Le processus d’analyse de données

Une date de commande, un commentaire client et une durée de livraison sont tous des données. Ils consignent quelque chose qui a été observé ou recueilli. Un seul de ces faits est une donnée ; un ensemble organisé est un jeu de données. Le sens d’une valeur dépend de ce qu’elle décrit et de la façon dont elle a été enregistrée.

Lis la structure d’un jeu de données

Dans un tableau courant, chaque ligne est un enregistrement et chaque colonne est un attribut de cet enregistrement. Un tableau de commandes peut comporter une commande par ligne et des colonnes pour le numéro de commande, la date et la quantité. Avant de calculer, identifie ce que représente une ligne. Compter les lignes ne revient à compter les commandes que si chaque ligne correspond réellement à une commande.

Les données quantitatives enregistrent des dénombrements ou des mesures : 3 articles ou une durée de livraison de 42 minutes. Les données qualitatives enregistrent des catégories ou des descriptions : la couleur d’un produit ou le commentaire « l’application s’est bloquée au paiement ». La présence de chiffres ne suffit pas à déterminer le type. Un code postal identifie une zone ; calculer la moyenne de codes postaux ne décrirait pas une localisation moyenne qui a un sens.

Transforme les enregistrements en enseignement

L’analyse de données collecte, transforme et organise des données pour tirer des conclusions, faire des prévisions et aider à prendre des décisions. Son résultat utile est un enseignement, une compréhension qui aide une personne à agir. Un tableau de retours de chaussures est un ensemble de données ; apprendre que la plupart des retours d’un modèle concernent des tailles qui chaussent petit est un enseignement qui peut guider une modification du guide des tailles.

L’analytique des données désigne le domaine plus large des processus, outils et techniques permettant de gérer, d’explorer et d’utiliser les données. L’analyse est le travail sur une question particulière au sein de ce domaine. Les termes se recoupent souvent dans les descriptions de poste ; appuie-toi donc sur la tâche décrite pour comprendre ce que la personne veut dire.

La science des données utilise souvent la statistique, la programmation et l’apprentissage automatique pour modéliser ce qui est inconnu. Un analyste pourrait examiner quelles gammes de produits ont perdu des clients au trimestre dernier. Un data scientist pourrait construire un modèle qui estime quels clients actuels partiront le mois prochain. Ce sont des tâches courantes et les domaines se recoupent ; les intitulés de poste ne créent pas de frontière fixe.

Suis l’écosystème autour du tableau

Un écosystème des données réunit des personnes, du matériel et des logiciels. Dans un hôpital, les instruments de laboratoire produisent des résultats, les bases de données les stockent, les analystes créent des rapports et les soignants les utilisent. Une défaillance dans l’un de ces éléments peut modifier le sens du rapport : l’absence de données provenant d’un instrument peut donner l’impression que le nombre d’examens a diminué.

L’informatique en nuage fournit du stockage et des logiciels sur des serveurs distants accessibles par Internet. Elle permet aux équipes de travailler sur des données partagées depuis plusieurs lieux. L’accès partagé exige toujours un contrôle des personnes autorisées à voir ou à modifier les informations.

Les données consignent ce qui a été recueilli, avec les lacunes et les erreurs éventuelles. L’absence de ventes un jour férié peut signifier que le magasin était fermé. Vérifie comment et quand les enregistrements ont été collectés avant d’interpréter une valeur vide ou nulle comme une indication sur la demande.

Un même jeu de données peut aider à répondre à plusieurs types de questions. Les quatre types courants d’analyse distinguent la synthèse des événements, la recherche des raisons, l’estimation de ce qui va suivre et le choix d’une action. Identifie la question avant de choisir une méthode.

Associe la question au résultat

Gartner a popularisé ce modèle à quatre types. Les types présentent des exigences différentes, mais choisir un type plus complexe n’améliore pas une question pour autant.

L’analyse descriptive synthétise les données passées ou actuelles. Une boutique en ligne a expédié 12 400 commandes en mars et 11 480 en février. La hausse est de 920 commandes. Diviser 920 par 11 480 donne environ 0,080, soit 8 %. Cela décrit le changement sans en expliquer la cause.

