformiser les unités de
mesure.

Exemple de code Python pour uniformiser les valeurs :

df [ ' station_name '] = df [ ' station_name ' ]. str . lower () . str

. strip ()

5.6.4 Transformation des données

Une fois les données nettoyées, elles doivent être transformées pour
correspondre au format requis pour l’analyse. Cela inclut la conver-
sion des dates dans un format uniforme, la normalisation des unités
de mesure, ou la création de nouvelles variables dérivées.

Exemple en Python pour transformer une date en for-

mat uniforme :

df [ ' started_at '] = pd . to_datetime ( df [ ' started_at ' ])

Exemple en R pour convertir une colonne de dates en

format standard :

df$started_at <- as . POSIXct ( df$started_at , format = " %Y -%

m -% d % H :% M :% S " )
126 Nettoyage des données

5.6.5 Suppression ou imputation des données

manquantes

Il existe un choix stratégique à faire entre la suppression et l’im-

putation des données manquantes. La suppression peut être choisie
lorsque la proportion de données manquantes est faible, mais dans
d’autres cas, l’imputation est préférable pour ne pas perdre trop de
données.

Si l’on choisit d’imputer les données manquantes, plusieurs méthodes

peuvent être utilisées :

— Imputation par la moyenne, médiane ou mode : Rem-

placer les valeurs manquantes par des valeurs calculées sur
les données existantes.
— Imputation par interpolation : Utiliser des méthodes d’in-
terpolation pour prédire les valeurs manquantes.

Il est essentiel de tester les deux approches (suppression et impu-

tation) pour choisir celle qui conviendra le mieux au projet et aux
données disponibles.

5.7 Exemple du projet de location de

vélos

Reprenant le projet de location de vélos. voici quelques étapes sus-

ceptibles d’êtres nécessaires.

Exemple en R pour imputer les valeurs manquantes par

la moyenne :
df_cleaned <- df % >%
mutate ( start_lat = ifelse ( is . na ( start_lat ) , mean (
start_lat , na . rm = TRUE ) , start_lat ) )
5.7. Exemple du projet de location de vélos 127

Exemple en Python pour remplacer les données man-

quantes par la moyenne :
df [ ' start_lat '] = df [ ' start_lat ' ]. fillna ( df [ ' start_lat '
]. mean () )

5.7.1 Nettoyage des données avec R

Voici un exemple de nettoyage des données avec le langage R, où

les valeurs manquantes sont remplacées par des moyennes pour les
colonnes numériques et par une valeur par défaut pour les colonnes
textuelles.
# Charger la biblioth è que dplyr
library ( dplyr )

# Exemple de dataframe avec des valeurs manquantes

df <- data . frame (
ride_id = c ( " 600 CFD130D0FD2A4 " , NA , " C1234 " , " " ) ,
rideable_type = c ( " electric_bike " , " classic_bike " , " " ) ,
started_at = c ( " 2022 -06 -30 17:27:53 " , " 2022 -07 -01
14:00:00 " , NA ) ,
ended_at = c ( " 2022 -06 -30 17:35:15 " , NA , " 2022 -07 -01
14:10:00 " ) ,
start_lat = c (41.89 , NA , 41.90) ,
start_lng = c ( -87.62 , -87.65 , " " ) ,
end_lat = c (41.91 , NA , 41.92) ,
end_lng = c ( -87.62 , NA , -87.63) ,
member_casual = c ( " casual " , " member " , " casual " )
)

# Nettoyage des donn é es : remplacement des NA par des

valeurs par d é faut
df_cleaned <- df % >%
mutate (
ride_id = ifelse ( is . na ( ride_id ) | ride_id == " " , "
Unknown " , ride_id ) ,
rideable_type = ifelse ( is . na ( rideable_type ) |
rideable_type == " " , " Unknown " , rideable_type ) ,
started_at = ifelse ( is . na ( started_at ) | started_at == "
" , " Unknown " , started_at ) ,
ended_at = ifelse ( is . na ( ended_at ) | ended_at == " " , "
Unknown " , ended_at ) ,
start_lat = ifelse ( is . na ( start_lat ) , mean ( start_lat , na
. rm = TRUE ) , start_lat ) ,
start_lng = ifelse ( is . na ( start_lng ) | start_lng == " " ,
mean ( start_lng , na . rm = TRUE ) , start_lng ) ,
128 Nettoyage des données

end_lat = ifelse ( is . na ( end_lat ) , mean ( end_lat , na . rm =

TRUE ) , end_lat ) ,
end_lng = ifelse ( is . na ( end_lng ) | end_lng == " " , mean (
end_lng , na . rm = TRUE ) , end_lng ) ,
member_casual = ifelse ( is . na ( member_casual ) |
member_casual == " " , " Unknown " , member_casual )
)

# Affichage des donn é es nettoy é es

print ( df_cleaned )

5.7.2 Suppression des lignes avec des valeurs

manquantes en R

Voici un exemple de code en R qui supprime les lignes contenant des

données manquantes dans le dataframe df :
# Charger la biblioth è que dplyr
library ( dplyr )

# Exemple de dataframe avec des valeurs manquantes

df <- data . frame (
ride_id = c ( " 600 CFD130D0FD2A4 " , NA , " C1234 " , " " ) ,
rideable_type = c ( " electric_bike " , " classic_bike " , " " ) ,
started_at = c ( " 2022 -06 -30 17:27:53 " , " 2022 -07 -01
14:00:00 " , NA ) ,
ended_at = c ( " 2022 -06 -30 17:35:15 " , NA , " 2022 -07 -01
14:10:00 " ) ,
start_lat = c (41.89 , NA , 41.90) ,
start_lng = c ( -87.62 , -87.65 , " " ) ,
end_lat = c (41.91 , NA , 41.92) ,
end_lng = c ( -87.62 , NA , -87.63) ,
member_casual = c ( " casual " , " member " , " casual " )
)

# Suppression des lignes contenant des valeurs

manquantes
df_cleaned <- df % >% na . omit ()

# Affichage des donn é es nettoy é es

print ( df_cleaned )
Chapitre 6

Principes et Pratiques
d’Agrégation et d’Analyse
Statistique

6.1 Importance et Techniques de

l’Agrégation des Données

L’agrégation des données joue un rôle clé dans le processus d’ana-

lyse, permettant de transformer les données brutes en informations
exploitables. Elle intervient de manière optimale après le nettoyage
des données, garantissant que les informations consolidées sont prêtes
pour une analyse approfondie. Le rôle du data analyst dans cette
étape est primordial, car il assure la structuration, la transformation,
et la préparation des données, facilitant ainsi l’extraction d’insights
pertinents.

L’agrégation constitue une étape incontournable pour générer des

statistiques descriptives et des résumés quantitatifs. Elle est cruciale
pour simplifier des volumes massifs de données tout en préservant

129
130 Agrégation et Interprétation des Données

leur signification et leur pertinence pour les décisions stratégiques.

Deux aspects essentiels sont ici abordés : les méthodes d’agrégation
et les outils utilisés pour mener à bien cette tâche.

6.2 Corrélation et Causalité

Il est crucial de bien comprendre la différence entre corrélation et

causalité, car bien que ces concepts puissent sembler similaires, leurs
implications sont très différentes lorsqu’il s’agit de tirer des conclu-
sions à partir des données [Pearl, 2009, ?].

La corrélation : La **corrélation** mesure la force et la di-

rection de la relation entre deux variables. Par exemple, une
corrélation positive indique que lorsque l’une des variables
augmente, l’autre tend également à augmenter [?]. Inverse-
ment, une corrélation négative suggère que lorsque l’une aug-
mente, l’autre diminue. Toutefois, il est important de souli-
gner qu’une **corrélation ne signifie pas nécessairement une
relation de cause à effet**. Un exemple classique de corréla-
tion sans causalité est celui entre le nombre de glaces ven-
dues et le nombre de noyades : les deux augmentent pendant
l’été, mais cela ne signifie pas qu’acheter des glaces cause des
noyades. Cette relation est en réalité causée par un facteur
tiers, à savoir la température élevée [?].
La causalité : La **causalité** va au-delà de la simple asso-
ciation entre deux variables et suggère qu’un événement en
provoque un autre. Pour établir une relation de causalité, il
faut non seulement que les deux événements soient corrélés,
mais aussi qu’une analyse approfondie des mécanismes sous-
jacents et du contexte prouve que l’un provoque réellement
l’autre [?]. Par exemple, fumer est une cause prouvée du can-
cer du poumon : il existe une relation bien documentée entre
l’exposition au tabac et l’augmentation du risque de dévelop-
per cette maladie, soutenue par des études longitudinales et
des preuves expérimentales [?]. Cependant, pour établir une
6.2. Corrélation et Causalité 131

relation causale, il est crucial d’avoir des preuves solides et

de considérer toutes les variables potentielles.

Lors de l’analyse de données, il est essentiel de garder à l’esprit les

éléments suivants pour éviter les conclusions erronées basées unique-
ment sur des corrélations [?] :

— **Examinez de manière critique les corrélations identifiées**,

en cherchant des preuves supplémentaires qui pourraient
confirmer ou infirmer toute relation de causalité [?]. Cela peut
inclure des analyses statistiques avancées comme les tests
d’interaction ou les modèles expérimentaux.
— **Prenez en compte le contexte des données** pour évaluer si
une relation de causalité a du sens. Par exemple, une corréla-
tion entre les heures de sommeil et les performances scolaires
pourrait être due à un facteur tiers, comme un mode de vie
plus sain, plutôt qu’une relation directe de cause à effet [?].
— **Comprenez les limitations des outils d’analyse** que vous
utilisez. Par exemple, les outils statistiques peuvent parfois
détecter des corrélations qui ne sont pas significatives d’un
point de vue causal, notamment si les données sont influencées
par des biais ou des variables cachées [?].

Exemple de corrélation et de causalité :

Prenons l’exemple de la corrélation entre le nombre de policiers dans

une ville et la criminalité. Il peut sembler qu’une augmentation du
nombre de policiers entraîne une baisse de la criminalité. Toutefois,
il est important de se demander si la présence accrue de policiers
est réellement la cause de la baisse de la criminalité, ou si d’autres
facteurs, comme des politiques sociales améliorées ou un meilleur sys-
tème éducatif, ont contribué à cette baisse. Dans ce cas, une analyse
approfondie est nécessaire pour déterminer si la corrélation obser-
vée est causée par l’action des policiers ou par d’autres interventions
parallèles [?].
132 Agrégation et Interprétation des Données

6.3 Méthodes Clés d’Agrégation

L’agrégation des données inclut divers procédés pour transformer les

données brutes en statistiques et résumés significatifs adaptés aux ob-
jectifs d’analyse. Les data analysts emploient différentes techniques
pour obtenir des synthèses spécifiques, selon les besoins de l’étude :

— Calcul de Statistiques Descriptives : En calculant des

mesures comme la moyenne, la médiane, l’écart-type, la va-
riance, le minimum et le maximum, les analysts offrent un
aperçu concis et compréhensible des distributions de données
numériques.
— Agrégation Temporelle : Les données sont souvent re-
groupées par périodes (jours, mois, trimestres, etc.), facilitant
l’identification de tendances et de variations saisonnières. Ce
type d’agrégation est essentiel dans les analyses longitudinales
et les études de séries temporelles.
— Calcul des Taux et Pourcentages : Le recours aux taux et
pourcentages permet d’évaluer des proportions ou des ratios
dans les données, offrant une perspective comparative utile
pour les analystes dans divers contextes, notamment le suivi
des KPIs (indicateurs clés de performance).
— Catégorisation et Groupement des Données : En re-
groupant les données en catégories pertinentes, il devient pos-
sible d’analyser des groupes d’éléments similaires et d’exami-
ner les différences ou points communs entre ces groupes.

6.4 Outils et Logiciels pour l’Agréga-

tion de Données

Les data analysts utilisent une gamme d’outils pour mener à bien
l’agrégation des données, notamment des logiciels spécialisés comme
Python (avec des bibliothèques telles que Pandas), R, SQL, et des
plateformes de BI (Business Intelligence) comme Tableau et Power
6.4. Outils et Logiciels pour l’Agrégation de Données 133

BI. Ces outils permettent d’agréger des données volumineuses de

manière efficace et de les visualiser pour en tirer des conclusions opé-
rationnelles.. Voici un aperçu des principaux outils et logiciels, ainsi
que des exemples concrets d’application dans différents domaines.

6.4.1 Principaux Outils et Logiciels Utilisés

Les data analysts se servent d’une gamme d’outils pour agréger et

analyser les données, notamment :

Tableurs : Des outils comme Excel et Google Sheets offrent des

fonctionnalités de base pour l’agrégation et le nettoyage de
données, notamment via des calculs de moyenne, de somme,
ou encore des formules personnalisées pour segmenter des
données.

Langages de Programmation : Des langages comme Python

(via la bibliothèque Pandas), R, SQL, et Julia permettent des
agrégations avancées, le nettoyage automatisé et la manipu-
lation de grandes quantités de données.

Systèmes de Gestion de Bases de Données : Les bases de

données relationnelles (MySQL, PostgreSQL, SQL Server) fa-
cilitent le stockage de données volumineuses, tout en permet-
tant des opérations d’agrégation complexes, notamment via
SQL.

Outils de Business Intelligence (BI) : Des plateformes

comme Tableau, Power BI, et QlikView permettent des
visualisations interactives, facilitant l’interprétation des
données agrégées et la communication d’insights.
134 Agrégation et Interprétation des Données

6.4.2 Exemples d’Agrégation de Données par

Secteur

Les applications de l’agrégation des données varient selon les secteurs

d’activité. Voici quelques exemples concrets :

Vente au Détail :
— Agrégation des données de vente pour obtenir des indicateurs
clés comme le chiffre d’affaires total, les ventes moyennes par
produit, ou encore la segmentation par région.
— Utilisation de tableurs pour calculer les moyennes de ventes,
identifier les produits les plus populaires ou les zones géogra-
phiques à fort potentiel.
Marketing :
— Agrégation des données de trafic pour analyser les compor-
tements des utilisateurs, en utilisant Python ou SQL pour
automatiser les calculs sur de grands ensembles de données.
— Identification des pages les plus visitées et des sources de tra-
fic, permettant d’ajuster les stratégies de marketing en fonc-
tion des comportements des utilisateurs.
Services Financiers :
— Segmentation des clients selon des critères démographiques
et financiers, en utilisant des bases de données pour stocker
et interroger les données client.
— Création de profils de risque, permettant de proposer des pro-
duits financiers adaptés à chaque segment de clientèle.
Santé :
— Agrégation des données de patients pour analyser les ten-
dances de santé et évaluer l’efficacité des traitements.
— Utilisation d’outils de BI pour visualiser des données médi-
cales et identifier des schémas dans les résultats cliniques.
Dans tous ces exemples, l’agrégation permet aux analystes de syn-
thétiser des informations et d’offrir des perspectives stratégiques aux
décideurs. Les outils utilisés, qu’il s’agisse de tableurs, de langages
de programmation ou de plateformes BI, sont essentiels pour obtenir
des insights fiables et faciliter la prise de décision.
6.4. Outils et Logiciels pour l’Agrégation de Données 135

Fonctions d’agrégation courantes en Tableurs

Dans le domaine de l’analyse de données, plusieurs fonctions d’agré-

gation courantes sont utilisées pour résumer les données et en ex-
traire des statistiques pertinentes. Voici quelques exemples avec les
fonctions VLOOKUP, VALUE, et TRIM.

VLOOKUP (RechercheV) : Cette fonction recherche une valeur

spécifique dans une colonne donnée et renvoie une information
associée. Voici un exemple d’utilisation de VLOOKUP pour
rechercher le nom d’un produit en fonction de son code :

Listing 6.1 – Exemple VLOOKUP dans Excel

= VLOOKUP ( A2 , Produits ! A :B , 2 , FALSE )

VALUE : Convertit une chaîne de texte en nombre pour faciliter

les calculs arithmétiques.

Listing 6.2 – Exemple VALUE dans Excel

= VALUE ( " 123 " )

TRIM : Supprime les espaces supplémentaires autour d’une chaîne

de caractères.

Listing 6.3 – Exemple TRIM dans Excel

= TRIM ( A2 )

6.4.3 Agrégation en SQL

SQL permet une agrégation de données puissante, particulièrement

pour des bases de données relationnelles. Les fonctions d’agrégation
couramment utilisées incluent :
136 Agrégation et Interprétation des Données

Fonctions d’agrégation courantes en SQL

SUM : Calcule la somme d’une colonne de valeurs numériques,

couramment utilisée pour des calculs de montants, comme
les ventes ou les dépenses.
AVG : Retourne la moyenne des valeurs d’une colonne numérique,
utile pour des analyses de tendance.
COUNT : Compte le nombre de lignes, souvent utilisé pour quan-
tifier des occurrences.
MAX et MIN : Respectivement pour obtenir la valeur maximale
et minimale dans une colonne, par exemple pour repérer des
ventes record ou les prix les plus bas.

Voici un exemple de requête SQL pour calculer le chiffre d’affaires

total par produit sur une période donnée :

Listing 6.4 – Exemple SQL - Chiffre d’affaires par produit

SELECT Produit , SUM ( Montant ) AS C h i f f r e A f f a i r e s T o t a l
FROM Ventes
WHERE Date BETWEEN ' 2023 -01 -01 ' AND ' 2023 -12 -31 '
GROUP BY Produit ;

Cette requête regroupe les ventes par produit et calcule le total des
montants de vente pour chaque produit.