L’analyse diagnostique décompose le résultat en groupes et les compare. La répartition de ces commandes par canal de vente montre que presque toute la croissance provient d’une nouvelle campagne sur les réseaux sociaux, tandis que les commandes des clients déjà acquis sont restées stables. Cela permet de cibler la recherche. Une régularité liée à une campagne doit encore être vérifiée avant que la campagne soit présentée comme la cause prouvée.

L’analyse prédictive utilise les régularités passées pour estimer des valeurs futures ou inconnues. « Environ 13 000 commandes en avril, probablement entre 12 000 et 14 000 » communique une prévision et son incertitude. Une prévision est une estimation : un responsable ne doit donc pas considérer la valeur centrale comme un total garanti.

L’analyse prescriptive compare des actions au regard d’un objectif et de contraintes pratiques. Les commandes attendues en avril peuvent aider un responsable à décider du nombre d’employés temporaires à prévoir, en tenant compte également de la disponibilité du personnel et des capacités. Une recommandation peut utiliser des travaux descriptifs, diagnostiques ou prédictifs et des conditions connues ; elle n’exige pas un modèle de prévision dans tous les cas.

Suis une situation à travers les quatre types

Un service de vélos en libre-service enregistre 52 000 locations en mai et 41 600 en juin. La baisse est de 10 400 locations, soit 20 % du total de mai : c’est une analyse descriptive. Une comparaison par jour relie l’essentiel de la baisse aux 14 jours de pluie de juin : c’est un travail diagnostique. Une prévision fondée sur une météo similaire et sur la tendance de juillet dernier est prédictive. Programmer les réparations les jours où la pluie est prévue, lorsque moins de vélos sont nécessaires à l’extérieur, est prescriptif.

Avant de présenter la pluie comme la cause, examine d’autres changements comme une hausse des tarifs ou la fermeture d’une piste cyclable. Choisir un type d’analyse utile et juger de la solidité des éléments probants sont deux décisions distinctes. Un total fiable peut répondre entièrement à la question d’un responsable ; une prévision élaborée à partir d’enregistrements de mauvaise qualité ne peut pas corriger ces enregistrements.

Une décision est fondée sur les données lorsque les éléments probants issus de l’analyse modifient ou orientent le choix. Collecter des chiffres après une décision uniquement pour la défendre ne donne pas ce rôle aux éléments probants. La première question porte sur le choix que le décideur doit faire, puis sur les éléments qui pourraient modifier ce choix.

Donne à la décision une mesure commune

Les données peuvent montrer ce qui se passe, comparer les options sur la même base et rendre l’effet d’une décision mesurable après coup. Le personnel d’une bibliothèque peut penser que « presque personne ne vient le soir ». Si les relevés à l’entrée montrent que 18 % des visites hebdomadaires ont lieu après 18 h, réduire les horaires du soir a un effet plus important que ne le laisse penser cette impression.

La mesure doit correspondre à l’objectif. Si un centre d’appels récompense uniquement les appels courts, le personnel peut réduire leur durée moyenne en y mettant fin avant que les problèmes soient résolus. Le chiffre s’améliore tandis que le service se dégrade. Demande-toi ce que la mesure laisse de côté et si les personnes peuvent l’améliorer sans améliorer le résultat qui compte pour l’organisation.

Associe les éléments probants à la connaissance du travail

Un expert métier comprend un domaine ou un processus grâce à son expérience. Un responsable d’entrepôt peut expliquer pourquoi une hausse apparente du temps d’expédition s’est produite pendant un déplacement des stocks. L’analyste apporte la régularité observée ; l’expert fournit le contexte, identifie les valeurs impossibles et suggère des explications à vérifier.

Certaines organisations appellent cet équilibre la prise de décision éclairée par les données : les éléments probants sont un apport majeur, aux côtés de l’expérience, de l’éthique et du contexte. Le jugement humain reste nécessaire pour décider de ce qui compte et des compromis acceptables.

L’intuition est un jugement porté sans raisonnement conscient. Elle peut fournir une idée de départ, comme « les clients partent à cause de nos prix ». Transforme cette intuition en une question que les données peuvent examiner, par exemple comment les taux de résiliation ont évolué autour du dernier changement de prix. Recherche aussi des éléments qui pourraient remettre l’intuition en question, car une explication familière peut sembler plus solide qu’elle ne l’est.

Laisse les éléments probants modifier une proposition

Une chaîne de salles de sport envisage de fermer sa plus petite salle. L’idée initiale est qu’une petite salle doit être la moins importante. Les relevés montrent que ses adhérents viennent plus souvent que ceux de toutes les autres salles et que 70 % n’ont jamais utilisé une autre salle de la chaîne. Ces constats suggèrent que beaucoup pourraient résilier leur abonnement au lieu de changer de salle. La chaîne choisit de garder la salle et de réexaminer sa décision l’année suivante.

Vérifie qui est représenté avant de généraliser. Une décision sur les zones de livraison fondée sur les commandes passées dans l’application oublie les clients qui commandent par téléphone. Des données incomplètes, anciennes ou biaisées peuvent détourner les ressources des personnes concernées par la décision. L’équité exige d’examiner à la fois les personnes dont les données sont présentes et celles que la recommandation pourrait désavantager.

L’analyste fournit aux parties prenantes des éléments probants clairs et en explique les limites. La décision appartient généralement au responsable, au client ou au conseil d’administration. Une prévision des résiliations probables n’aide à exercer ce jugement que si l’incertitude est visible ; la présenter comme certaine masquerait une partie du choix.

Le cycle de vie des données suit les données pendant toute leur existence. Le certificat Google enseigne six étapes : planifier, collecter, gérer, analyser, archiver et détruire. Les enregistrements de commande d’une boutique en ligne montrent pourquoi chaque étape demande de l’attention, même après la fin d’un rapport.

Planifie et collecte

Pendant l’étape planifier, décide ce qu’il faut collecter, comment les données seront collectées et gérées, qui en est responsable et combien de temps elles seront conservées. La boutique choisit le numéro de commande, la date, les articles, la quantité, le montant payé et le code postal de livraison. L’équipe des opérations prend la responsabilité de ces enregistrements.

Pendant l’étape collecter, les données entrent dans le système. Un paiement finalisé inscrit un enregistrement de commande dans une base de données. Les données pourraient aussi provenir d’une enquête, d’un capteur ou d’un fichier reçu d’une autre organisation. La collecte concerne l’acquisition des enregistrements ; elle ne consiste pas encore à en tirer des conclusions.

Gère et analyse

Pendant l’étape gérer, veille à ce que les données restent exactes, disponibles et protégées. Choisis un stockage adapté, contrôle les accès, tiens les enregistrements à jour et sauvegarde-les. Par exemple, les adresses des clients peuvent être visibles uniquement par le personnel du service client, et la base de données des commandes sauvegardée chaque nuit.

Pendant l’étape analyser, utilise les données pour répondre à des questions et aider à prendre des décisions. Un analyste pourrait examiner une année de commandes pour identifier les produits retournés le plus souvent. Les mêmes données de commande pourraient ensuite servir à une autre analyse des délais de livraison ; un jeu de données peut alimenter de nombreux projets.

Conserve ou supprime les enregistrements

Pendant l’étape archiver, retire les enregistrements de l’usage quotidien et place-les dans un stockage de longue durée afin qu’ils restent accessibles. Une archive conserve les enregistrements pour consultation future. Une sauvegarde est une copie utilisée pour restaurer les données après une perte ou une dégradation. Les raisons de les conserver diffèrent : une archive d’anciennes factures et la copie de récupération de la nuit dernière répondent à des besoins différents.

Pendant l’étape détruire, supprime définitivement les données qui n’ont plus d’utilité et qu’aucune règle n’impose de conserver. Une politique de conservation fixe la durée de conservation de chaque type de données. Les règles de protection de la vie privée peuvent exiger la suppression des données à caractère personnel qui ne sont plus nécessaires ; les règles comptables peuvent imposer une durée minimale de conservation pour certains enregistrements. La finalité et les règles applicables déterminent la durée : il n’existe donc pas de durée universelle pour tous les jeux de données.