6.4.4 Agrégation en Python

Python est couramment utilisé pour l’analyse de données grâce à

des bibliothèques comme Pandas. Avant de voir un exemple, voici
quelques bibliothèques et fonctions d’agrégation populaires utilisées
pour manipuler et analyser les données en Python.
6.4. Outils et Logiciels pour l’Agrégation de Données 137

Bibliothèques et fonctions d’agrégation courantes en

Python

Pandas : Une bibliothèque puissante pour la manipulation de

données, offrant des fonctions comme groupby(), agg(), et
pivot_table() pour agréger des données.
NumPy : Complémentaire à Pandas, cette bibliothèque fournit
des fonctions pour des calculs numériques rapides, comme
sum(), mean(), et median().
groupby() : Dans Pandas, cette fonction permet de regrouper
les données par une ou plusieurs colonnes, et de réaliser des
calculs d’agrégation comme la somme ou la moyenne.
pivot_table() : Cette fonction est utilisée pour créer des ta-
bleaux croisés dynamiques, offrant une vue récapitulative des
données groupées par plusieurs critères.

Voici un exemple d’utilisation de Pandas pour agréger des données

de ventes par produit :

Listing 6.5 – Exemple Python - Agrégation de ventes par produit

import pandas as pd

# Chargement des donn é es

df = pd . DataFrame ({
' Produit ': [ 'A ' , 'B ' , 'A ' , 'C '] ,
' Montant ': [100 , 200 , 150 , 300] ,
' Date ': [ ' 2023 -01 -01 ' , ' 2023 -06 -15 ' , '
2023 -08 -20 ' , ' 2023 -12 -05 ']
})

# Agr é gation par produit

result = df . groupby ( ' Produit ') [ ' Montant ' ]. sum () .
reset_index ()
print ( result )

Dans cet exemple, les données sont regroupées par produit, puis la
somme des montants est calculée pour chaque groupe.
138 Agrégation et Interprétation des Données

6.4.5 Agrégation en R

R est un langage spécialisé pour l’analyse statistique, avec des

fonctions d’agrégation puissantes. Avant de voir un exemple, voici
quelques bibliothèques et fonctions courantes utilisées pour l’agréga-
tion de données en R.

Fonctions et bibliothèques largement utilisées en R

dplyr : Un package très populaire en R pour la manipulation de

données, offrant des fonctions puissantes comme group_by(),
summarize(), et mutate() pour effectuer des agrégations et
transformations.
tidyr : Une autre bibliothèque complémentaire qui aide à trans-
former des données en format large ou long, souvent utilisée
en conjonction avec dplyr pour préparer les données avant ou
après l’agrégation.
group_by() : Cette fonction de dplyr est utilisée pour regrouper
les données selon une ou plusieurs variables.
summarize() : Utilisée avec group_by() pour appliquer des
fonctions d’agrégation telles que la somme, la moyenne, ou
d’autres statistiques sur les groupes de données.
Base R : Les fonctions comme aggregate() et tapply() dans
Base R permettent aussi d’agréger des données, bien que
dplyr soit plus souvent préféré pour sa syntaxe concise et
sa flexibilité.

Voici un exemple utilisant dplyr pour agréger les ventes par produit :

Listing 6.6 – Exemple R - Agrégation de ventes par produit

library ( dplyr )

# Cr é ation des donn é es

data <- data . frame (
Produit = c ( " A " , " B " , " A " , " C " ) ,
Montant = c (100 , 200 , 150 , 300) ,
6.5. Interprétation des Données 139

Date = as . Date ( c ( " 2023 -01 -01 " , " 2023 -06 -15 " , "
2023 -08 -20 " , " 2023 -12 -05 " ) )
)

# Agr é gation par produit

result <- data % >%
group_by ( Produit ) % >%
summarize ( C h i f f r e A f f a i r e s T o t a l = sum ( Montant ) )

print ( result )

Cet exemple crée une base de données de ventes fictive, la regroupe

par produit, puis calcule la somme des montants.

6.5 Interprétation des Données

L’interprétation des données est un processus fondamental dans

l’analyse de données, où les analystes cherchent à donner du sens aux
chiffres bruts en les contextualisant, en identifiant des tendances, et
en formulant des prédictions ou des recommandations. Cette étape va
bien au-delà de l’application de formules mathématiques ; elle repose
également sur une réflexion critique et philosophique qui oriente le
raisonnement vers une compréhension approfondie des résultats ob-
tenus. L’interprétation des données est un exercice qui demande une
rigueur scientifique, une objectivité, mais aussi une capacité à ques-
tionner et à remettre en question les hypothèses sous-jacentes.

La philosophie des sciences nous enseigne que l’interprétation des

données n’est jamais un processus final ou définitif. Karl Popper,
dans La Logique de la découverte scientifique (1972) [Popper, 1972],
souligne que la science est avant tout un processus dynamique de
"conjectures et de réfutations". L’analyse des données doit donc être
perçue comme une tentative de comprendre les phénomènes obser-
vés, une hypothèse qui doit être continuellement testée et confrontée
à de nouvelles informations. De plus, Charles Sanders Peirce, un
philosophe pragmatiste, introduit le concept de l’abduction, un rai-
sonnement qui consiste à formuler l’explication la plus plausible d’un
140 Agrégation et Interprétation des Données

ensemble de faits observés. Cette méthode est particulièrement per-

tinente pour l’analyse des données, car elle permet de proposer des
modèles d’interprétation qui doivent ensuite être validés par l’expé-
rience ou des tests supplémentaires.

Cependant, l’interprétation des données n’est pas seulement une

question de méthodologie et de logique. Elle nécessite également une
compréhension contextuelle des données. Nate Silver, dans son ou-
vrage The Signal and the Noise (2012) [Silver, 2012], insiste sur l’im-
portance de lier les données aux situations réelles. Pour lui, les sta-
tistiques ne prennent tout leur sens que lorsqu’elles sont interprétées
dans leur contexte. Un analyste doit comprendre d’où proviennent
les données, quel est le cadre dans lequel elles ont été collectées, et
quels sont les facteurs externes qui peuvent influencer les résultats.
L’absence de ce contexte peut conduire à des erreurs d’interpréta-
tion, comme en témoignent de nombreux exemples dans le monde
des affaires et des politiques publiques.

Il existe plusieurs erreurs fréquentes dans l’interprétation des don-

nées qui peuvent compromettre la qualité de l’analyse. Une des
plus courantes est de confondre corrélation et causalité. Il est fa-
cile de conclure à tort qu’une variable cause l’autre simplement parce
qu’elles sont corrélées. Par exemple, des études ont montré une corré-
lation entre la consommation de crème glacée et les températures éle-
vées. Cependant, conclure que la chaleur provoque l’achat de crème
glacée serait une erreur, car cette relation est probablement due à un
facteur tiers : l’été. De même, il est important d’éviter de négliger
les incertitudes dans les résultats. L’analyste doit prendre en compte
la variabilité des données, notamment à travers l’usage d’intervalles
de confiance et de tests statistiques pour évaluer la robustesse de ses
conclusions.

L’objectivité est également essentielle dans l’interprétation des don-

nées. L’analyste doit se méfier des biais cognitifs, comme le biais de
confirmation, qui pourrait le pousser à interpréter les résultats d’une
manière qui confirme ses attentes ou hypothèses. Dans un cadre plus
large, comme l’indique le philosophe et statisticien George Box, "tous
6.6. Formules Mathématiques en Analyse de Données 141

les modèles sont faux, mais certains sont utiles" (1976) [Box, 1976].
Cela souligne que même si une interprétation des données peut être
incorrecte ou incomplète, elle peut tout de même fournir des infor-
mations utiles pour la prise de décision, tant qu’elle est utilisée de
manière consciente et avec discernement.

Enfin, l’éthique de l’interprétation des données ne doit pas être sous-

estimée. Les analystes ont la responsabilité de présenter leurs ré-
sultats de manière transparente, en indiquant clairement les limites
des données et des modèles utilisés. L’utilisation abusive ou mani-
pulée des données, par exemple pour justifier des politiques ou des
actions spécifiques, peut avoir des conséquences graves. L’éthique de
l’analyse des données implique également un respect pour la confi-
dentialité des données et un engagement à éviter l’exploitation des
biais dans les données pour des fins intéressées.

Ainsi, l’interprétation des données est une démarche complexe qui al-
lie rigueur mathématique, sens critique et responsabilité éthique. Elle
repose sur un équilibre délicat entre la compréhension des résultats
obtenus, l’acceptation de leurs limites et la capacité de les appliquer
de manière judicieuse dans des contextes spécifiques. L’analyste doit
toujours se rappeler que les données ne sont pas une fin en soi, mais
un moyen de mieux comprendre le monde qui nous entoure et de
prendre des décisions éclairées.

6.6 Formules Mathématiques en

Analyse de Données

Les formules mathématiques jouent un rôle central en analyse de

données, facilitant le calcul de diverses métriques qui permettent
de résumer, comparer et interpréter les données. Ces formules sont
essentielles pour extraire des informations significatives d’ensembles
de données complexes. Voici une présentation de quelques formules
couramment utilisées, avec leur vocation, leur intérêt, ainsi que des
142 Agrégation et Interprétation des Données

exemples d’application.

Formule de la Moyenne : La moyenne arithmétique est un in-

dicateur clé qui représente la valeur centrale d’un ensemble de
données numériques. Elle se calcule par la formule suivante :
Pn
i=1 xi
Moyenne =
n
Où xi désigne chaque valeur de l’échantillon, et n est le
nombre total de valeurs dans l’ensemble.

Vocation : Obtenir une estimation globale de la tendance

centrale des données.

Intérêt : La moyenne est particulièrement utile pour des

ensembles de données symétriques, mais peut être influencée
par des valeurs extrêmes, ce qui la rend moins robuste dans
certains cas (cf. médiane).
Formule de la Médiane : La médiane divise l’ensemble de
données en deux parties égales, permettant d’identifier une
valeur centrale dans les données, indépendamment de la dis-
tribution des valeurs. Si n est impair, la médiane est la valeur
au centre de l’échantillon trié. Si n est pair, elle est calculée
comme la moyenne des deux valeurs centrales.

Vocation : Identifier la valeur qui sépare les données en deux

groupes de taille égale.

Intérêt : La médiane est particulièrement utile pour les don-

nées asymétriques ou avec des valeurs aberrantes, car elle
n’est pas influencée par les extrêmes.
Formule de l’Écart-Type : L’écart-type mesure la dispersion
des valeurs autour de la moyenne. Il est calculé par la formule :
sP
n
i=1 (xi − Moyenne)2
Écart-Type =
n
Un écart-type élevé indique une large dispersion, tandis qu’un
6.6. Formules Mathématiques en Analyse de Données 143

écart-type faible suggère que les valeurs sont proches de la

moyenne.

Vocation : Mesurer la variabilité des données par rapport à

la moyenne.

Intérêt : L’écart-type permet d’évaluer la stabilité des don-

nées et est crucial pour déterminer le degré de confiance dans
les prévisions et les résultats obtenus.
Formule de la Corrélation : La corrélation de Pearson me-
sure la force et la direction de la relation linéaire entre deux
ensembles de données. La formule est la suivante :
Pn
− Moyenne(X))(yi − Moyenne(Y ))
i=1 (xi
Corrélation =
(n − 1) · Écart-Type(X) · Écart-Type(Y )

Vocation : Évaluer la direction et la force de la relation entre

deux variables.

Intérêt : Une corrélation élevée indique une relation forte

entre les variables, ce qui est crucial pour les prédictions et
les analyses multivariées.
Formule de la Probabilité : La probabilité d’un événement A
dans un espace échantillonal est donnée par :

Nombre de cas favorables à A

P (A) =
Nombre total de cas possibles

Vocation : Estimer la vraisemblance de la survenance d’un

événement.

Intérêt : La probabilité est fondamentale dans la prise de

décision dans un environnement incertain, et est la base de
nombreuses approches en modélisation et simulation.
Formule de la Loi Normale : La loi normale, ou loi de Gauss,
est utilisée pour modéliser des phénomènes dont les valeurs
sont réparties de manière symétrique autour de la moyenne.
144 Agrégation et Interprétation des Données

Sa densité de probabilité est donnée par la formule :

!
1 (x − µ)2
f (x) = √ exp −
σ 2π 2σ 2

Où µ est la moyenne et σ l’écart-type de la distribution.

Vocation : Modéliser des données distribuées symétrique-

ment autour d’une moyenne.

Intérêt : La loi normale est utilisée dans les tests d’hypo-

thèses et la modélisation statistique, notamment pour effec-
tuer des estimations sur des ensembles de données vastes.
Formule du Minimum et du Maximum : Les formules
pour le minimum et le maximum permettent de repérer les
valeurs les plus petites et les plus grandes dans un ensemble
de données, ce qui est utile pour identifier les extrêmes et les
anomalies.

Vocation : Identifier les valeurs extrêmes d’un ensemble de

données.

Intérêt : Ces formules sont essentielles pour repérer les ano-

malies et effectuer des analyses de "taille extrême" ou de dé-
tection de valeurs aberrantes.

6.6.1 Exemple Pratique

Prenons un exemple concret : un groupe de cinq étudiants a obtenu

les notes suivantes à un examen : 85, 92, 78, 95, 88. Appliquons les
formules ci-dessus pour mieux comprendre cette distribution.

— Moyenne : Moyenne = 85+92+78+95+88

5 = 87.6
— Médiane : Les données triées sont 78, 85, 88, 92, 95. La mé-
diane est donc 88.
— Écart-Type : En appliquant la formule de l’écart-type, nous
obtenons Écart-Type ≈ 6.22.
6.6. Formules Mathématiques en Analyse de Données 145

— Corrélation : Imaginons qu’on mesure la corrélation entre les

heures d’étude et les notes. Supposons que la corrélation soit
r = 0.85, indiquant une relation forte et positive.
— Probabilité : Si l’on souhaite savoir quelle est la probabilité
d’obtenir une note supérieure à 90, on pourrait utiliser la fonc-
tion de distribution normale pour calculer cette probabilité,
si l’on suppose que les notes suivent une loi normale.
— Minimum : La valeur minimale des notes est 78.
— Maximum : La valeur maximale des notes est 95.

6.6.2 Mathématique et Outils

Les outils mathématiques et statistiques sont essentiels pour effectuer

ces calculs dans les logiciels d’analyse de données. Voici quelques
fonctions couramment utilisées dans ce domaine :

Addition (SUM) : Permet d’additionner une série de valeurs

numériques. C’est la base des agrégations et des calculs de
totaux.
Division (DIV) : Utilisée pour calculer des ratios ou des taux,
notamment dans l’analyse des résultats relatifs.
Multiplication (MULT) : Indispensable pour calculer des
produits ou des valeurs prévisionnelles.
Logarithme (LOG) : Fonction utilisée pour transformer des
données exponentielles en valeurs linéaires.

Ces outils facilitent l’exécution de calculs et d’analyses complexes,

permettant aux analystes de mieux comprendre et interpréter les
données.
146 Agrégation et Interprétation des Données

6.7 Exemple du Projet de Location

de Vélos

6.7.1 Contexte

Dans le cadre du projet de location de vélos, les données collectées

incluent des informations sur les trajets effectués avec les vélos, telles
que les ID de trajets, les types de vélos, les heures de début et de fin,
les stations de départ et d’arrivée, les coordonnées géographiques, et
le type d’abonné (membre ou occasionnel). Après que Lee, l’ingénieur
de données, ait collecté et nettoyé ces données, Kareem, l’analyste
de données, prend le relais pour effectuer une analyse approfondie.

Voici un extrait des données collectées après nettoyage :

[
{
"ride_id": "600CFD130D0FD2A4",
"rideable_type": "electric_bike",
"started_at": "2022-06-30 17:27:53",
"ended_at": "2022-06-30 17:35:15",
"start_station_name": "Station A",
"start_station_id": 1,
"end_station_name": "Station B",
"end_station_id": 2,
"start_lat": 41.89,
"start_lng": -87.62,
"end_lat": 41.91,
"end_lng": -87.62,
"member_casual": "casual"
}
]
6.7. Exemple du Projet de Location de Vélos 147

6.7.2 Analyse des Données par Kareem

Après le nettoyage des données effectué par Lee, Kareem commence

l’analyse des données pour en tirer des conclusions pertinentes. Voici
quelques-unes des étapes principales qu’il suit :

1. Analyse des Tendances d’Utilisation

Kareem explore les données pour identifier les tendances dans l’uti-
lisation des vélos, telles que les périodes de forte affluence ou les
différences de fréquence entre les types d’abonnés. Par exemple, il
pourrait calculer la durée moyenne des trajets.

Exemple de calcul de la durée moyenne des trajets (Python) :

# Calcul de la dur é e de chaque trajet en minutes
df [ ' started_at '] = pd . to_datetime ( df [ ' started_at ' ])
df [ ' ended_at '] = pd . to_datetime ( df [ ' ended_at ' ])
df [ ' duration '] = ( df [ ' ended_at '] - df [ ' started_at ' ]) . dt
. total_seconds () / 60

# Calcul de la dur é e moyenne

mean_duration = df [ ' duration ' ]. mean ()

Exemple en R :
# Conversion des dates en format datetime
df$started_at <- as . POSIXct ( df$started_at )
df$ended_at <- as . POSIXct ( df$ended_at )

# Calcul de la dur é e en minutes

df$duration <- as . numeric ( difftime ( df$ended_at ,
df$started_at , units = " mins " ) )

# Calcul de la dur é e moyenne

mean_duration <- mean ( df$duration , na . rm = TRUE )

Exemple dans un Tableur :

Dans un tableur, vous pouvez utiliser la fonction suivante pour cal-

culer la durée moyenne par type d’abonnement :
= [Link](A2 : A100, ”member”, B2 : B100)
148 Agrégation et Interprétation des Données

où A2:A100 représente la colonne des types d’abonnement et B2:B100

représente la colonne des durées des trajets.