La destruction sécurisée rend les données irrécupérables par une méthode appropriée, comme l’effacement sécurisé ou la destruction physique du support de stockage. Déplacer un fichier vers une corbeille n’est pas une destruction sécurisée.

Relie le cycle de vie aux projets

Les étapes ne se produisent pas une seule fois pour l’ensemble de l’organisation. De nouvelles commandes sont collectées pendant que les enregistrements plus anciens sont analysés, archivés ou détruits. Un champ manquant découvert pendant l’analyse peut conduire à réviser le plan de collecte.

Un projet d’analyse en six phases suit le travail nécessaire pour répondre à une question. Il peut toucher plusieurs étapes du cycle de vie : recueillir des réponses à une enquête revient à collecter des données, tandis que stocker et documenter un jeu de données nettoyé revient à les gérer. La fin du projet ne met pas fin à la vie du jeu de données.

Les noms des étapes varient parce que les organisations utilisent les modèles à des fins différentes. Un organisme de recherche insiste sur la préservation et le partage de données réutilisables ; une équipe d’analyse met l’accent sur la réponse à une question et l’utilisation de cette réponse. Compare ce qui se passe à chaque étape avant de conclure que deux modèles sont en désaccord.

Reconnais le modèle de cycle de vie de l’USGS

L’U.S. Geological Survey (USGS) utilise les étapes planifier, acquérir, traiter, analyser, préserver et publier ou partager. Trois activités se poursuivent à toutes les étapes :

• Décrire : créer et mettre à jour les métadonnées et la documentation.
• Gérer la qualité : vérifier que les données sont collectées, traitées et utilisées de manière fiable.
• Sauvegarder et sécuriser : protéger les données contre la perte et les accès non autorisés.

Les métadonnées expliquent un jeu de données : qui l’a collecté, quand, comment, ce que signifient ses colonnes et quelles unités elles utilisent. Une colonne appelée « temp » n’est pas claire sans ces informations. Elle peut désigner une température en degrés Celsius, une température dans une autre unité ou une valeur temporaire. La documentation permet la réutilisation sans avoir à deviner.

Le modèle de l’USGS se termine par la publication et le partage, car les données scientifiques peuvent être utiles à d’autres chercheurs. Il met l’accent sur des aspects différents de ceux d’un cycle de vie qui nomme explicitement la destruction. Aucun des deux ensembles d’intitulés ne supprime la nécessité de prendre soin des enregistrements pendant toute leur existence.

Compare les modèles de projet d’analyse

Le cycle de la science des données d’OpenStax nomme cinq activités : la définition du problème, la collecte des données, leur préparation, leur analyse et la présentation des résultats. Elles correspondent globalement à la définition d’une tâche, à l’obtention d’enregistrements, à leur nettoyage, à la recherche d’une réponse et à sa communication.

CRISP-DM, abréviation de Cross-Industry Standard Process for Data Mining, a été élaboré par un groupe d’entreprises à la fin des années 1990. Il nomme la compréhension du métier, la compréhension des données, la préparation des données, la modélisation, l’évaluation et le déploiement. La modélisation peut construire des modèles prédictifs ou descriptifs, comme des groupes de clients présentant des caractéristiques similaires. Un projet qui se contente de synthétiser des enregistrements peut ne pas avoir besoin d’une tâche distincte de construction de modèle.

Les six phases questionner, préparer, traiter, analyser, communiquer et agir recoupent ces modèles. Le questionnement ressemble à la définition du problème ou à la compréhension du métier. La préparation et le traitement recoupent la collecte, la compréhension et la préparation des données. L’analyse recoupe l’analyse ou la modélisation et l’évaluation. La communication concerne la présentation des résultats, tandis que la mise en action concerne leur application. La correspondance est approximative : OpenStax ne nomme pas de phase distincte de mise en action, et CRISP-DM donne une place explicite à l’évaluation.

Utilise un modèle comme liste de vérification commune

Un cercle ou une succession d’étapes dans un diagramme n’oblige pas à travailler sans révision. Un mois manquant découvert pendant l’analyse renvoie l’équipe à la recherche de données. Un résultat peut modifier la question métier. Utilise le modèle de l’équipe pour que les noms des étapes aient un sens partagé, et explique l’activité lorsque tu parles à une personne qui utilise un autre cadre.