2. Segmentation des Utilisateurs

Kareem analyse également les comportements des utilisateurs en

fonction de leur type d’abonnement (member_casual). Il pourrait
vouloir savoir si les membres utilisent les vélos plus souvent que les
utilisateurs occasionnels.

Exemple d’analyse des utilisateurs occasionnels vs membres (Py-

thon) :
# Calcul de la dur é e moyenne par type d ' abonnement
m e a n _ d u r a t i o n _ b y _ t y p e = df . groupby ( ' member_casual ') [ '
duration ' ]. mean ()

Exemple en R :
# Calcul de la dur é e moyenne par type d ' abonnement
m e a n _ d u r a t i o n _ b y _ t y p e <- aggregate ( duration ~
member_casual , data = df , FUN = mean )

Exemple dans un Tableur :

Dans un tableur, vous pouvez utiliser la fonction [Link] pour calculer

le nombre de trajets par type d’abonnement :
= [Link](A2 : A100, ”StationA”)
où A2:A100 représente la colonne des stations de départ.

3. Identification des Stations Populaires

Kareem analyse les données géographiques pour identifier les stations

les plus utilisées. Cela peut aider à mieux gérer les stations et à
ajuster la disponibilité des vélos en fonction des besoins.

Exemple de visualisation des stations populaires (Python) :

6.7. Exemple du Projet de Location de Vélos 149

import matplotlib . pyplot as plt

# Comptage du nombre de trajets par station de d é part

s t a r t _ s t a t i o n _ c o u n t s = df [ ' s t a r t _ s t a t i o n _ n a m e ' ].
value_counts ()

# Visualisation des stations les plus populaires

s t a r t _ s t a t i o n _ c o u n t s . plot ( kind = ' bar ' , title = ' Popularit é
des Stations de D é part ')
plt . xlabel ( ' Stations de D é part ')
plt . ylabel ( ' Nombre de Trajets ')
plt . show ()

Exemple en R :
# Comptage des trajets par station de d é part
s t a r t _ s t a t i o n _ c o u n t s <- table ( d f $ s t a r t _ s t a t i o n _ n a m e )

# Visualisation des stations populaires

barplot ( start_station_counts , main = " Popularit é des
Stations de D é part " ,
xlab = " Stations de D é part " , ylab = " Nombre de Trajets "
)

Exemple dans un Tableur :

Dans un tableur, pour calculer le nombre de trajets par station de

départ, vous pouvez utiliser la fonction [Link] :

= [Link](A2 : A100, ”StationA”)

où A2:A100 représente la colonne des stations de départ.

4. Prévisions et Modélisation

Kareem peut aussi construire des modèles statistiques ou de machine

learning pour prédire la demande future de vélos, en fonction des
heures ou des jours de la semaine.

Exemple de modèle de régression pour la demande de vélos en fonc-

tion de l’heure (Python) :
from sklearn . linear_model import L i n e a r Re g r e s s i o n
150 Agrégation et Interprétation des Données

# Pr é paration des donn é es

df [ ' hour '] = df [ ' started_at ' ]. dt . hour
X = df [[ ' hour ' ]]
y = df [ ' duration ']

# Cr é ation du mod è le de r é gression

model = L i n e ar R e g r e s s i o n ()
model . fit (X , y )

# Pr é diction de la dur é e pour une heure donn é e

p r e d i c t e d _ d u r a t i o n = model . predict ([[14]]) # Pr é
diction pour 14 h

Exemple en R :

library ( caret )

# Cr é ation d ' une variable horaire

df$hour <- as . numeric ( format ( df$started_at , "% H ") )

# Cr é ation du mod è le de r é gression lin é aire

model <- lm ( duration ~ hour , data = df )

# Pr é diction pour une heure donn é e

p r e d i c t e d _ d u r a t i o n <- predict ( model , newdata = data .
frame ( hour = 14) )

Exemple dans un Tableur :

Dans un tableur, vous pouvez utiliser la fonction de régression linéaire

REGLIN pour prédire la durée en fonction de l’heure :

= REGLIN(B2 : B100, A2 : A100)

où B2:B100 est la plage des durées et A2:A100 est la plage des heures
de départ.
6.8. Analyse des Tendances de Location de Vélos 151

6.8 Analyse des Tendances de Loca-

tion de Vélos

6.8.1 1. Locations pendant le Week-End

Kareem explore les trajets effectués durant le week-end pour évaluer

s’il y a une demande accrue de vélos ces jours-là. Cela peut aider à
mieux gérer la disponibilité des vélos durant ces périodes.

Exemple en Python pour extraire les trajets du week-end :

# Extraire les trajets du week - end
df [ ' day_of_week '] = df [ ' started_at ' ]. dt . dayofweek
weekend_rides = df [ df [ ' day_of_week '] >= 5] # Saturday
(5) and Sunday (6)

# Calculer la dur é e moyenne pendant le week - end

m e a n _ d u r a t i o n _ w e e k e n d = weekend_rides [ ' duration ' ]. mean
()

Exemple en R :
# Extraire les trajets du week - end
df$d ay_of_we ek <- weekdays ( df$started_at )
weekend_rides <- subset ( df , day_of_week % in % c ( "
Saturday " , " Sunday " ) )

# Calcul de la dur é e moyenne pendant le week - end

m e a n _ d u r a t i o n _ w e e k e n d <- mean ( weekend_rides$duration ,
na . rm = TRUE )

6.8.2 2. Périodes de Vacances

Kareem peut identifier les périodes de vacances pour analyser la de-

mande de vélos pendant ces périodes. Cela peut inclure des jours
fériés spécifiques comme Noël ou les vacances d’été.

Exemple en Python pour extraire les trajets pendant les vacances :

# Liste des vacances à analyser ( exemple avec des dates
fictives )
152 Agrégation et Interprétation des Données

holiday_dates = pd . to_datetime ([ ' 2022 -12 -25 ' , '

2022 -07 -04 ' ])

# Extraire les trajets durant les vacances

holiday_rides = df [ df [ ' started_at ' ]. dt . date . isin (
holiday_dates . date ) ]

# Calcul de la dur é e moyenne durant les vacances

m e a n _ d u r a t i o n _ h o l i d a y = holiday_rides [ ' duration ' ]. mean
()

Exemple en R :
# Liste des dates de vacances
holiday_dates <- as . Date ( c ( " 2022 -12 -25 " , " 2022 -07 -04 " ) )

# Extraire les trajets durant les vacances

holiday_rides <- subset ( df , as . Date ( df$started_at ) % in %
holiday_dates )

# Calcul de la dur é e moyenne durant les vacances

m e a n _ d u r a t i o n _ h o l i d a y <- mean ( holiday_rides$duration ,
na . rm = TRUE )

6.8.3 3. Heures de Pointe

Les heures de pointe correspondent généralement aux moments où la

demande est la plus élevée, comme le matin et le soir. Kareem peut
analyser ces périodes pour ajuster la disponibilité des vélos.

Exemple en Python pour identifier les heures de pointe :

# Extraire l ' heure de d é part
df [ ' hour '] = df [ ' started_at ' ]. dt . hour

# Identifier les heures de pointe ( par exemple , entre 7

h et 9h , et entre 17 h et 19 h )
p e a k _ h o u r s _ ri d e s = df [( df [ ' hour '] >= 7) & ( df [ ' hour ']
<= 9) | ( df [ ' hour '] >= 17) & ( df [ ' hour '] <= 19) ]

# Calcul de la dur é e moyenne pendant les heures de

pointe
m e a n _ d u r a t i o n _ p e a k _ h o u r s = p e a k _ h o u r s _ r i d e s [ ' duration '
]. mean ()

Exemple en R :
6.8. Analyse des Tendances de Location de Vélos 153

# Extraire l ' heure de d é part

df$hour <- as . numeric ( format ( df$started_at , "% H ") )

# Identifier les heures de pointe

p e a k _ h o u r s _ ri d e s <- subset ( df , ( hour >= 7 & hour <= 9)
| ( hour >= 17 & hour <= 19) )

# Calcul de la dur é e moyenne pendant les heures de

pointe
m e a n _ d u r a t i o n _ p e a k _ h o u r s <- mean (
peak_hours_rides$duration , na . rm = TRUE )

6.8.4 4. Optimisation de la Gestion des Vélos

Une fois ces analyses effectuées, Kareem peut utiliser ces connais-
sances pour optimiser la gestion des vélos. Par exemple :
— Disponibilité pendant les heures de pointe : En iden-
tifiant les heures de pointe, Kareem peut s’assurer que les
stations sont bien fournies en vélos pendant ces périodes.
— Repositionnement des vélos pendant les week-ends
ou les vacances : Si la demande augmente pendant ces pé-
riodes, il peut être nécessaire de rééquilibrer les vélos entre
les stations populaires.
— Maintenance et nettoyage durant les périodes
creuses : En dehors des heures de pointe et des périodes de
vacances, il peut être plus facile d’effectuer la maintenance
des vélos.
Kareem peut aussi construire des modèles statistiques ou de machine
learning pour prédire la demande future de vélos, en fonction des
heures ou des jours de la semaine.

6.8.5 Conclusion

Le projet de location de vélos met en lumière l’importance de la colla-

boration entre les ingénieurs de données et les analystes de données.
Tandis que Lee s’occupe de la collecte et du nettoyage des données,
154 Agrégation et Interprétation des Données

Kareem utilise ses compétences analytiques pour extraire des infor-

mations utiles et faire des recommandations qui peuvent optimiser
l’utilisation des vélos et améliorer l’expérience des utilisateurs.
Chapitre 7

L’Art de la Visualisation
des Données et de la
Communication Efficace

7.1 La Visualisation des Données :

Un Outil Essentiel pour la Com-
munication

La visualisation des données consiste à représenter graphiquement

des données pour en faciliter la compréhension. Elle permet de trans-
former des chiffres bruts en informations visuelles significatives. Une
visualisation efficace doit avoir un but, une histoire, des données et
une forme visuelle. Comme le souligne Edward Tufte, l’un des experts
les plus respectés en visualisation, « la complexité d’une donnée n’est
pas le problème ; c’est le moyen de la rendre accessible, intelligible
et mémorable » [Tufte, 2001]. La visualisation permet de structurer
l’information de manière à ce que les décideurs puissent en saisir
rapidement les nuances sans se perdre dans une mer de chiffres.

155
156 Visualisation et Communication

Une visualisation des données bien réalisée peut faire la différence

entre la confusion totale et une compréhension réelle d’un problème
complexe. Elle vous permet d’intégrer de nombreuses informations
dans un petit espace de manière organisée. Avant de créer une visua-
lisation, il est essentiel de structurer vos pensées, définir vos objectifs,
analyser les données et identifier les modèles qui émergent. Cela rap-
pelle les paroles de John Tukey, un pionnier de l’analyse de données :
« Les graphiques ne servent pas à prouver quoi que ce soit ; ils servent
à explorer les données et à poser les bonnes questions » [Tukey, 1977].
Ainsi, la visualisation doit avant tout être un outil d’exploration.

Une forme visuelle sans but, histoire ou données pourrait être un

croquis ou même de l’art. Des données et une forme visuelle sans
but ni fonction, ce n’est rien de plus que de la poudre aux yeux. Des
données avec un objectif mais sans histoire ou forme visuelle sont
ennuyeuses. Les quatre éléments doivent être réunis pour créer une
visualisation efficace.

La visualisation des données, parfois appelée « data viz », permet

aux analystes d’interpréter correctement les données. Une bonne
manière de concevoir la visualisation des données est de considérer
qu’elle peut faire la différence entre la confusion totale et une compré-
hension réelle d’un problème. Ben Shneiderman, l’un des pionniers
du domaine, indique que « la visualisation est la clé pour rendre
des données complexes accessibles et utiles pour un large public »
[Shneiderman, 1996].

La visualisation des données est un outil précieux pour intégrer de

nombreuses informations dans un espace restreint. Pour cela, vous
devez d’abord structurer et organiser vos idées. Réfléchissez à vos
objectifs et aux conclusions auxquelles vous êtes parvenu après avoir
trié les données. Ensuite, examinez les modèles que vous avez re-
marqués dans les données, les éléments qui vous ont surpris, et, bien
entendu, comment tout cela s’intègre dans votre analyse. Identifier
les éléments clés de vos résultats aide à préparer le terrain pour sa-
voir comment organiser votre présentation. Fondamentalement, une
visualisation efficace des données devrait permettre à ceux qui la
7.2. L’Impact de la Visualisation sur la Communication et la
Prise de Décision 157
consultent de parvenir à la même conclusion que la vôtre, mais beau-
coup plus rapidement.

7.2 L’Impact de la Visualisation sur

la Communication et la Prise de
Décision

Une anecdote célèbre dans le domaine de la visualisation des données

est l’exemple du diagramme en barres de Florence Nightingale. En
1858, elle a utilisé un diagramme circulaire pour illustrer les taux de
mortalité dans les hôpitaux militaires britanniques pendant la guerre
de Crimée. Cette visualisation a eu un tel impact qu’elle a contribué à
l’amélioration des conditions sanitaires dans les hôpitaux de l’armée
britannique. Cet exemple démontre comment une bonne visualisation
peut non seulement changer la manière dont les gens perçoivent un
problème mais aussi entraîner des actions concrètes. Comme le dit
Hans Rosling, « Les graphiques ne sont pas seulement des outils de
communication, mais aussi des outils de persuasion » [Rosling, 2018].

Les décisions fondées sur des visualisations claires et bien structurées

sont souvent plus efficaces que celles basées sur des données brutes.
Les décideurs peuvent plus facilement comprendre les tendances et
les modèles lorsqu’ils sont présentés de manière visuelle. Cela est par-
ticulièrement vrai dans des domaines comme la santé publique, où
des visualisations simples peuvent permettre de communiquer des in-
formations cruciales sur la propagation d’une maladie ou l’efficacité
d’un traitement. Par exemple, les cartes de chaleur montrant la den-
sité des cas de COVID-19 ont été cruciales pour orienter les décisions
de confinement et de distribution des ressources.

En outre, la visualisation des données facilite non seulement la com-

préhension mais aussi la collaboration. Elle permet à différentes par-
ties prenantes de discuter des données sur un pied d’égalité, en s’ap-
puyant sur une représentation commune et claire. Dans un environ-
158 Visualisation et Communication

nement professionnel, cela peut permettre à des équipes multidisci-

plinaires de converger rapidement vers des décisions éclairées.

Pour conclure, la visualisation des données est bien plus qu’une

simple méthode de présentation ; elle est un moyen puissant de ré-
véler des insights cachés et d’aider les décideurs à voir des modèles
invisibles dans les chiffres. Grâce à des citations et des exemples de
pionniers dans ce domaine, nous comprenons l’importance cruciale
d’une représentation visuelle bien pensée. Comme Edward Tufte l’a si
bien dit, « Une image vaut mille mots, mais une bonne visualisation
en vaut bien plus » [Tufte, 2001].

7.3 Le Design Thinking

Le design thinking est une approche itérative et centrée sur l’utili-

sateur qui permet de résoudre des problèmes complexes en mettant
l’accent sur l’empathie, la collaboration et l’expérimentation. Cette
méthodologie est particulièrement utile lorsqu’il s’agit de concevoir
des visualisations de données efficaces et accessibles. Voici les cinq
phases du design thinking appliqué à la visualisation des données
[Brown, 2009] :

1. Empathie : Comprendre en profondeur les émotions, les be-

soins et les attentes de votre public cible est essentiel. Il s’agit
de se mettre à la place des utilisateurs pour savoir quels types
de visualisation les aideront à comprendre les données de ma-
nière intuitive et pertinente [Norman, 2013].
2. Définition : Déterminez précisément le but de la visualisa-
tion. Quelle question voulez-vous que votre audience réponde
grâce aux données ? Quels conclusions souhaitez-vous que le
spectateur tire ? Cette phase permet de clarifier les objectifs
et d’établir les messages clés à transmettre. Cela peut inclure
l’identification des variables les plus pertinentes et la déter-
mination de la manière dont elles doivent être mises en valeur
visuellement.
7.4. Bonne et Mauvaise Représentation Graphique 159

3. Idéation : C’est le moment de la créativité où vous explorez

diverses approches et formats pour représenter vos données.
En collaborant avec votre équipe ou en recherchant des solu-
tions inspirantes dans d’autres secteurs, vous pouvez générer
des idées novatrices pour visualiser les données de manière
plus percutante [IDEO, 2015].
4. Prototypage : Créez des prototypes rapides des visualisa-
tions proposées. Ces prototypes n’ont pas besoin d’être par-
faits, mais doivent offrir une base sur laquelle vous pouvez
recevoir des retours concrets [Brown, 2009].
5. Test : La dernière phase consiste à tester vos prototypes avec
un échantillon représentatif de votre public cible. Obtenez des
retours sur l’efficacité des visualisations, sur la facilité avec
laquelle les utilisateurs peuvent interpréter les données, et
sur l’impact visuel [Norman, 2013].

Le design thinking, en intégrant les besoins utilisateurs tout au long

du processus de conception, garantit que les visualisations ne sont
pas seulement esthétiques, mais qu’elles apportent une véritable va-
leur ajoutée en facilitant la compréhension et l’analyse des données
[IDEO, 2015].

7.4 Bonne et Mauvaise Représenta-

tion Graphique

La création de visualisations de données efficaces repose sur une

combinaison de clarté, d’adaptation au public et de rigueur dans
la représentation. Une bonne représentation graphique présente des
caractéristiques distinctes qui maximisent sa valeur communicative
[Tufte, 2001].
160 Visualisation et Communication

7.4.1 Une bonne représentation graphique se

caractérise par :

— Clarté et concision : Une bonne visualisation doit avoir

un message direct, évitant les informations superflues. Elle
doit exprimer les données de manière compréhensible, avec
des titres et des axes clairement définis pour que le spec-
tateur puisse facilement saisir les principaux enseignements
[Tufte, 2001].
— Fondée sur des données solides : Toute visualisation
doit s’appuyer sur des données fiables et probantes. Utili-
ser des graphiques pertinents et adaptés permet d’illustrer
les tendances et les relations dans les données. Par exemple,
un diagramme de dispersion peut être parfait pour montrer
la relation entre deux variables, tandis qu’un graphique li-
néaire est plus adapté pour représenter des séries temporelles
[Few, 2012].
— Adaptée au public : La conception doit tenir compte du pu-
blic cible. Les graphiques complexes peuvent être appropriés
pour des experts, tandis que des visuels plus simples et des
légendes explicatives seront préférables pour des audiences
non-expertes [Knaflic, 2015].
— Structure logique : Organisez vos visualisations de ma-
nière logique. Cela commence par un titre explicite, des axes
bien étiquetés, et une hiérarchie claire dans les informations
[Tufte, 2001].
— Visuels attrayants : Une bonne représentation graphique
attire l’attention tout en restant fonctionnelle. Utilisez des
couleurs, des formes et des tailles de manière stratégique pour
rendre l’analyse agréable à l’œil [Few, 2012].
7.5. Les méthodes de visualisation 161

7.4.2 En revanche, une mauvaise représenta-

tion graphique présente les caractéris-
tiques suivantes :

— Message confus : Si la visualisation présente trop d’infor-

mations contradictoires ou si les éléments visuels sont mal
structurés, le message peut devenir difficile à comprendre
[Tufte, 2001].
— Données insuffisantes ou incorrectes : Une mauvaise pré-
sentation peut découler d’une mauvaise sélection des données
ou d’une interprétation erronée [Few, 2012].
— Ignorance du public : Un graphique trop technique, dé-
pourvu d’explications claires ou de contexte, peut laisser le
public dans l’ignorance [Knaflic, 2015].
— Structure incohérente : Un mauvais graphique peut être
désorganisé, avec des titres mal placés, des axes mal étiquetés,
ou des éléments visuels mal alignés [Tufte, 2001].
— Visuels peu engageants : Des visuels fades, mal conçus ou
inutiles peuvent rendre une présentation de données moins
captivante et moins mémorable [Few, 2012].

7.5 Les méthodes de visualisation

La visualisation des données est un domaine complexe qui exige une

approche réfléchie pour créer des éléments visuels informatifs et en-
gageants. Les visualisations permettent non seulement de simplifier
l’analyse des données, mais aussi de rendre des informations com-
plexes accessibles à un large public. Plusieurs méthodes et cadres
conceptuels peuvent vous aider à concevoir des visualisations de don-
nées efficaces. Dans cette section, nous explorerons deux de ces mé-
thodes en détail : la méthode McCandless et la vérification de la
Trifecta des Junk Charts de Kaiser Fung.
162 Visualisation et Communication

7.5.1 La méthode McCandless

La méthode McCandless, développée par David McCandless, est un

cadre en quatre points pour créer des visualisations de données per-
cutantes. Ce cadre repose sur l’idée que des données bien choisies,
présentées de manière claire et esthétique, peuvent transmettre des
histoires puissantes et mémorables. Voici une analyse détaillée de
chaque élément de cette méthode :

— Informations (données) : Les informations que vous es-

sayez de transmettre sont au cœur de toute visualisation des
données. Choisissez soigneusement les données pertinentes à
inclure, en vous assurant qu’elles sont précises, actuelles et
adaptées à l’objectif que vous souhaitez atteindre. La qualité
des données est essentielle. Comme l’indique [Tufte, 2001], la
vérité dans les données doit être la priorité absolue, car toute
erreur dans l’information détruit la crédibilité de la visuali-
sation.
— Histoire (concept) : L’histoire que vous racontez à travers
votre visualisation est essentielle pour captiver votre public.
Développez un concept narratif clair qui guide les specta-
teurs à travers vos données. Utilisez des titres, des légendes
et des annotations pour expliquer le contexte et les conclu-
sions que vous souhaitez partager. Selon [Tukey, 1977], les vi-
sualisations efficaces sont celles qui amènent les spectateurs à
comprendre et à découvrir l’histoire cachée dans les données.
— Objectif (fonction) : L’objectif de votre visualisation doit
être clair et défini. Quelle action ou quelle compréhension
souhaitez-vous que votre public tire de la visualisation ?
Concevez votre élément visuel en fonction de cet objectif, en
mettant en évidence les informations les plus pertinentes et
en éliminant le superflu. La visualisation ne doit jamais être
un but en soi, mais plutôt un moyen de clarifier et de renfor-
cer le message. Comme l’écrit [Shneiderman, 1996], une bonne
visualisation a un but précis et aide à prendre des décisions
ou à révéler des insights clairs.
— Forme visuelle (métaphore) : La forme visuelle de votre
7.5. Les méthodes de visualisation 163

élément graphique est cruciale pour rendre vos données ac-

cessibles et attrayantes. Choisissez la meilleure métaphore
visuelle pour représenter vos données, qu’il s’agisse de gra-
phiques, de diagrammes, de cartes ou d’autres éléments.
Veillez à ce que la présentation soit esthétiquement plaisante,
organisée et facile à lire. Comme le souligne [Tufte, 2001], la
forme visuelle doit être guidée par l’information et ne jamais
obstruer la compréhension de celle-ci par des décorations in-
utiles.

En intégrant ces quatre éléments dans votre processus de création,

vous pouvez développer des visualisations de données puissantes et
persuasives, capables de transmettre clairement des idées complexes
tout en engageant votre public.

7.5.2 Vérification de la Trifecta des Junk

Charts de Kaiser Fung

La "Vérification de la Trifecta des Junk Charts" est un cadre concep-

tuel proposé par Kaiser Fung dans son livre "Numbers Rule Your
World : The Hidden Influence of Probability and Statistics on Eve-
rything You Do". Ce terme fait référence à un ensemble de trois
questions essentielles à poser lors de la création d’une visualisation
de données pour éviter les erreurs courantes qui mènent à des gra-
phiques trompeurs ou inutiles, souvent appelés "junk charts".

Cette approche est utile pour évaluer la qualité de vos visualisations.

Elle repose sur trois questions fondamentales, chacune d’entre elles
étant une étape clé dans la création de visualisations efficaces :

1. Quelle est la question pratique ? : Avant de créer une

visualisation, définissez clairement la question pratique que
vous souhaitez résoudre ou les informations que vous voulez
communiquer. Identifiez les besoins et les attentes de votre
public cible. Comme le souligne [Fung, 2011], toute visuali-
164 Visualisation et Communication

sation doit commencer par une question claire qui guide la

conception et la présentation des données.
2. Que disent les données ? : Assurez-vous que vos données
sont correctement analysées et interprétées pour répondre à
la question pratique. Appliquez des techniques statistiques
appropriées et veillez à ce que les données soient présentées
de manière précise et transparente. Les visualisations doivent
être basées sur des analyses rigoureuses et non sur des inter-
prétations subjectives (cf. [Tufte, 2001]).
3. Que dit l’élément visuel ? : Examinez comment l’élément
visuel que vous avez créé communique efficacement les don-
nées aux spectateurs. Assurez-vous que l’élément visuel sou-
tient la compréhension de la question pratique et des don-
nées en utilisant des choix de couleur, de mise en page et de
conception judicieux. Comme le suggère [Fung, 2011], l’élé-
ment visuel doit faciliter la prise de décision en clarifiant les
points clés des données.

En répondant de manière approfondie à ces questions, vous pouvez

évaluer l’efficacité de votre visualisation des données du point de
vue de votre public cible. Ces méthodes, combinées à une réflexion
approfondie sur vos objectifs et vos conclusions, vous aideront à créer
des visualisations de données convaincantes et informatives.

7.6 Exploitation des Attributs Pré-

Attentifs dans la Visualisation
des Données

La création d’éléments visuels efficaces repose sur une bonne compré-

hension du traitement cognitif humain. Les attributs pré-attentifs, qui
désignent les caractéristiques visuelles que le cerveau humain identi-
fie instantanément, sans effort conscient, sont des éléments cruciaux
pour rendre les données rapidement compréhensibles. Ces attributs
7.6. Exploitation des Attributs Pré-Attentifs dans la
Visualisation des Données 165
permettent d’attirer l’attention et d’organiser l’information de ma-
nière intuitive, facilitant ainsi la lecture et la prise de décision rapide.
Les deux facteurs principaux influençant l’efficacité visuelle sont les
marques et les canaux [Cleveland, 2001, Tufte, 1990, Bertin, 2010].

7.6.1 Les Marques Visuelles

Les marques sont les éléments de base utilisés pour représenter les
données dans une visualisation. Elles se déclinent en quatre quali-
tés visuelles essentielles qui facilitent la communication des informa-
tions :

— Position : La position des éléments dans l’espace joue un

rôle clé dans la hiérarchisation des informations. Par exemple,
une donnée positionnée plus haut sur un graphique indique
généralement une valeur plus grande [Tufte, 1990].
— Taille : La taille des éléments visuels, qu’il s’agisse de points,
de barres ou de lignes, est utilisée pour exprimer des diffé-
rences quantitatives. Des valeurs plus grandes ou plus petites
peuvent être facilement identifiées par des changements dans
la taille des marques [Bertin, 2010].
— Forme : Les formes distinctes permettent de catégoriser vi-
suellement les données. Par exemple, des cercles peuvent être
utilisés pour une catégorie, et des carrés pour une autre,
facilitant la distinction entre différents types d’information
[Cleveland, 2001].
— Couleur : La couleur est un attribut puissant qui permet de
différencier les éléments ou de souligner des valeurs particu-
lières. Elle peut guider le spectateur vers les points d’intérêt
en attirant l’attention sur les éléments les plus importants
[Tufte, 1990].
166 Visualisation et Communication

7.6.2 Les Canaux Visuels

Les canaux sont les variables visuelles à travers lesquelles les données
sont représentées. Chaque canal a son efficacité pour communiquer
des données en fonction de certains critères :

— Précision : Certains canaux permettent une lecture plus

précise des données que d’autres. Par exemple, l’usage de
longueurs ou de positions sur une échelle continue permet
de percevoir des différences fines entre les valeurs, ce qui
est particulièrement important pour des données numériques
[Bertin, 2010].
— Affichage : Certains canaux visuels rendent plus facile la
distinction entre différentes valeurs. Les variations de couleur
ou de taille, par exemple, peuvent permettre d’observer des
différences évidentes entre les données [Tufte, 1990].
— Regroupement : Les canaux peuvent également être utilisés
pour montrer des relations ou des regroupements de données.
L’utilisation de formes distinctes ou de couleurs permet de
visualiser des catégories ou des clusters de données, ce qui est
essentiel pour identifier des tendances ou des groupes signifi-
catifs dans l’information [Cleveland, 2001].

En comprenant comment chaque marque et chaque canal visuel in-

flue sur la perception des données, il devient possible de concevoir des
visualisations de données qui non seulement captent l’attention, mais
facilitent également l’analyse rapide et la prise de décision. L’utilisa-
tion judicieuse de ces attributs pré-attentifs permet de transformer
des ensembles de données complexes en représentations claires et ac-
cessibles, favorisant une compréhension instantanée.
7.7. La Géomatique et la Représentation Spatiale des Données
167

7.7 La Géomatique et la Représenta-

tion Spatiale des Données

La géomatique, qui englobe la collecte, le traitement et l’analyse des

données géographiques, s’appuie fortement sur la visualisation des
données pour faciliter la prise de décision. L’une des applications les
plus évidentes de la visualisation des données dans ce domaine est
la cartographie, qui permet de rendre des informations complexes
accessibles et compréhensibles à un large public [et al., 2005].

Les représentations spatiales, qu’il s’agisse de cartes ou de visualisa-

tions en 3D, permettent de contextualiser les données géographiques
en les plaçant dans un espace réel. Cela offre une perspective qui
n’est pas seulement informative mais aussi stratégique. Par exemple,
dans le domaine de la gestion des ressources naturelles, les cartes de
température ou de précipitations sur de longues périodes permettent
d’identifier les tendances climatiques et de prévoir les impacts sur les
écosystèmes locaux [Kraak, 2011].

7.7.1 L’Intérêt de la Visualisation Spatiale

La visualisation des données géospatiales présente plusieurs avan-

tages. Tout d’abord, elle permet de représenter les relations entre
les différents éléments d’un environnement de manière intuitive.
Une simple carte peut révéler des modèles ou des anomalies que
des tableaux de données brutes seraient incapables de montrer. Par
exemple, dans l’urbanisme, l’utilisation de cartes de chaleur pour re-
présenter la densité de la population peut aider à identifier les zones
sous-servies par les infrastructures publiques ou les espaces verts, fa-
cilitant ainsi une planification urbaine plus efficace [TomTom, 2015].

Les systèmes d’information géographique (SIG) permettent d’inté-

grer et de superposer différentes couches de données géospatiales,
comme les routes, les bâtiments, les zones résidentielles, et les en-
168 Visualisation et Communication

vironnements naturels. La visualisation de ces informations dans un

espace tridimensionnel offre une compréhension plus riche des dy-
namiques spatiales et de l’impact des décisions politiques ou écono-
miques [et al., 2005].

7.7.2 Applications Pratiques de la Visualisa-

tion Spatiale

Les applications de la géomatique sont vastes, allant de la gestion

des catastrophes naturelles à la gestion des transports en passant par
l’agriculture de précision. Par exemple, la visualisation des routes les
plus fréquentées dans une ville à l’aide d’une carte interactive permet
aux autorités locales de mieux comprendre la circulation et de pla-
nifier des infrastructures de transport en conséquence [Kraak, 2011].
De même, les agriculteurs utilisant des données géospatiales peuvent
visualiser l’humidité du sol ou la santé des cultures sur des cartes
pour prendre des décisions éclairées sur l’irrigation et l’utilisation
des pesticides [TomTom, 2015].

La représentation spatiale des données, grâce à la cartographie

et à l’analyse géospatiale, constitue ainsi un outil essentiel pour
comprendre, interpréter et prendre des décisions éclairées dans des
contextes complexes et multidimensionnels.

7.8 Principes de conception

Lors de la création de visualisations de données, il est essentiel de

suivre certains principes de conception pour garantir l’efficacité, la
clarté et l’engagement visuel. Ces principes permettent de s’assurer
que les informations sont facilement compréhensibles et que l’atten-
tion du spectateur est guidée de manière appropriée. Voici les prin-
cipes fondamentaux de la conception à garder à l’esprit lors de la
réalisation de visualisations :
7.8. Principes de conception 169

Équilibre : Un design équilibré garantit une distribution har-

monieuse des éléments visuels tels que la couleur, la forme, et
la taille des graphiques. Cela ne signifie pas nécessairement
que les éléments doivent être symétriques, mais plutôt qu’au-
cune partie de la visualisation ne doit dominer excessivement
les autres. Un équilibre bien conçu permet de maintenir l’at-
tention sur l’ensemble de la visualisation sans provoquer de
distractions. Par exemple, en répartissant les couleurs de ma-
nière homogène entre les éléments d’un graphique, vous évitez
qu’un seul élément ne capte trop l’attention du spectateur.
Emphase : L’emphase consiste à attirer l’attention sur les don-
nées les plus pertinentes et importantes en utilisant des élé-
ments visuels comme des couleurs contrastées ou des tailles
de forme accrues. Cela permet au spectateur de repérer ra-
pidement les informations clés. Par exemple, pour un gra-
phique des ventes, vous pouvez mettre en évidence la catégo-
rie ayant les meilleures performances en utilisant une couleur
vive, tandis que les autres catégories seront représentées dans
des teintes plus neutres. Cette hiérarchisation visuelle guide
le spectateur et lui permet de se concentrer sur l’essentiel.
Mouvement : Le mouvement dans une visualisation fait réfé-
rence à la manière dont l’œil du spectateur se déplace à tra-
vers les éléments visuels. Utilisez des lignes directrices, des
flèches ou des transitions fluides pour orienter l’attention du
spectateur d’un point à un autre. Le mouvement peut être
également symbolique, en montrant une évolution dans les
données, comme une courbe de tendance ascendante qui di-
rige l’œil vers la progression dans le temps. Ce principe est
crucial pour guider efficacement la lecture de la visualisation,
particulièrement dans des visualisations interactives ou ani-
mées.
Modèle : Créez des motifs visuels en utilisant des formes, des
tailles ou des couleurs similaires pour signaler des relations
ou des catégories. Cela permet de renforcer la structure de la
visualisation et de rendre la comparaison entre les différents
éléments plus intuitive. Par exemple, dans un graphique à
barres, l’utilisation de barres de couleur similaire pour chaque
170 Visualisation et Communication

catégorie peut aider à maintenir une continuité visuelle, faci-

litant ainsi la compréhension du spectateur. En revanche, un
changement dans le modèle visuel, comme l’utilisation d’une
couleur distincte pour une catégorie particulière, peut servir
à souligner un point important ou une anomalie.
Répétition : La répétition de certains éléments visuels tels que
les couleurs, les formes ou les types de graphiques permet de
renforcer l’organisation et la lisibilité des données. Elle crée
une cohérence dans la visualisation, ce qui aide le spectateur
à s’habituer à la structure du graphique et à en comprendre
facilement les patterns sous-jacents. Par exemple, si plusieurs
graphiques montrent des séries temporelles, l’utilisation d’un
même format ou d’une même couleur pour les lignes de ten-
dance dans chaque graphique renforce la comparabilité. La
répétition permet également de créer un rythme visuel, ren-
dant la visualisation moins encombrée et plus facile à suivre.