Un projet d’analyse commence par une décision à éclairer et se termine par une action et son suivi. Les six phases du certificat Google, questionner, préparer, traiter, analyser, communiquer et agir, rendent ce travail visible. Chaque phase transmet un résultat concret à la suivante.

Sache ce que produit chaque phase

Pour une chaîne de trois boulangeries, le patron commence par demander : « Aidez-nous à réduire les invendus de pain. » Le questionnement transforme cette demande en une tâche portant sur les invendus de chaque magasin, chaque jour de la semaine. La préparation identifie les registres de production et les relevés de vente. Le traitement corrige les erreurs vérifiées et consigne ces modifications. L’analyse calcule les taux d’invendus et leur répartition par jour de la semaine. La communication explique au patron la régularité importante. La mise en action applique un essai de production approuvé et en mesure l’effet.

Les phases sont reliées par leurs résultats. Un graphique a besoin de constats fiables. Les constats ont besoin de données propres et pertinentes. Des données pertinentes sont définies par une tâche claire. Choisir d’abord un outil peut inverser cette logique : un graphique attrayant peut répondre à une question que personne n’avait besoin de poser.

Reviens à la phase qui résout le problème

Les phases forment une boucle. Supposons que l’analyse révèle l’absence des enregistrements d’un magasin pendant une semaine. Reviens à la préparation pour les retrouver, puis traite et analyse le jeu de données complété. Si les « invendus » ont un sens différent pour le patron et les responsables de magasin, reviens au questionnement pour convenir de la mesure avant de comparer les résultats.

Revenir à une phase fait partie du processus. Cela ne signifie pas reprendre chaque tâche depuis le début. Garde la description des sources et le journal de nettoyage afin que les révisions puissent être retracées et que les travaux ultérieurs puissent utiliser les données d’entrée corrigées.

Prévois le travail au-delà des calculs

La préparation et le nettoyage des données prennent souvent plus de temps que les calculs et la création de graphiques. Un calendrier doit laisser du temps pour trouver les sources, résoudre les problèmes d’enregistrements manquants et vérifier les valeurs inhabituelles. Il doit aussi prévoir du temps pour que les parties prenantes comprennent les constats et décident quoi faire.

Le travail d’un analyste se poursuit après une présentation. Le patron peut avoir besoin d’aide pour planifier l’essai, et les nouveaux résultats doivent être mesurés de la même façon que les résultats initiaux. Si les invendus diminuent mais que les rayons se vident trop tôt, ce résultat devient la question suivante. Un projet peut comprendre la planification, la collecte, la gestion et l’analyse des données, tandis que les données elles-mêmes poursuivent leur cycle de vie plus long.

« Examine nos invendus de pain » est une demande de départ, mais elle ne précise pas encore ce que la réponse doit permettre de faire. La phase de questionnement transforme cette demande en une problématique métier claire. La phase de préparation permet ensuite de trouver les données nécessaires pour y répondre.

Mets-toi d’accord sur la tâche et les personnes concernées

Une partie prenante peut avoir investi du temps ou de l’argent dans le projet, ou y avoir une responsabilité, l’influencer ou être touchée par son résultat. Dans le cas de la boulangerie, le patron décide des quantités à cuire, les responsables des magasins mettent les changements en œuvre et les clients peuvent être touchés si le pain vient à manquer. Leurs intérêts sont liés, mais pas identiques.

Demande quel problème doit être résolu, qui utilisera la réponse, quelle décision cette personne prendra, à quoi ressemblera la réussite et quand la réponse sera nécessaire. Confirme l’objectif avec la personne responsable de la décision. Un responsable peut vouloir réduire les invendus, tandis que les clients ont aussi besoin de trouver du pain jusqu’à la fermeture.

La problématique métier devient : « Détermine la quantité de pain jetée par chaque magasin et les jours de la semaine concernés, afin que le patron puisse adapter les quantités préparées chaque jour et réduire les invendus sans que les magasins manquent de pain avant la fermeture. » Elle précise un problème mesurable, la répartition demandée et la décision qu’elle doit éclairer. Pour répondre par l’analyse à « La boulangerie marche-t-elle bien ? », il faut d’abord définir ce que signifie « bien ».