7.9 Titre et étiquettes

Un des aspects fondamentaux pour rendre une visualisation des don-

nées efficace est l’utilisation de titres et d’étiquettes appropriés. Ces
éléments, bien qu’apparemment simples, jouent un rôle crucial dans
la manière dont l’information est perçue par le spectateur. Ils faci-
litent la compréhension rapide des données et offrent un cadre contex-
tuel essentiel à l’interprétation correcte des résultats présentés.

Le titre : Généralement placé en haut de la visualisation, le titre sert

à fournir un aperçu succinct du sujet abordé. Il doit être clair, concis
et précis. Un bon titre ne se contente pas de décrire ce qui est repré-
senté mais doit aussi guider l’attention du spectateur sur l’objectif
principal de la visualisation. Par exemple, dans une analyse des tem-
pératures mondiales, un titre tel que "Évolution des températures
mondiales de 1900 à 2024" indique immédiatement à l’audience le
type de données et la période analysée.
7.10. Pertinence d’une visualisation 171

Les étiquettes : Les étiquettes sont des éléments clés pour rendre
les données accessibles et compréhensibles. Elles sont particulière-
ment importantes pour décrire les axes (X et Y) des graphiques ou
pour identifier les catégories dans des diagrammes circulaires. Une
étiquette bien placée aide le spectateur à comprendre ce que chaque
point ou segment de la visualisation représente. Par exemple, dans
un graphique en barres représentant les ventes par région, des éti-
quettes claires sur les axes indiquant "Ventes (en milliers)" et "Ré-
gions" offrent un contexte immédiat et une lisibilité accrue.

La légende : Une légende ou clé est souvent utilisée pour expliciter

les significations de différents éléments visuels, comme des couleurs,
des formes ou des tailles. Par exemple, dans une carte de la densité
de la population, chaque couleur peut représenter une fourchette de
valeurs. Bien que la légende soit essentielle pour l’interprétation des
données, il est important de la positionner judicieusement et de la
rendre facilement identifiable pour éviter que le spectateur doive faire
des allers-retours entre la légende et la visualisation.

Choix entre étiquettes et légende : Le choix entre l’étiquetage

direct et l’utilisation d’une légende dépend de la complexité de la vi-
sualisation et du besoin de clarté. Les étiquettes sont idéales pour des
graphiques simples, tandis que les légendes sont préférées dans des
visualisations complexes où plusieurs catégories ou variables doivent
être expliquées.

7.10 Pertinence d’une visualisation

La pertinence d’une visualisation réside dans sa capacité à refléter de

manière appropriée les modèles ou les informations que vous souhai-
tez communiquer. Une visualisation pertinente est celle qui permet
de tirer des conclusions significatives tout en rendant les données
accessibles et compréhensibles pour l’audience cible.

Les types de modèles à visualiser peuvent varier, mais chacun doit

172 Visualisation et Communication

être adapté à un objectif spécifique et à un message précis que vous

voulez transmettre. Voici quelques modèles courants dans la visuali-
sation des données :

Modification : La modification fait référence à l’évolution des

données au fil du temps. Les graphiques linéaires ou les
graphes en colonnes sont idéaux pour illustrer les ten-
dances temporelles, comme l’évolution des ventes d’un pro-
duit au fil des mois ou des années. Ces visualisations per-
mettent de capter rapidement les changements et les fluctua-
tions dans les données.
Regroupement : Le regroupement est utilisé lorsqu’il existe des
groupes ou des catégories distinctes de données. Les histo-
grammes ou les boîtes à moustaches sont parfaits pour
montrer la répartition ou la dispersion des données dans dif-
férentes catégories, par exemple pour visualiser les perfor-
mances des étudiants dans différentes écoles ou les revenus
de différents segments de population.
Relativité : La relativité consiste à comparer les proportions ou
les parts d’un tout. Les graphes en secteurs (camembert)
sont fréquemment utilisés pour représenter la répartition des
parts de marché ou la composition démographique d’une po-
pulation. Cependant, l’utilisation des secteurs peut prêter à
confusion si trop de segments sont présentés ou si les diffé-
rences sont subtiles.
Classement : Le classement est souvent utilisé pour représen-
ter des données hiérarchisées ou ordonnées. Les graphes à
colonnes ou les graphes en barres sont parfaits pour com-
parer des éléments en fonction de leur rang, comme le classe-
ment des entreprises selon leur chiffre d’affaires ou des pays
par leur population.
Corrélation : La corrélation montre les relations entre deux ou
plusieurs variables. Les diagrammes de dispersion sont
idéaux pour observer si deux variables sont liées, comme l’as-
sociation entre la température et la consommation d’énergie.
Ces visualisations aident à détecter les tendances linéaires
7.11. Création d’un Tableau de Bord Efficace 173

ou non linéaires, ainsi que les éventuelles anomalies dans les

données.

Le choix du type de visualisation dépend de plusieurs facteurs, no-

tamment la nature des données, l’objectif de la communication et le
niveau de complexité souhaité. Une visualisation bien choisie facilite
non seulement la compréhension des données, mais aussi l’identifica-
tion rapide des informations clés, ce qui est essentiel pour prendre
des décisions éclairées. Par conséquent, il est crucial de sélectionner
la méthode visuelle qui mettra le mieux en valeur les patterns ou
insights pertinents pour votre public cible.

7.11 Création d’un Tableau de Bord

Efficace

Dans le domaine de l’analyse des données, un tableau de bord est un

outil essentiel pour suivre les indicateurs clés de performance (ICP)
et les métriques. Il offre une vue d’ensemble visuelle et concise des
performances d’une organisation, d’une unité opérationnelle ou d’un
processus spécifique. Le design thinking, notamment, est une ap-
proche fondamentale pour concevoir des visualisations qui répondent
aux besoins des utilisateurs, en s’assurant que les données sont non
seulement précises mais aussi compréhensibles et utiles. Comme l’ex-
plique Tim Brown, « Le design thinking met l’accent sur l’empathie,
la collaboration et l’expérimentation, des principes qui sont particu-
lièrement précieux lorsqu’il s’agit de créer des interfaces de données
» [Brown, 2009].

Voici les principes pour créer un tableau de bord efficace :

— Objectif clair : Définissez précisément l’objectif du tableau

de bord et les ICP que vous souhaitez suivre. Cela peut in-
clure la performance des ventes, la satisfaction des clients ou
l’efficacité d’un processus opérationnel.
174 Visualisation et Communication

— Sources de données fiables : Identifiez et collectez des

données pertinentes, en vous assurant que celles-ci sont
fiables, actualisées et représentatives. Assurez-vous également
qu’elles sont accessibles pour une utilisation en temps réel.
— Design intuitif : Concevez une interface qui permette aux
utilisateurs de comprendre rapidement les données et de
prendre des décisions éclairées. Cela nécessite de choisir les
bonnes visualisations (graphiques, tableaux, diagrammes) et
de les disposer de manière cohérente et logique.
— Mise à jour en temps réel : Si possible, configurez le ta-
bleau de bord pour qu’il affiche des informations actualisées
en temps réel, afin d’améliorer la prise de décision rapide et
efficace.
— Personnalisation : Offrez la possibilité de personnaliser le
tableau de bord pour répondre aux besoins spécifiques de
chaque utilisateur. Un tableau de bord flexible permet à
chaque utilisateur d’accéder aux informations les plus per-
tinentes pour lui.
— Collaboration : Facilitez le partage des données et la colla-
boration en permettant aux utilisateurs de commenter, d’ana-
lyser et de discuter directement sur le tableau de bord.

Les tableaux de bord, conçus de manière réfléchie, permettent une

prise de décision améliorée, un suivi en temps réel, et une collabora-
tion renforcée entre les parties prenantes.

7.12 Choix du Graphique

Le choix du graphique est un aspect fondamental pour la représen-

tation des données. En effet, la mauvaise sélection d’un graphique
peut conduire à des interprétations erronées ou à une perte d’infor-
mation importante. Voici quelques recommandations, basées sur les
principes de visualisation des données.
7.12. Choix du Graphique 175

7.12.1 Histogramme et Graphique de Densité

Un histogramme est souvent le meilleur choix pour représenter la dis-

tribution d’une seule variable numérique continue. Il permet de visua-
liser la fréquence de valeurs dans différentes plages. Le graphique de
densité, quant à lui, est plus fluide et met en évidence les tendances
générales, en lissant la distribution des données [Tufte, 2001].

7.12.2 Diagramme à Barres

Les diagrammes à barres sont particulièrement adaptés pour com-

parer des catégories discrètes ou des groupes distincts. Ce type de
graphique est utile lorsque vous souhaitez observer les différences
entre différentes catégories de données, par exemple, les ventes par
région ou les performances par département.

7.12.3 Graphique Linéaire et Camembert

Les graphiques linéaires sont idéaux pour représenter des tendances

au fil du temps, en particulier lorsqu’il y a plusieurs ensembles de
données. Ils permettent de relier plusieurs séries de données sur une
même ligne pour observer l’évolution des valeurs. En revanche, le
graphique en camembert est efficace pour illustrer la composition
d’un ensemble de données et montrer les proportions entre différentes
catégories [Few, 2012].

7.12.4 Les Bonnes Pratiques

Pour assurer l’efficacité d’un graphique, il est crucial de suivre cer-

taines bonnes pratiques :

— Clarté : Chaque graphique doit communiquer un message

176 Visualisation et Communication

clair et précis. Evitez les éléments décoratifs superflus et

assurez-vous que les axes sont bien étiquetés.
— Pertinence : Choisissez le type de graphique en fonction de
l’objectif. Par exemple, un graphique à barres est plus adapté
à des comparaisons catégorielles, tandis qu’un graphique li-
néaire est plus efficace pour les tendances temporelles.
— Simplicité : Ne surchargez pas vos graphiques de trop de
données. Un graphique simple permet une meilleure compré-
hension et un impact plus fort.

7.13 L’Art du Diaporama

La création d’un diaporama efficace repose sur une planification soi-

gnée et une bonne utilisation des visuels. Le principe clé est de rendre
l’information claire et facilement compréhensible. Le design thinking
est également une approche utile dans cette phase, car il met l’ac-
cent sur la clarté et l’adaptabilité aux besoins du public cible. Voici
quelques conseils pour réussir votre présentation :

— Objectif défini : Avant de créer votre diaporama, clarifiez

votre objectif : informer, persuader ou divertir. Cela orientera
la structure de votre présentation [Knaflic, 2015].
— Thème cohérent : Choisissez un thème qui soutient votre
message et qui est en harmonie avec le ton de votre présenta-
tion. La cohérence visuelle renforce l’impact de votre message.
— Simplicité visuelle : Limitez le texte et les informations
sur chaque diapositive. Utilisez des images de haute qualité
et des graphiques pertinents pour appuyer vos points sans
surcharger le public [Tufte, 2001].
— Pratique : Répétez votre présentation plusieurs fois pour
vous assurer qu’elle soit fluide et bien structurée.

En suivant ces principes, vous créerez un diaporama captivant et

efficace qui transmettra votre message de manière impactante.
7.14. Présentation des Résultats 177

7.14 Présentation des Résultats

Lorsqu’un data analyst partage ses résultats, la clarté et la communi-

cation sont essentielles pour garantir que les informations soient non
seulement compréhensibles, mais aussi pertinentes pour l’audience.
Un bon partage des résultats repose sur l’utilisation de visuels effi-
caces et d’une communication adaptée. Voici des conseils pour réussir
une présentation de résultats.

7.14.1 Conseils pour une présentation réussie

— Comprendre son public : Ajustez la complexité de votre

présentation en fonction du niveau d’expertise de votre au-
dience. Par exemple, un public technique peut comprendre
des termes complexes, tandis qu’un public non-expert néces-
sitera des explications plus simples.
— Utilisation de visuels : Des graphiques et des tableaux bien
conçus facilitent la compréhension des résultats et attirent
l’attention sur les points clés [Knaflic, 2015].
— Eviter le jargon : Utilisez un langage simple et évitez les
termes techniques qui peuvent nuire à la clarté de votre mes-
sage.
— Structuration logique : Les résultats doivent être présen-
tés de manière structurée : commencez par une introduction
claire, suivie des données, et concluez par les principales ob-
servations et recommandations.

7.14.2 Anticipation des objections

Lorsque vous présentez vos résultats, il est probable que des objec-
tions surgissent, qu’il s’agisse de questions sur la méthodologie, les
données, ou l’interprétation des résultats. Pour gérer efficacement ces
objections, voici quelques étapes à suivre :
178 Visualisation et Communication

1. Anticiper les objections : Avant la présentation, identifiez

les objections possibles en réfléchissant aux points faibles de
vos données et aux limites de votre méthodologie.
2. Préparer des réponses solides : Préparez des réponses
bien argumentées, appuyées par des données concrètes et des
exemples pertinents.
3. Rester calme et professionnel : En cas d’objection, écou-
tez attentivement et répondez respectueusement sans devenir
défensif.
4. Utiliser des visualisations : Utilisez des graphiques pour
illustrer vos réponses et clarifier vos points.
5. Reconnaître les limitations : Si une objection met en lu-
mière une limite valable de votre analyse, reconnaissez-la et
expliquez comment vous l’avez gérée.
6. Encourager le débat : Si une objection ouvre une discus-
sion productive, encouragez le débat. Cela peut enrichir vos
conclusions.

7.14.3 Anticipation des questions

En plus des objections, les questions de l’audience sont un aspect im-

portant de la présentation. Voici des stratégies pour bien y répondre :

1. Pensez comme l’audience : Mettez-vous à la place de votre

public pour anticiper leurs préoccupations.
2. Préparer des réponses : Préparez des réponses aux ques-
tions les plus probables en vous appuyant sur des données
solides.
3. Admettre l’incertitude : Si une question vous dépasse,
n’hésitez pas à admettre que vous ne savez pas, mais assurez-
vous de rechercher l’information si nécessaire.
4. Encourager les questions : Incitez l’audience à poser des
questions après la présentation, en montrant que vous êtes
ouvert à la discussion.
7.15. Exemple du projet de location de vélos 179

5. Gérer le temps : Si le temps est limité, répondez aux ques-

tions essentielles d’abord et proposez de discuter plus en dé-
tail après la présentation.
6. Rester concentré sur l’objectif : Assurez-vous que vos
réponses aident à mieux comprendre les résultats et ne vous
éloignent pas du sujet principal.

7.14.4 Citations et Cas d’Échecs

L’importance de bien gérer la présentation des résultats est souli-

gnée par plusieurs études et exemples où une mauvaise gestion des
objections ou des réponses insuffisantes a conduit à des échecs. Par
exemple, lors d’une présentation de résultats dans le cadre d’une
analyse de données de marché, l’analyste a négligé de répondre adé-
quatement aux questions concernant la méthodologie utilisée pour
collecter les données. Cela a entraîné une perte de confiance de l’au-
dience et a miné la crédibilité de l’analyse [Meyer, 2014]. Un autre
cas notable est celui d’une entreprise de technologie qui, lors de la
présentation d’un tableau de bord interactif pour une équipe de direc-
tion, a sous-estimé l’importance d’expliquer clairement les limitations
des données en temps réel. Le manque de transparence a suscité des
doutes sur la fiabilité des informations, conduisant à une adoption
plus lente du système [Thompson, 2020].

7.15 Exemple du projet de location

de vélos

L’objectif de cette présentation est de partager les résultats de l’ana-

lyse des données des vélos électriques. Nous avons étudié plusieurs
aspects de l’utilisation des vélos, tels que la durée des trajets, la dis-
tribution géographique des départs, et les horaires de pointe. Ces
informations sont essentielles pour optimiser la gestion de la flotte
180 Visualisation et Communication

de vélos.

7.16 Code d’Analyse

Voici le code Python utilisé pour générer les graphiques de l’analyse

des données.

Listing 7.1 – Chargement des bibliothèques et des données

import pandas as pd
import matplotlib . pyplot as plt
import folium
from folium . plugins import HeatMap

# Chargement des donn é es ( assurez - vous que votre

DataFrame ' df ' contient les bonnes colonnes )
df = pd . read_csv ( ' bike_data . csv ')

7.17 Distribution des Types de Vélo

Pour visualiser la répartition des types de vélos utilisés, nous avons

généré un graphique en barres qui montre la popularité des vélos élec-
triques par rapport aux vélos standards. Le code Python ci-dessous
génère ce graphique.

Listing 7.2 – Distribution des Types de Vélo

plt . figure ( figsize =(8 , 6) )
df [ ' rideable_type ' ]. value_counts () . plot ( kind = ' bar ' ,
color = ' skyblue ')
plt . title ( ' Distribution des Types de V é los ' , fontsize
=16)
plt . xlabel ( ' Type de V é lo ' , fontsize =12)
plt . ylabel ( ' Nombre de Trajets ' , fontsize =12)
plt . xticks ( rotation =45)
plt . tight_layout ()
plt . show ()
7.18. Distribution des Durées des Trajets 181

7.18 Distribution des Durées des Tra-

jets

Nous avons calculé la durée des trajets en minutes en soustrayant les

horodatages de départ et de fin, puis avons visualisé cette distribu-
tion sous forme d’un histogramme. Le code Python pour cela est le
suivant.