Trouve des enregistrements adaptés à la tâche

L’analyste a besoin de deux sources pour les quatre dernières semaines : les registres de production pour les pains cuits et le système de caisse pour les pains vendus, par magasin et par jour. Trois magasins sur 28 jours donnent 84 journées de magasin. Cette couverture attendue fournit un contrôle pratique : un jour absent est une lacune à examiner, et non automatiquement un jour sans production.

Les données collectées par la boulangerie elle-même sont des données propriétaires. Les relevés des ventes de pain d’un supermarché partenaire, partagés directement avec la boulangerie, sont des données partenaires. Les données de marché obtenues auprès d’un agrégateur extérieur qui ne les a pas collectées directement sont des données tierces. Ces appellations décrivent le lien avec la source ; elles ne prouvent pas la qualité des données. Plus les enregistrements sont éloignés de la collecte initiale, plus ils peuvent être difficiles à vérifier.

Vérifie une source avant de t’y fier

Vérifie si les enregistrements couvrent tous les lieux et toutes les périodes nécessaires, s’ils sont à jour et si leur mode de collecte a pu les biaiser. Vérifie que les règles de protection de la vie privée et les licences autorisent cette utilisation. Le jour 17 manque dans le registre de production du magasin C. Consigne cette lacune pendant la préparation afin qu’elle puisse être résolue et documentée pendant le traitement.

Collecte les champs utiles à la tâche. Les adresses des clients n’aident pas à calculer les invendus de pain par magasin à partir des totaux quotidiens. Des champs supplémentaires créent davantage de travail de nettoyage et peuvent exposer des informations personnelles sans contribuer à la réponse. Une liste des sources doit expliquer d’où viennent les enregistrements, quelle période ils couvrent et quelles lacunes restent à résoudre.

Les deux systèmes sources de la boulangerie ne produisent pas automatiquement un tableau d’analyse fiable. Le traitement rend les enregistrements utilisables et traçables. L’analyse utilise ensuite les enregistrements vérifiés pour déterminer la quantité d’invendus, les lieux et les jours concernés.

Nettoie les données en consignant les modifications

Le traitement consiste à repérer et corriger les erreurs, à supprimer les doublons confirmés, à traiter les valeurs manquantes et à harmoniser les formats, notamment ceux des dates, des unités et des noms de magasins. Vérifie les données nettoyées par rapport à leurs sources. Tiens un journal de nettoyage qui explique ce qui a changé, pourquoi et comment.

Deux entrées confirmées comme étant des doublons pour le magasin A au jour 9 sont supprimées et consignées. Le nombre manquant de pains cuits au magasin C le jour 17 est renseigné à partir du planning du four après vérification auprès du responsable, et cette source est consignée. Une ligne indiquant 130 pains vendus et 120 cuits doit être examinée : il peut s’agir d’une erreur de saisie ou de pain provenant d’une autre source. Deviner une valeur de remplacement créerait une valeur non étayée.

Calcule les invendus de chaque magasin

Le taux d’invendus mesure la proportion de la production qui n’a pas été vendue :

Pour A, soustrais 3 780 de 4 200 pour obtenir 420, puis divise par 4 200 pour obtenir 0,10. Le magasin C a à la fois le plus grand nombre de pains jetés et le taux le plus élevé ; il mérite donc un examen plus approfondi.

Le taux de la chaîne utilise les totaux : 1 155 divisé par 10 500 donne 11 %. La moyenne simple de 10 %, 5 % et 20 % est d’environ 11,7 %, ce qui donne le même poids à chaque magasin malgré des volumes de production différents. Le taux calculé à partir des totaux indique quelle proportion de tous les pains de la chaîne a été jetée.

Décompose le résultat par jour de la semaine

Les huit lundis et mardis du magasin C représentent 800 pains cuits et 520 vendus. La soustraction donne 280 pains jetés, puis la division par 800 donne 35 %. Pendant ses 20 autres jours, 2 000 pains cuits et 1 720 vendus donnent aussi 280 pains jetés, mais le taux est de 14 %. Des nombres identiques de pains jetés peuvent donc masquer des situations de production différentes.

Cela permet de déterminer où et quand le problème est concentré. Cela n’établit pas pourquoi. Le responsable suggère que moins d’employés de bureau passent devant le magasin en début de semaine ; cette explication doit être confirmée. Présente-la séparément de la répartition mesurée par jour de la semaine.

Un constat devient utile lorsque les bonnes personnes le comprennent et peuvent choisir une action. La phase de communication transmet la réponse et ses limites. La phase de mise en action met une décision en pratique et recueille les éléments probants nécessaires pour juger de son effet.

Commence par la réponse dont le public a besoin

Le patron a besoin des chiffres clés et d’une recommandation sur une page. Un responsable de magasin a besoin de connaître la répartition par jour de la semaine pour son magasin. Un analyste qui examine le travail a besoin de la description des sources et du journal de nettoyage. Adapte le niveau de détail à la décision ou à l’examen que chaque personne doit effectuer.

Une synthèse destinée au patron pourrait être formulée ainsi : « En quatre semaines, la chaîne a jeté 1 155 pains sur 10 500, soit 11 %. Le magasin C a produit 560 pains invendus, soit environ 48 % des invendus de la chaîne. La moitié des invendus du magasin C concernait les lundis et mardis, lorsque 35 % de son pain n’a pas été vendu. » Quelques graphiques clairs peuvent étayer ce message ; montrer tous les graphiques exploratoires peut le masquer.

Un constat décrit les éléments probants : « Le magasin C jette 20 % de son pain. » Une recommandation propose une action : « Réduire la production du magasin C les lundis et mardis. » Identifie-les clairement pour qu’une proposition ne soit pas prise pour un résultat observé.

Formule une recommandation que l’on peut tester

Une proposition précise consiste à mener un essai de quatre semaines avec 30 % de pains cuits en moins les lundis et mardis au magasin C. Le total initial pour ces jours est de 800 pains. Une réduction de 30 % représente 240 pains, ce qui en laisse 560. Si les ventes restent à 520, seuls 40 pains seraient invendus ces jours-là.

Pour les autres jours, garde 2 000 pains cuits et 1 720 vendus. Pour tout l’essai, la production prévue est de 2 560 pains et les ventes restent à 2 240. Les invendus seraient de 320 pains :

Il s’agit d’une projection fondée sur une hypothèse de vente, et non d’un résultat mesuré. La réussite correspond à un taux d’invendus inférieur à 15 %, avec une rupture de stock de pain avant la fermeture au maximum un jour par semaine. La seconde mesure évite qu’une baisse des invendus masque une mauvaise disponibilité.

Mets le changement en pratique et suis ses effets

Le patron décide d’approuver ou non l’essai. L’analyste peut aider à planifier le changement et fournir un rapport hebdomadaire sur les invendus. L’équipe du magasin C modifie la production et consigne ce qui se passe, y compris les ruptures de stock anticipées.

Communique les limites pertinentes : les éléments de départ couvrent quatre semaines et la valeur manquante d’un jour a été retrouvée dans le planning du four. Ces détails influencent le degré de confiance avec lequel le patron peut généraliser la régularité observée. Les cacher donnerait aux éléments probants une apparence de solidité supérieure à la réalité.

Après l’essai, analyse les nouveaux enregistrements avec le même calcul du taux d’invendus et vérifie la disponibilité. Si les invendus diminuent mais que le pain manque trop tôt, l’analyse suivante cherche comment équilibrer les deux résultats. Le suivi donne au cycle suivant de questionnement, de préparation et d’analyse un point de départ concret.

Les compétences analytiques t’aident à résoudre des problèmes à partir de faits. Le certificat Google regroupe cinq compétences : la curiosité, la compréhension du contexte, l’esprit technique, la conception des données et la stratégie des données. Elles se développent par la pratique et soutiennent le travail tout au long d’un projet.

Questionne et cherche à comprendre

La curiosité t’amène à approfondir un résultat surprenant. Si les retours d’un produit doublent, demande ce qui a changé : le fournisseur, le guide des tailles ou la photo du produit. La hausse est l’observation de départ. La curiosité la transforme en d’autres questions qui pourraient l’expliquer.