Listing 7.3 – Distribution des Durées des Trajets

df [ ' started_at '] = pd . to_datetime ( df [ ' started_at ' ])
df [ ' ended_at '] = pd . to_datetime ( df [ ' ended_at ' ])
df [ ' ride_duration '] = ( df [ ' ended_at '] - df [ ' started_at '
]) . dt . total_seconds () / 60 # Convertir en minutes

plt . figure ( figsize =(8 , 6) )

df [ ' ride_duration ' ]. plot ( kind = ' hist ' , bins =20 , color = '
lightgreen ' , edgecolor = ' black ')
plt . title ( ' Distribution des Dur é es des Trajets ' ,
fontsize =16)
plt . xlabel ( ' Dur é e ( en minutes ) ' , fontsize =12)
plt . ylabel ( ' Fr é quence ' , fontsize =12)
plt . tight_layout ()
plt . show ()

7.19 Nombre de Trajets par Type de

Membre

Ce graphique montre combien de trajets ont été effectués par chaque

type de membre (régulier ou occasionnel). Voici le code Python pour
générer ce graphique.

Listing 7.4 – Nombre de Trajets par Type de Membre

plt . figure ( figsize =(8 , 6) )
df [ ' member_casual ' ]. value_counts () . plot ( kind = ' bar ' ,
color = ' salmon ')
plt . title ( ' Nombre de Trajets par Type de Membre ' ,
fontsize =16)
plt . xlabel ( ' Type de Membre ' , fontsize =12)
plt . ylabel ( ' Nombre de Trajets ' , fontsize =12)
182 Visualisation et Communication

plt . xticks ( rotation =0)

plt . tight_layout ()
plt . show ()

7.20 Nombre de Trajets par Heure de

la Journée

En analysant les trajets en fonction de l’heure de la journée, nous

pouvons déterminer les périodes de forte activité. Voici le code pour
cela.

Listing 7.5 – Nombre de Trajets par Heure de la Journée

df [ ' hour '] = df [ ' started_at ' ]. dt . hour
plt . figure ( figsize =(8 , 6) )
df . groupby ( ' hour ') . size () . plot ( kind = ' line ' , marker = 'o ' ,
color = ' orange ')
plt . title ( ' Nombre de Trajets par Heure de la Journ é e ' ,
fontsize =16)
plt . xlabel ( ' Heure de la Journ é e ' , fontsize =12)
plt . ylabel ( ' Nombre de Trajets ' , fontsize =12)
plt . grid ( True )
plt . tight_layout ()
plt . show ()

7.21 Top 10 des Stations de Départ

Nous avons analysé les stations de départ les plus populaires en créant
un graphique en barres des 10 stations les plus fréquentes. Voici le
code associé.

Listing 7.6 – Top 10 des Stations de Départ

plt . figure ( figsize =(8 , 6) )
df [ ' s t a r t _ s t a t i o n _ n a m e ' ]. value_counts () . head (10) . plot (
kind = ' bar ' , color = ' lightcoral ')
plt . title ( ' Top 10 des Stations de D é part ' , fontsize =16)
plt . xlabel ( ' Nom de la Station ' , fontsize =12)
plt . ylabel ( ' Nombre de Trajets ' , fontsize =12)
7.22. Heatmap des Trajets 183

plt . xticks ( rotation =90)

plt . tight_layout ()
plt . show ()

7.22 Heatmap des Trajets

Enfin, pour visualiser les zones de départ des trajets, nous avons
utilisé une carte thermique générée avec la bibliothèque folium. Ce
code crée une carte interactive montrant les zones à forte densité de
trajets.

Listing 7.7 – Heatmap des Trajets

m = folium . Map ( location =[ df [ ' start_lat ' ]. mean () , df [ '
start_lng ' ]. mean () ] , zoom_start =12)
locations = df [[ ' start_lat ' , ' start_lng ' ]]. dropna () .
values
HeatMap ( locations ) . add_to ( m )
m . save ( ' h ea tm ap _ tr aj et s . html ') # Sauvegarde en HTML
pour visualisation

L’analyse des trajets de vélos électriques a permis de mettre en évi-

dence des tendances intéressantes concernant l’utilisation des vélos,
les types de membres et les stations les plus populaires. Les résultats
présentés ici peuvent aider à optimiser la gestion des vélos et des
stations pour mieux répondre à la demande.
184 Visualisation et Communication
Chapitre 8

Analyse et IA

8.1 Pourquoi analysons-nous les don-

nées ? Ce que nous cherchons et
comment voir au-delà des chiffres

L’analyse des données ne se limite pas à une simple extraction de

chiffres ou de faits. Elle vise à extraire des informations précieuses,
à comprendre des phénomènes, et parfois à anticiper des événements
ou à éviter des problèmes futurs. Les données sont la matière pre-
mière à partir de laquelle nous espérons découvrir des tendances, des
anomalies, et des relations cachées qui peuvent orienter nos décisions
et nos stratégies.

8.1.1 L’objectif de l’analyse des données

Les data analysts cherchent principalement à répondre à des ques-

tions spécifiques ou à résoudre des problèmes en explorant les don-
nées. Selon [Davenport and Harris, 2007b], l’analyse des données est

185
186 Analyse et IA

un moyen de "transformer les données en connaissances" qui peuvent

ensuite être utilisées pour prendre des décisions éclairées. Cela peut
inclure : - La prévision des résultats futurs (comme les ventes ou
les comportements clients), - La compréhension des causes profondes
d’un problème (comme un faible taux de conversion sur un site web),
- La détection de modèles ou de tendances qui peuvent améliorer la
stratégie d’une organisation.

Mais l’important n’est pas seulement de "voir les don-

nées", c’est de "voir au-delà". Comme le souligne
[Mayer-Schönberger and Cukier, 2013] dans leur ouvrage *Big
Data : A Revolution That Will Transform How We Live, Work,
and Think*, l’analyse des données offre une vision plus précise et
plus complète des événements passés, mais aussi une perspective sur
l’avenir, parfois avec une précision impressionnante.

8.1.2 Peut-on voir au-delà des données ?

L’un des objectifs les plus ambitieux de l’analyse des données est de
"voir au-delà", c’est-à-dire de pouvoir anticiper l’avenir ou identifier
des problèmes avant qu’ils ne surviennent. Cette capacité repose sur
des techniques avancées d’analyse, telles que l’apprentissage automa-
tique, les réseaux neuronaux, ou encore l’analyse prédictive.

Selon [Hubbard, 2014], l’analyste de données cherche à "exploiter les

données pour faire des prédictions sur des événements futurs" et ainsi
"réduire l’incertitude" en se basant sur les informations disponibles.
Par exemple, dans le domaine de la santé, les modèles prédictifs
peuvent identifier les risques de maladies avant même que les symp-
tômes ne se manifestent, offrant ainsi des opportunités de traitement
préventif.

Cela est également applicable dans d’autres domaines comme la fi-

nance, où l’IA peut prévoir des crises économiques ou la fluctuation
des marchés [LeCun, 2015]. Les données historiques combinées à des
modèles d’apprentissage peuvent ainsi offrir des prévisions assez pré-
8.1. Pourquoi analysons-nous les données ? Ce que nous
cherchons et comment voir au-delà des chiffres 187
cises, parfois au point de "voir venir" des changements ou des risques
potentiels.

8.1.3 Peut-on éviter un problème avec l’ana-

lyse des données ?

L’anticipation est l’une des raisons fondamentales pour lesquelles les

entreprises investissent massivement dans l’analyse des données. Par
exemple, l’analyse des comportements des consommateurs sur les
plateformes en ligne peut permettre de prédire un éventuel désabon-
nement ou un churn et d’agir en conséquence, avant même que le
client ne prenne sa décision [Fader et al., 2016].

De plus, l’analyse des données permet également de détecter des

anomalies en temps réel et de prendre des mesures correctives im-
médiates. Des outils comme les systèmes de détection des fraudes
utilisent l’intelligence artificielle pour identifier des transactions in-
habituelles qui pourraient indiquer des activités frauduleuses, per-
mettant ainsi de prévenir des pertes financières avant qu’elles ne se
produisent.

En conclusion, l’analyse des données va bien au-delà de la simple

collecte de chiffres : elle permet de transformer ces chiffres en infor-
mations stratégiques, d’identifier des modèles de comportement et
de prendre des décisions éclairées. Grâce aux capacités prédictives et
à la détection proactive des problèmes, l’analyste de données a non
seulement la possibilité de mieux comprendre les événements passés
mais aussi d’anticiper et d’éviter certains risques.
188 Analyse et IA

8.2 L’Intelligence Artificielle au Ser-

vice de l’Analyse des Données

L’intelligence artificielle (IA) est une discipline de l’informatique qui

vise à créer des systèmes capables de simuler l’intelligence humaine,
notamment la capacité d’apprendre, de raisonner et de résoudre des
problèmes. L’analyse des données, quant à elle, est le processus d’ex-
traction de connaissances et de compréhension à partir de données,
qu’elles soient petites ou massives. L’IA joue un rôle crucial dans
cette démarche en automatisant, optimisant et enrichissant le travail
du data analyst.

8.2.1 Collecte de Données

L’IA est employée pour collecter des données à partir de diverses

sources, qu’elles soient structurées ou non. Cela inclut les données
provenant de capteurs, de flux de réseaux sociaux, de bases de don-
nées en ligne, et bien plus encore. L’IA permet également d’extraire
des données non structurées (par exemple, des images, des vidéos ou
des textes) et de les transformer en données exploitables, ce qui offre
une richesse d’information inédite pour l’analyse.

Par exemple, les chatbots alimentés par l’IA peuvent interagir avec
les utilisateurs pour recueillir des informations précieuses et qualifier
des leads, rendant la collecte de données plus dynamique et fluide.

8.2.2 Prétraitement des Données

Avant l’analyse, les données doivent souvent être nettoyées et prépa-

rées. L’IA, notamment l’apprentissage automatique, permet d’auto-
matiser ces tâches souvent complexes. Par exemple, des algorithmes
peuvent être utilisés pour : - Identifier et corriger les valeurs aber-
rantes, - Remplir les données manquantes à l’aide de modèles pré-
8.2. L’Intelligence Artificielle au Service de l’Analyse des
Données 189
dictifs, - Normaliser et transformer les données pour les rendre cohé-
rentes et prêtes à l’emploi.

Ces techniques permettent au data analyst de se concentrer sur les

aspects stratégiques de l’analyse en déléguant les tâches répétitives
à des systèmes automatisés.

8.2.3 Analyse des Données

L’une des contributions majeures de l’IA à l’analyse des données ré-

side dans sa capacité à identifier des patterns complexes, à découvrir
des relations non linéaires et à faire des prédictions avec une grande
précision. Grâce à l’apprentissage supervisé et non supervisé, l’IA
peut créer des modèles qui détectent des tendances cachées dans les
ensembles de données, permettant des insights plus approfondis.

Les algorithmes d’IA peuvent par exemple : - Effectuer des analyses

prédictives (par exemple, prédire les ventes futures en fonction des
tendances historiques), - Segmenter les clients en fonction de com-
portements d’achat ou de données démographiques, - Détecter des
anomalies ou des fraudes dans les données transactionnelles.

En utilisant des réseaux neuronaux profonds ou des arbres de dé-

cision, l’IA améliore la capacité d’explorer de grandes quantités de
données et de tirer des conclusions plus rapidement.

8.2.4 Visualisation des Données

La visualisation des données est un élément clé pour communiquer

efficacement les résultats des analyses. L’IA joue un rôle important
dans la création de visualisations interactives et dynamiques, per-
mettant de mieux comprendre les relations entre les variables et de
transmettre les résultats de manière intuitive.

Par exemple, des outils alimentés par l’IA peuvent recommander les
190 Analyse et IA

types de visualisations les plus pertinents (diagrammes de corréla-

tion, heatmaps, etc.) en fonction des données disponibles. L’IA peut
aussi générer des visualisations en 3D ou interactives pour explorer
plus en profondeur les données multidimensionnelles.

Les dashboards intelligents et l’utilisation de graphiques interactifs

permettent une prise de décision plus rapide et mieux éclairée, car
les parties prenantes peuvent explorer les données en temps réel.

8.2.5 Prédiction et Modélisation

Un des apports les plus importants de l’IA à l’analyse des données est
sa capacité à effectuer des prédictions sur des événements futurs en se
basant sur des modèles de données. Les algorithmes de modélisation
prédictive, tels que les régressions, les forêts aléatoires ou les réseaux
neuronaux, permettent aux data analysts de prédire des résultats
avec une précision accrue.

Les applications de ces modèles sont vastes et incluent :

— La prévision des ventes ou de la demande pour une gestion

efficace des stocks,
— L’estimation du churn client pour optimiser les stratégies de
fidélisation,
— La détection de risques financiers ou de fraudes à travers des
modèles d’anomalie.

L’IA permet d’enrichir les capacités du data analyst en l’aidant à

choisir et à affiner les modèles les plus adaptés à chaque cas d’usage.
8.3. L’Intelligence Artificielle : Fruit des Données ou
Générateur de Connaissance ? 191
8.3 L’Intelligence Artificielle : Fruit
des Données ou Générateur de
Connaissance ?

L’intelligence artificielle (IA) est souvent perçue comme une techno-

logie innovante qui permet de réaliser des tâches complexes telles que
la reconnaissance de la parole, la vision par ordinateur, ou encore la
prise de décision autonome. Cependant, derrière cette façade techno-
logique se trouve un lien intime et profond entre les données et l’IA.
C’est dans les données que l’IA prend racine, se forme et évolue. L’IA,
dans sa forme moderne, est ainsi le fruit des données qu’elle traite,
apprend et exploite. Cette section se propose d’explorer ce lien, sous
un prisme philosophique et scientifique.

8.3.1 Le Carburant de l’Intelligence Artifi-

cielle : Les Données

L’intelligence artificielle, particulièrement dans le domaine de l’ap-

prentissage automatique (machine learning), se nourrit de données.
Ces dernières ne sont pas simplement des objets de mesure, mais des
éléments vitaux qui permettent aux systèmes d’IA d’apprendre et
de s’améliorer. Chaque modèle d’IA, qu’il soit basé sur des réseaux
neuronaux profonds ou des arbres de décision, nécessite d’énormes
quantités de données pour être formé.

Comme le soulignent [Goodfellow et al., 2016], les algorithmes d’ap-

prentissage profond dépendent de données massives pour ajuster les
poids des réseaux neuronaux et optimiser leur capacité à effectuer
des prédictions. L’IA est ainsi, dans un sens, une sorte de "produit
des données" qui évolue en fonction des informations qu’elle reçoit.
Cette dynamique rappelle l’idée que l’intelligence humaine, de même,
se développe à partir de l’expérience accumulée.
192 Analyse et IA

8.3.2 L’IA comme Extension de l’Analyse des

Données

Au-delà de l’aspect technique, un point philosophique important ré-

side dans l’idée que l’IA est une forme d’extension de la capacité
humaine à traiter des données. L’IA, en ce sens, représente une am-
plification des capacités analytiques humaines. Plutôt que de simple-
ment traiter des informations brutes, l’IA les transforme en un savoir
structuré, souvent plus riche et plus complexe que ce que pourrait
saisir un analyste humain.

Cependant, cette idée soulève une question centrale : dans quelle

mesure l’IA, qui dépend des données pour sa construction, peut-
elle offrir une vision véritablement "objective" de la réalité ? Comme
l’indiquent [O’Neil, 2016], les biais présents dans les données peuvent
se répercuter dans les modèles d’IA, entraînant des résultats injustes
ou erronés. Cela met en lumière la relation complexe entre données,
intelligence et objectivité. Si les données sont imparfaites, l’IA, en les
traitant, risque de reproduire ces imperfections.

8.3.3 La Philosophie de l’IA et des Données :

La Question de l’Autonomie et de la
Création

L’IA est parfois vue comme une entité capable de penser et d’agir in-
dépendamment de l’humain, mais cette vision mérite d’être nuancée.
[Boden, 2016], dans son ouvrage AI : Its Nature and Future, explore
cette idée en évoquant le fait que l’IA, bien que capable d’apprendre
de manière autonome, est toujours le produit des données sur les-
quelles elle a été formée. En d’autres termes, l’IA est indissociable
des données qui l’ont alimentée, et sa "créativité" (si l’on peut l’ap-
peler ainsi) reste limitée par les informations disponibles.

Ainsi, la question se pose : l’IA peut-elle réellement "voir au-delà"

8.3. L’Intelligence Artificielle : Fruit des Données ou
Générateur de Connaissance ? 193
des données, ou bien est-elle toujours enfermée dans un cadre déter-
miné par ces dernières ? Une réponse à cette question pourrait venir
de l’examen de l’éthique de l’IA. Selon [Binns, 2018], l’un des défis
majeurs de l’IA réside dans la capacité à faire face à des situations
nouvelles et inattendues, qui ne sont pas couvertes par les données
passées. Cela soulève un dilemme : si l’IA ne fait que "recycler" les
données, peut-elle jamais être réellement autonome ou innovante ?

8.3.4 Une Intelligence Fondée sur l’Accumu-

lation

L’intelligence artificielle, loin d’être une entité indépendante, est in-

dissociablement liée à l’ensemble des données qu’elle consomme et
transforme. C’est un processus itératif où chaque modèle d’IA évolue
à partir des données historiques, de leur structure et de leurs biais.
Tout comme l’intelligence humaine se construit à partir de l’expé-
rience et de l’apprentissage, l’IA dépend des données pour acquérir
"intelligence" et pour faire face aux défis du monde réel.

En fin de compte, la relation entre l’IA et les données pourrait être

vue comme une boucle où l’IA, en apprenant des données, devient
plus efficace, mais aussi potentiellement plus biaisée ou limitée par les
imperfections de ces données. Cette réflexion ouvre la voie à de nou-
velles questions sur l’éthique et l’avenir de l’intelligence artificielle,
nous invitant à considérer comment nous pouvons mieux encadrer
l’utilisation des données pour que l’IA serve véritablement les inté-
rêts humains.
194 Analyse et IA

8.4 Applications de l’IA dans l’Ana-

lyse des Données

Les domaines d’application de l’IA dans l’analyse des données sont

nombreux et variés. Voici quelques exemples :

— Analyse prédictive : Utilisation de modèles prédictifs pour

estimer des événements futurs, comme les ventes, la demande,
ou les comportements des clients.
— Analyse de sentiments : Exploitation des données tex-
tuelles pour comprendre les opinions et émotions exprimées
dans des critiques, des discussions sur les réseaux sociaux,
etc.
— Optimisation de la chaîne d’approvisionnement : Ap-
plication d’algorithmes pour prédire les besoins en stock et
optimiser la logistique.
— Reconnaissance d’image et de vidéo : Traitement
des données visuelles pour extraire des informations utiles,
comme la reconnaissance faciale ou l’analyse d’images médi-
cales.
— Chatbots et assistants intelligents : Automatisation des
interactions avec les clients et collecte de données grâce à des
interfaces conversationnelles alimentées par l’IA.

Ces applications montrent que l’intelligence artificielle ne se limite

pas à une simple analyse, mais joue un rôle essentiel dans la trans-
formation des données brutes en informations exploitables, permet-
tant aux organisations de prendre des décisions éclairées et de mieux
anticiper les tendances futures.
8.5. Application de l’Intelligence Artificielle à l’Analyse :
L’Importance de l’Analyse Prédictive 195
8.5 Application de l’Intelligence Ar-
tificielle à l’Analyse : L’Impor-
tance de l’Analyse Prédictive

L’intelligence artificielle (IA) a révolutionné l’analyse des données en

élargissant les capacités d’extraction de connaissances et en rendant
possible l’anticipation des événements futurs. Parmi ses nombreuses
applications, l’analyse prédictive se distingue comme un domaine clé,
permettant aux organisations de transformer les données en outils
stratégiques. Cette section explore le rôle de l’IA dans l’analyse pré-
dictive, en mettant en évidence ses avantages, ses limites et ses im-
plications.

8.5.1 Qu’est-ce que l’Analyse Prédictive ?

L’analyse prédictive utilise des techniques statistiques, des algo-

rithmes d’apprentissage automatique, et des modèles mathématiques
pour identifier des tendances et prédire des résultats futurs. Selon
[Shmueli, 2010], l’objectif est de passer de la description des don-
nées historiques à des prévisions qui aident à prendre des décisions
éclairées. Contrairement à l’analyse descriptive, qui se concentre sur
le passé, l’analyse prédictive cherche à explorer des scénarios futurs
basés sur des données passées et actuelles.

8.5.2 Rôle de l’IA dans l’Analyse Prédictive

L’intelligence artificielle, en particulier l’apprentissage automatique

(machine learning) et l’apprentissage profond (deep learning), joue
un rôle central dans l’analyse prédictive. Ces technologies permettent
de construire des modèles complexes capables de :

— Identifier des tendances masquées : Les algorithmes

196 Analyse et IA

d’apprentissage automatique analysent des ensembles de don-

nées volumineux et détectent des schémas non évidents pour
les humains.
— Générer des prévisions précises : Par exemple, les ré-
seaux neuronaux récurrents (RNNs) sont couramment utili-
sés pour prédire des séries temporelles, comme les ventes ou
les fluctuations du marché.
— Automatiser et affiner les prédictions : Grâce à des tech-
niques telles que la validation croisée et l’ajustement des hy-
perparamètres, les modèles d’IA peuvent améliorer leurs per-
formances sans intervention humaine.

Comme le note [Min Chen and Liu, 2012], l’intégration de l’IA per-
met d’améliorer l’efficacité des prévisions en réduisant les biais hu-
mains et en augmentant la rapidité d’analyse.

8.5.3 Exemples d’Applications de l’Analyse

Prédictive Alimentée par l’IA

L’analyse prédictive est utilisée dans divers secteurs pour répondre

à des besoins spécifiques :

— Santé : Les modèles prédictifs aident à anticiper les épidé-

mies, à diagnostiquer les maladies à un stade précoce, ou à
prévoir les besoins hospitaliers [et al., 2019].
— Finance : Les institutions financières utilisent l’analyse pré-
dictive pour détecter les fraudes et prévoir les risques de crédit
[et al., 2016].
— Commerce : Les entreprises exploitent ces modèles pour
optimiser les stocks, prédire les comportements d’achat, et
personnaliser les offres client [Fader and Hardie, 2016].
8.6. Modèles de Prédiction 197

8.5.4 Limites et Défis

Malgré son efficacité, l’analyse prédictive alimentée par l’IA présente

plusieurs défis :

— Qualité des données : Les modèles prédictifs dépendent de

la qualité et de la pertinence des données utilisées pour leur
entraînement. Les données biaisées peuvent conduire à des
prédictions erronées.
— Complexité des algorithmes : Les algorithmes sophisti-
qués peuvent parfois être des "boîtes noires", rendant leurs
décisions difficiles à interpréter [Rudin, 2019].
— Questions éthiques : Les décisions basées sur des prédic-
tions peuvent soulever des préoccupations en matière de confi-
dentialité et de discrimination [Barocas and Selbst, 2016].

L’analyse prédictive, propulsée par l’intelligence artificielle, repré-

sente une avancée majeure dans la capacité des organisations à anti-
ciper et à répondre à des défis futurs. Elle transforme les données en
un levier stratégique, permettant d’optimiser les ressources, d’amé-
liorer l’expérience utilisateur et de réduire les risques. Toutefois, pour
maximiser son potentiel, il est essentiel d’aborder ses défis techniques
et éthiques, et de s’assurer que les modèles prédictifs sont utilisés de
manière responsable.

8.6 Modèles de Prédiction

L’analyse prédictive repose sur divers modèles qui, selon leur concep-
tion et leur objectif, permettent de répondre à des besoins spécifiques
dans des domaines variés tels que la finance, la santé et le commerce.
Ces modèles se basent sur des techniques statistiques, des algorithmes
d’apprentissage automatique, et des approches plus récentes d’ap-
prentissage profond.
198 Analyse et IA

8.6.1 Régression Linéaire

La régression linéaire est l’un des modèles les plus simples et les
plus largement utilisés en prédiction. Elle vise à modéliser la rela-
tion entre une variable dépendante (Y ) et une ou plusieurs variables
indépendantes (X) en ajustant une équation linéaire. Par exemple :

Y = β0 + β1 X1 + β2 X2 + · · · + βn Xn + ϵ

où β représente les coefficients, et ϵ l’erreur résiduelle.

Ce modèle est utilisé pour des prévisions comme les tendances

de ventes ou les prévisions de coût. Cependant, il devient inef-
ficace lorsque les relations entre les variables sont non linéaires
[Montgomery et al., 2012].

8.6.2 Régression Logistique

Contrairement à la régression linéaire, la régression logistique est

utilisée pour des problèmes de classification binaire. Le modèle prédit
la probabilité qu’une observation appartienne à une classe spécifique
(0 ou 1). La fonction sigmoïde est au cœur de ce modèle :

1
P (Y = 1|X) =
1+ e−(β0 +β1 X1 +···+βn Xn )

Ce modèle est souvent utilisé pour prédire des résultats comme la

probabilité de churn ou la détection de fraudes [Hosmer et al., 2013].

8.6.3 Forêts Aléatoires (Random Forests)

Les forêts aléatoires sont un ensemble d’algorithmes d’apprentissage

supervisé basés sur des arbres de décision. Chaque arbre est construit
8.6. Modèles de Prédiction 199

en utilisant un échantillon aléatoire des données et contribue à la

décision finale par un vote majoritaire.

Ce modèle est robuste face au surapprentissage (overfitting) et est

utilisé pour des tâches comme la segmentation client et les prévisions
financières [Breiman, 2001].

8.6.4 Réseaux Neuronaux Artificiels

Les réseaux neuronaux artificiels (RNA) imitent la structure du cer-

veau humain pour modéliser des relations complexes entre les va-
riables. Ils sont composés de couches de neurones (entrée, cachée et
sortie) qui transforment les données grâce à des poids ajustés lors de
l’entraînement. Un exemple de RNA est le perceptron multicouche
(MLP).

Les RNA sont largement utilisés dans la vision par ordinateur,

la reconnaissance vocale et les prévisions de séries temporelles
[Goodfellow et al., 2016].

8.6.5 Machines à Vecteurs de Support

(SVM)

Les SVM sont des modèles supervisés qui trouvent un hyperplan op-
timal pour séparer des classes dans un espace à haute dimension. Ils
sont particulièrement efficaces pour les petits ensembles de données
avec des marges bien définies entre les classes.

Par exemple, les SVM sont utilisés pour la classification d’images et

la détection de spam [Cortes and Vapnik, 1995].
200 Analyse et IA

8.6.6 Modèles de Séries Temporelles :

ARIMA et LSTM

Les modèles spécifiques aux séries temporelles, tels que ARIMA

(AutoRegressive Integrated Moving Average) et les réseaux
neuronaux à mémoire à long terme (LSTM), sont utilisés
pour prédire les valeurs futures basées sur les données histo-
riques. ARIMA est un modèle statistique, tandis que LSTM,
basé sur l’apprentissage profond, est plus adapté aux don-
nées séquentielles complexes, comme les flux financiers ou les
prévisions météorologiques [Hyndman and Athanasopoulos, 2008,
Hochreiter and Schmidhuber, 1997].

8.6.7 Applications et Limites des Modèles

Prédictifs

Ces modèles ont révolutionné l’analyse prédictive, mais ils présentent

aussi des défis tels que :
— La nécessité de données de haute qualité.
— Les coûts de calcul élevés pour des modèles complexes comme
les RNA et les forêts aléatoires.
— Le risque de biais si les données d’entraînement sont non re-
présentatives [Barocas and Selbst, 2016].

8.7 Prédiction des Ventes de Pâtisse-

ries

Cette section présente un exemple de prédiction des ventes de pâtis-

series en fonction des jours de la semaine. Les données simulées sont
générées en Python et utilisées pour entraîner un modèle prédictif.
8.8. Jeu de Données 201

8.7.1 Jeu de Données

Le tableau ci-dessous montre un exemple de jeu de données simulé :

Jour Pâtisserie Ventes

Dimanche Éclair 162
Jeudi Croissant 111
V endredi Danish 101
Dimanche Danish 61
M ercredi M uf f in 88

Ces données représentent les ventes moyennes pour différents types

de pâtisseries en fonction du jour.

8.7.2 Code Python pour Générer les Données

Voici le code Python utilisé pour générer un jeu de données simulé :

Dans cet exemple, nous allons prédire les ventes de différents types
de pâtisseries en fonction des jours de la semaine, de la météo et des
occasions particulières (par exemple, fêtes nationales ou vacances sco-
laires). Nous allons utiliser un jeu de données qui intègre ces variables
pour illustrer l’impact de facteurs externes sur les ventes.

8.8 Jeu de Données

Voici un tableau montrant les ventes de pâtisseries en fonction des

jours de la semaine, de la météo et des occasions :
202 Analyse et IA

Jour Pâtisserie Ventes Météo Occasion

Dimanche Éclair 162 Soleil F êtenationale
Jeudi Croissant 111 P luie V acancesscolaires
V endredi Danish 101 V ent F êtereligieuse
Dimanche Danish 61 Soleil F êtenationale
M ercredi M uf f in 88 P luie Aucunévénement
Lundi Donut 133 Soleil F êtereligieuse
Samedi Éclair 190 N uageux V acancesscolaires
M ardi Croissant 120 P luie Aucunévénement
Jeudi M uf f in 78 V ent F êtenationale
V endredi Danish 154 Soleil V acancesscolaires
M ercredi Donut 102 P luie F êtereligieuse
Dimanche M uf f in 75 V ent Aucunévénement

8.9 Code Python

Le code Python suivant génère aléatoirement les ventes de pâtisseries

en fonction des jours de la semaine, de la météo et des occasions, puis
sauvegarde les résultats dans un fichier CSV.
import pandas as pd
import random

# D é finir les jours de la semaine , les types de p â

tisseries , la m é t é o et les occasions
days = [ ' Monday ' , ' Tuesday ' , ' Wednesday ' , ' Thursday ' , '
Friday ' , ' Saturday ' , ' Sunday ']
pastries = [ ' Croissant ' , ' Muffin ' , ' Donut ' , ' Eclair ' , '
Danish ']
weather = [ ' Sun ' , ' Rain ' , ' Wind ' , ' Cloudy ']
occasions = [ ' National Holiday ' , ' School Holidays ' , '
Religious Holiday ' , ' No Event ']

# G é n é rer des donn é es al é atoires

data = []
for _ in range (12) : # 12 lignes au lieu de 100
day = random . choice ( days )
pastry = random . choice ( pastries )
sales = random . randint (50 , 200)
meteo = random . choice ( weather )
8.10. Prédiction par Régression Linéaire 203

occasion = random . choice ( occasions )

data . append ({ ' Day ': day , ' Pastry ': pastry , ' Sales ':
sales , ' Weather ': meteo , ' Occasion ': occasion })

# Convertir en DataFrame
df = pd . DataFrame ( data )
print ( df . head () )
# Sauvegarder sous forme de fichier CSV
df . to_csv ( " p a s t r y _ s a l e s _ w i t h _ c o n s t r a i n t s . csv " , index =
False )

Une fois les données générées et enregistrées dans un fichier CSV, elles
peuvent être utilisées pour entraîner un modèle de prédiction. Par
exemple, un modèle de forêt aléatoire peut être utilisé pour prédire
le nombre de ventes en fonction du jour et du type de pâtisserie.

8.10 Prédiction par Régression Li-

néaire

La régression linéaire est un modèle statistique fondamental utilisé

pour prédire une variable continue à partir de variables indépen-
dantes. L’objectif de la régression linéaire est de trouver la relation
linéaire la plus appropriée entre la variable à prédire (Y ) et les va-
riables explicatives (X1 , X2 , . . . , Xn ).

8.10.1 Fonction de Régression Linéaire

La régression linéaire modélise la relation entre une variable dépen-

dante Y et des variables indépendantes X1 , X2 , . . . , Xn par l’équation
suivante :

Y = β0 + β1 X1 + β2 X2 + · · · + βn Xn + ϵ

où :
204 Analyse et IA

— Y est la variable à prédire,

— X1 , X2 , . . . , Xn sont les variables explicatives (par exemple,
le jour de la semaine, la météo, etc.),
— β0 est l’ordonnée à l’origine (intercept),
— β1 , β2 , . . . , βn sont les coefficients de régression, qui mesurent
l’impact de chaque variable explicative sur la variable dépen-
dante,
— ϵ est l’erreur résiduelle, représentant les écarts entre les va-
leurs observées et les valeurs prédites.

8.10.2 Exemple : Prédiction des Ventes de

Pâtisseries

Dans cet exemple, nous allons prédire les ventes de pâtisseries (Y )

en fonction de plusieurs variables explicatives : le jour de la semaine,
la météo et les occasions spéciales (comme une fête nationale ou des
vacances scolaires).

Nous avons les données suivantes :

Jour Météo Occasion Ventes

1 1 0 100
2 0 1 120
3 0 1 150
4 1 0 130
5 1 0 80
6 0 1 110
7 1 0 170
1 1 1 160
2 0 1 140
3 1 0 130
4 0 1 90
5 1 0 120

Dans cet exemple, nous utilisons la régression linéaire pour prédire la

8.10. Prédiction par Régression Linéaire 205

variable Ventes en fonction des variables explicatives : Jour, Météo,

et Occasion.

8.10.3 Code Python pour la Régression Li-

néaire

Le code suivant illustre comment effectuer une régression linéaire en

Python à l’aide de la bibliothèque scikit-learn :

Listing 8.1 – Code Python pour la régression linéaire

import pandas as pd
import numpy as np
from sklearn . linear_model import L i n e a r Re g r e s s i o n
import matplotlib . pyplot as plt

# Cr é ation du jeu de donn é es

data = {
' Jour ': [1 , 2 , 3 , 4 , 5 , 6 , 7 , 1 , 2 , 3 , 4 , 5] ,
'M é t é o ': [1 , 0 , 0 , 1 , 1 , 0 , 1 , 1 , 0 , 1 , 0 , 1] ,
' Occasion ': [0 , 1 , 1 , 0 , 0 , 1 , 0 , 1 , 0 , 1 , 0 ,
0] ,
' Ventes ': [100 , 120 , 150 , 130 , 80 , 110 , 170 ,
160 , 140 , 130 , 90 , 120]
}

df = pd . DataFrame ( data )

# S é parer les variables ind é pendantes ( X ) et la

variable d é pendante ( Y )
X = df [[ ' Jour ' , 'M é t é o ' , ' Occasion ' ]] # Variables ind é
pendantes
Y = df [ ' Ventes '] # Variable d é pendante

# Cr é er et entra î ner le mod è le de r é gression lin é aire

model = L i n e ar R e g r e s s i o n ()
model . fit (X , Y )

# Pr é dire les ventes pour les m ê mes donn é es ( pour l '

exemple )
predictions = model . predict ( X )

# Afficher les coefficients

print ( f " Coefficients : { model . coef_ }")
print ( f " Intercept : { model . intercept_ }")

# Affichage des pr é dictions vs r é elles

206 Analyse et IA

plt . scatter (Y , predictions )

plt . xlabel ( ' Ventes r é elles ')
plt . ylabel ( ' Pr é dictions ')
plt . title ( 'R é elles vs Pr é dictions ')
plt . show ()

8.10.4 Résultat

En exécutant ce code, nous obtenons les coefficients du modèle de

régression linéaire ainsi que l’ordonnée à l’origine. Ces valeurs nous
permettent de comprendre comment chaque variable (Jour, Météo,
Occasion) influence les ventes de pâtisseries.

Par exemple, les résultats peuvent indiquer que les **ventes aug-
mentent légèrement** lorsque le jour de la semaine progresse, que
la **météo ensoleillée** booste les ventes, et que **les occasions
spéciales** (comme une fête) entraînent également une hausse des
ventes.

Les prédictions peuvent être visualisées par rapport aux valeurs

réelles dans un graphique de dispersion, ce qui permet d’évaluer la
qualité du modèle.

8.10.5 Interprétation des Coefficients

Supposons que le modèle retourne les coefficients suivants :

Coefficients : [5.2, −10.3, 30.5], Intercept : 50.1

Cela signifie que :

— Pour chaque **jour supplémentaire**, les ventes augmentent
de 5.2 unités.
— Lorsque la **météo est ensoleillée** (1), les ventes diminuent
de 10.3 unités.
8.10. Prédiction par Régression Linéaire 207

— Lorsqu’il y a une **occasion spéciale** (1), les ventes aug-

mentent de 30.5 unités.
— Si toutes les variables sont à zéro (par exemple, jour = 0,
météo = 0, occasion = 0), le modèle prédit des ventes de 50.1
unités.
Le tracé suivant illustre la relation entre les variables explicatives
et la variable prédite (Ventes) à l’aide de la fonction de régression
linéaire obtenue.

Régression Linéaire : Ventes en fonction des Jours

200
Données réelles
Prédiction (Régression)
Ventes prédites

150

100

50
0 1 2 3 4 5 6 7
Jour de la semaine

8.10.6 Conclusion

La régression linéaire est un modèle simple mais puissant pour pré-

dire des valeurs continues en fonction de plusieurs variables expli-
catives. Dans notre exemple, elle permet de prédire les ventes de
pâtisseries en fonction du jour de la semaine, de la météo, et des oc-
casions spéciales. Cependant, il est important de noter que ce modèle
fonctionne bien pour des relations linéaires simples, mais pourrait ne
pas être aussi efficace pour des relations plus complexes. D’autres
modèles comme les forêts aléatoires ou les réseaux neuronaux pour-
208 Analyse et IA

raient être explorés pour des données plus complexes.

8.11 Conclusion : Le Profil du Data

Analyste et Conseils pour Réus-
sir

Le métier de data analyste occupe une place centrale dans le monde

de l’analyse des données, offrant des solutions stratégiques à des pro-
blématiques complexes dans des secteurs variés tels que la finance, la
santé, le marketing, et bien d’autres. Ce rôle, à l’intersection des com-
pétences techniques, analytiques et communicationnelles, demande
une compréhension approfondie des données ainsi qu’une capacité à
en extraire des insights exploitables.

Profil d’un Data Analyste

— Compétences Techniques : Un data analyste maîtrise les

outils de gestion et de traitement des données (SQL, Python,
R), les techniques statistiques, et les bibliothèques spéciali-
sées comme Pandas, NumPy ou ggplot. Il est également fa-
milier avec des plateformes de visualisation comme Tableau,
Power BI, ou Matplotlib pour présenter des résultats clairs et
impactants.
— Connaissances Méthodologiques : L’analyse prédictive,
les techniques de modélisation (régressions, arbres de déci-
sion, forêts aléatoires, réseaux neuronaux, etc.), ainsi que
les approches en apprentissage automatique sont des compé-
tences clés. Le data analyste est souvent en charge de trans-
former des modèles complexes en outils opérationnels pour
les décideurs.
— Esprit d’Analyse et Résolution de Problèmes : L’ana-
lyse critique est essentielle pour poser les bonnes questions,
8.11. Conclusion : Le Profil du Data Analyste et Conseils pour
Réussir 209
évaluer les biais potentiels dans les données, et proposer des
solutions robustes. Cela inclut également la gestion d’aspects
pratiques comme l’identification de données manquantes, la
préparation des jeux de données, et l’évaluation des résultats.
— Communication : Traduire des résultats techniques en in-
formations compréhensibles pour des non-spécialistes est cru-
cial. Un bon data analyste est capable de raconter une his-
toire avec les données, utilisant des graphiques pertinents et
des explications claires.
— Éthique et Responsabilité : La gestion des biais, la confi-
dentialité des données, et l’impact des analyses sur les déci-
sions sont au cœur des préoccupations. Le data analyste doit
veiller à ce que ses modèles soient équitables, transparents et
alignés sur les valeurs de l’organisation.

Conseils pour Réussir en Tant que Data Ana-

lyste

1. Investir dans la Formation Continue : Les outils et tech-

niques évoluent rapidement. Restez à jour en suivant des
cours avancés, en explorant de nouvelles bibliothèques Python
ou en étudiant les avancées dans le domaine de l’intelligence
artificielle.
2. Développer des Projets Concrets : La meilleure façon
d’apprendre est de mettre en pratique. Travaillez sur des pro-
jets réels, que ce soit des prévisions de ventes, l’analyse de
tendances ou des dashboards interactifs.
3. Adopter une Approche Interdisciplinaire : Combinez
vos compétences techniques avec une compréhension du do-
maine d’application (santé, finance, commerce, etc.). Cela
vous permettra de mieux répondre aux besoins spécifiques
des décideurs.
4. Cultiver la Curiosité : Posez des questions, explorez de
nouvelles méthodologies, et essayez d’aller au-delà des simples
résultats pour comprendre les relations sous-jacentes dans les
210 Analyse et IA

données.
5. Prioriser l’Intégrité : Respectez les standards éthiques. Ne
manipulez pas les données pour servir un objectif non fondé.
Assurez-vous que vos analyses sont reproductibles et justi-
fiées.
6. Collaborer avec les Équipes Pluridisciplinaires : Le
data analyste travaille rarement seul. Interagissez avec des
data scientists, des ingénieurs de données, et des décideurs
pour fournir des solutions intégrées et impactantes.

Une Perspective Vers l’Avenir

Dans un monde où les données sont omniprésentes, le rôle du data

analyste évolue pour répondre à des défis de plus en plus complexes.
Ce livre a exploré des concepts essentiels comme la gestion des don-
nées, l’analyse prédictive, et les techniques avancées de modélisation,
tout en offrant des exemples concrets pour illustrer ces idées.

Le futur de l’analyse des données appartient à ceux qui, au-delà des

chiffres, savent poser les bonnes questions et trouver des réponses qui
transforment le monde. Cultivez votre curiosité, développez vos com-
pétences, et embrassez le potentiel infini des données pour devenir
un acteur clé dans cet univers en constante évolution.
Bibliographie

[Barocas and Selbst, 2016] Barocas, S. and Selbst, A. D. (2016).

Fairness in machine learning : Limiting the harms of automated
decision making. Communications of the ACM, 59(9) :29–37.
[Benoit and Petit, 2020] Benoit, T. and Petit, M. (2020). Prédiction
du taux de désabonnement dans les entreprises de télécommuni-
cations : une approche basée sur l’analyse prédictive. Telecommu-
nications Review, 53(1) :56–67.
[Bertin, 2010] Bertin, J. (2010). Semiology of Graphics : Diagrams,
Networks, Maps. University of Wisconsin Press.
[Binns, 2018] Binns, R. (2018). The ethics of artificial intelligence.
The Atlantic.
[Boden, 2016] Boden, M. A. (2016). AI : Its Nature and Future.
Oxford University Press.
[Box, 1976] Box, G. E. P. (1976). Science and statistics. Journal of
the American Statistical Association.
[Breiman, 2001] Breiman, L. (2001). Random forests. Machine Lear-
ning, 45(1) :5–32.
[Brown, 2009] Brown, T. (2009). Change by Design : How Design
Thinking Creates New Alternatives for Business and Society. Har-
perBusiness.
[Cleveland, 2001] Cleveland, W. S. (2001). Visualizing Data. Hobart
Press.
[Cortes and Vapnik, 1995] Cortes, C. and Vapnik, V. (1995).
Support-vector networks. Machine Learning, 20(3) :273–297.

211
212 Bibliographie

[Davenport, 2006] Davenport, T. H. (2006). Competing on Analy-

tics : The New Science of Winning. Harvard Business School
Press.
[Davenport and Harris, 2007a] Davenport, T. H. and Harris, J. G.
(2007a). Competing on Analytics : The New Science of Winning.
Harvard Business School Press.
[Davenport and Harris, 2007b] Davenport, T. H. and Harris, J. G.
(2007b). Competing on Analytics : The New Science of Winning.
Harvard Business School Press.
[Dupont and Martin, 2020] Dupont, J. and Martin, C. (2020). Im-
pact des analyses descriptives sur la gestion des stocks médicaux
pendant la pandémie de covid-19. Journal of Health Management,
45(3) :234–245.
[Dupuis and Roux, 2022] Dupuis, C. and Roux, M. (2022). L’im-
pact de l’analyse des données sur l’amélioration des performances
organisationnelles : une étude comparative. Data Science Journal,
16(1) :201–210.
[Durand and Lefevre, 2019] Durand, P. and Lefevre, S. (2019). Amé-
lioration de la productivité dans le secteur manufacturier grâce à
l’analyse diagnostique. Industrial Engineering Review, 32(4) :100–
112.
[et al., 2019] et al., A. E. (2019). A guide to deep learning in heal-
thcare. Nature Medicine, 25 :24–29.
[et al., 2016] et al., K. N. (2016). Credit risk and fraud detection
using machine learning. ACM Transactions.
[et al., 2005] et al., P. A. L. (2005). Geographical Information Sys-
tems and Science. Wiley.
[Fader and Hardie, 2016] Fader, P. S. and Hardie, B. G. S. (2016).
Predictive analytics for marketing and customer insight. Marke-
ting Science, 35(3) :399–407.
[Fader et al., 2016] Fader, P. S., Hardie, B. G. S., and Lyu, J. (2016).
Customer-base analysis in a discrete-time noncontractual setting.
Marketing Science, 35(2) :226–243.
[Few, 2012] Few, S. (2012). Show Me the Numbers : Designing Tables
and Graphs to Enlighten. Analytics Press.
Bibliographie 213

[Floridi, 2011] Floridi, L. (2011). The Philosophy of Information.

Oxford University Press, Oxford, UK, 1st edition.
[for Standardization, 2019] for Standardization, I. O. (2019). Iso/iec
27018 :2019 - information technology - security techniques - code of
practice for protection of personally identifiable information (pii)
in public clouds acting as pii processors. ISO.
[Fung, 2011] Fung, K. (2011). Numbers Rule Your World : The Hid-
den Influence of Probability and Statistics on Everything You Do.
FT Press.
[Gauthier and Martin, 2020] Gauthier, L. and Martin, C. (2020).
Les algorithmes de recommandation sur netflix : la science des
données à la base de l’expérience utilisateur. Digital Media In-
sights, 11(1) :45–56.
[Goodfellow et al., 2016] Goodfellow, I., Bengio, Y., and Courville,
A. (2016). Deep Learning. MIT Press.
[Greenwade, 1993] Greenwade, G. D. (1993). The Comprehensive
Tex Archive Network (CTAN). TUGBoat, 14(3) :342–351.
[Hand, 2008] Hand, D. J. (2008). Statistics : A Very Short Introduc-
tion. Oxford University Press, Oxford, UK, 1st edition.
[Harris and Wang, 2020] Harris, J. and Wang, L. (2020). L’utilisa-
tion de la science des données pour détecter les fraudes financières
en temps réel. Journal of Financial Crimes, 22(4) :190–202.
[Hinton, 2016] Hinton, G. (2016). AI is the New Electricity. N/A.
[Hochreiter and Schmidhuber, 1997] Hochreiter, S. and Schmidhu-
ber, J. (1997). Long short-term memory. Neural Computation,
9(8) :1735–1780.
[Hosmer et al., 2013] Hosmer, D. W., Lemeshow, S., and Sturdivant,
R. X. (2013). Applied Logistic Regression. Wiley, Hoboken, NJ,
3rd edition.
[Hubbard, 2014] Hubbard, D. W. (2014). How to Measure Anything :
Finding the Value of Intangibles in Business. Wiley.
[Humby, 2006] Humby, C. (2006). Data is the New Oil. N/A.
[Hyndman and Athanasopoulos, 2008] Hyndman, R. J. and Athana-
sopoulos, G. (2008). Forecasting : Principles and Practice. OTexts.
[Link]
214 Bibliographie

[IDEO, 2015] IDEO (2015). The Field Guide to Human-Centered

Design. [Link].
[Knaflic, 2015] Knaflic, C. A. (2015). Storytelling with Data : A Data
Visualization Guide for Business Professionals. Wiley.
[Kraak, 2011] Kraak, M.-J. (2011). Mapping Time : The Next Step
in Visualization. Taylor and Francis.
[Lambert, 2018] Lambert, T. (2018). Détection de fraudes en temps
réel dans les transactions bancaires : une étude sur les modèles
prédictifs. Journal of Financial Technology, 17(2) :88–97.
[LeCun, 2015] LeCun, Y. (2015). Deep learning. Nature,
521(7553) :436–444.
[Lyman and Varian, 2000] Lyman, P. and Varian, H. R.
(2000). How much information ? School of Information
Management and Systems, UC Berkeley. Disponible sur
https ://[Link]/research/projects/how-much-
info/.
[Marr, 2015] Marr, B. (2015). The Key to Business Success : Big
Data and Business Analytics. Wiley.
[Mayer-Schönberger and Cukier, 2013] Mayer-Schönberger, V. and
Cukier, K. (2013). Big Data : A Revolution That Will Transform
How We Live, Work, and Think. Houghton Mifflin Harcourt.
[Meyer, 2014] Meyer, J. (2014). The impact of data presentation on
decision-making. Journal of Business Analytics, 32(4) :56–62.
[Miller and Thompson, 2019] Miller, J. and Thompson, L. (2019).
Prédiction des risques d’inondation à houston : une application de
la science des données pour la gestion des catastrophes. Environ-
mental Data Science, 13(2) :134–145.
[Min Chen and Liu, 2012] Min Chen, S. M. and Liu, Y. (2012). Big
Data : Related Technologies, Challenges and Future Prospects.
Springer.
[Montgomery et al., 2012] Montgomery, D. C., Peck, E. A., and Vi-
ning, G. G. (2012). Introduction to Linear Regression Analysis.
Wiley, Hoboken, NJ, 5th edition.
[Narayanan and Shmatikov, 2008] Narayanan, A. and Shmatikov,
V. (2008). Robust De-anonymization of Large Sparse Datasets.
IEEE Symposium on Security and Privacy.
Bibliographie 215

[Norman, 2013] Norman, D. (2013). The Design of Everyday

Things : Revised and Expanded Edition. Basic Books.
[O’Neil, 2016] O’Neil, C. (2016). Weapons of Math Destruction :
How Big Data Increases Inequality and Threatens Democracy.
Crown Publishing Group.
[Parliament and of the European Union, 2016] Parliament, E. and
of the European Union, C. (2016). Regulation (eu) 2016/679 of
the european parliament and of the council. Official Journal of
the European Union, pages 1–88.
[Pearl, 2009] Pearl, J. (2009). Causality : Models, Reasoning, and
Inference. Cambridge University Press.
[Pierson, 2015] Pierson, L. (2015). Data Science for Dummies. Wi-
ley.
[Popper, 1972] Popper, K. (1972). La logique de la découverte scien-
tifique. Editions Payot.
[Provost and Fawcett, 2013] Provost, F. and Fawcett, T. (2013).
Data Science for Business : What You Need to Know about Data
Mining and Data-Analytic Thinking. O’Reilly Media, Sebastopol,
CA, 1st edition.
[Rosling, 2018] Rosling, H. (2018). Factfulness : Ten Reasons We’re
Wrong About the World – and Why Things Are Better Than You
Think. Flatiron Books.
[Rudin, 2019] Rudin, C. (2019). Stop explaining black box machine
learning models for high stakes decisions and use interpretable
models instead. Nature Machine Intelligence, 1 :206–215.
[Serres, 2008] Serres, M. (2008). La Guerre Mondiale. Editions Le
Pommier, Paris, France.
[Shmueli, 2010] Shmueli, G. (2010). To explain or to predict ? Sta-
tistical Science, 25(3) :289–310.
[Shneiderman, 1996] Shneiderman, B. (1996). The eyes have it : A
task by data type taxonomy for information visualizations. IEEE
Symposium on Visual Languages.
[Silver, 2012] Silver, N. (2012). The Signal and the Noise. Penguin
Press.
[Smith and Johnson, 2019] Smith, A. and Johnson, M. (2019). Op-
timisation des itinéraires de livraison chez amazon : l’impact de
 216 Bibliographie

l’analyse prescriptive sur la logistique. Journal of Logistics and

Supply Chain Management, 14(3) :123–134.
[Thomas and Boucher, 2021] Thomas, P. and Boucher, J. (2021).
Recommandations prescriptives pour les traitements personnali-
sés dans le domaine de la santé. Healthcare Analytics Review,
8(2) :210–220.
[Thompson, 2020] Thompson, R. (2020). Data transparency and
decision-making in technology companies. Technology Manage-
ment Review, 45(2) :91–103.
[TomTom, 2015] TomTom (2015). Visualizing traffic data for urban
planning. Urban Mobility Journal, 12 :45–67.
[Tufte, 1990] Tufte, E. R. (1990). Envisioning Information. Graphics
Press.
[Tufte, 2001] Tufte, E. R. (2001). The Visual Display of Quantitative
Information. Graphics Press.
[Tukey, 1977] Tukey, J. W. (1977). Exploratory Data Analysis.
Addison-Wesley.

View publication stats