Comprendre le contexte, c’est savoir où, quand, comment et pourquoi les données ont été collectées. Une hausse des ventes de parapluies pendant une semaine pluvieuse n’a pas le même sens qu’une hausse pendant une réduction sur tout le magasin. Le contexte comprend aussi les éléments manquants : pour un total régional, il faut vérifier que tous les magasins ont été inclus.

Pour appliquer ces compétences ensemble, remarque d’abord le résultat inhabituel, puis pose des questions sur les conditions qui l’entourent. Une conversation avec une personne qui connaît le travail peut révéler un changement que le tableau lui-même ne consigne pas. Cette explication a encore besoin d’éléments probants avant de devenir une conclusion.

Décompose le problème en étapes

L’esprit technique est une manière organisée de résoudre un problème. Supposons que les inscriptions sur un site web diminuent. Vérifie si moins de personnes ont visité le site, si moins de visiteurs ont atteint la page d’inscription et si moins de ceux qui l’ont atteinte ont rempli le formulaire. Chaque vérification permet de mieux situer la baisse.

Cet état d’esprit est différent de la connaissance de nombreuses fonctionnalités logicielles. Essayer des fonctions de tableur au hasard ne constitue pas une recherche logique. Une personne qui parcourt les mêmes étapes sur papier peut faire preuve d’un solide esprit technique avant d’apprendre à utiliser le logiciel.

Organise les informations et le travail

La conception des données concerne la structure des informations. Une commande peut contenir plusieurs produits ; une structure utile consiste donc à prévoir une ligne par ligne de commande, avec des colonnes distinctes pour le numéro de commande, la date, le produit et la quantité. Le numéro de commande répété relie les lignes appartenant à une même commande. Une cellule contenant tous les achats d’un client sous forme de texte libre serait plus difficile à totaliser ou à mettre à jour de manière fiable.

La stratégie des données concerne les personnes, les processus et les outils utilisés dans l’analyse. Une équipe peut convenir que les relevés de vente sont chargés chaque nuit dans une base de données partagée, désigner la personne qui assure la maintenance du chargement et décider que les analystes travaillent à partir de cette source commune. Cela évite les copies personnelles distinctes qui finissent par diverger.

La conception des données rend les enregistrements exploitables ; la stratégie des données organise leur utilisation par l’équipe. Un tableau bien structuré peut tout de même être mal utilisé si personne ne sait quelle version est à jour. Un processus partagé peut aussi rencontrer des difficultés si les quantités et les noms des produits sont mélangés dans un même champ.

La pensée analytique consiste à définir un problème et à le résoudre de manière organisée à l’aide de données. Cinq aspects aident à guider ce raisonnement : la visualisation, la stratégie, l’orientation vers la résolution de problèmes, la corrélation, ainsi que la pensée globale et le souci du détail. Ce sont des habitudes qui fonctionnent ensemble, et non cinq étapes à réaliser une seule fois.

Repère une régularité et vérifie sa pertinence

La visualisation représente les informations graphiquement, à l’aide d’un graphique, d’une carte ou d’un diagramme. Un graphique en courbes des totaux quotidiens de visites sur un site web pendant 365 jours peut révéler un rythme hebdomadaire difficile à voir dans un long tableau. Le graphique aide l’analyse en rendant une régularité visible.

La stratégie garde le résultat recherché en vue. Si l’objectif est de comprendre une baisse des inscriptions, une régularité intéressante dans les couleurs des produits ne mérite peut-être pas d’être étudiée. Détermine quelle prochaine étape aide à répondre à la problématique métier et laquelle en éloignerait le travail.

L’orientation vers la résolution de problèmes part du problème à résoudre. Disposer d’un grand jeu de données n’est pas en soi une raison de calculer toutes les mesures possibles. Identifie d’abord la décision ou la difficulté, puis demande-toi en quoi un calcul ou un graphique proposé aide à y répondre.

Distingue une relation d’une cause

La corrélation signifie que deux variables tendent à évoluer ensemble. Dans une relation positive, les deux tendent à augmenter ou à diminuer ensemble. Dans une relation négative, l’une tend à augmenter tandis que l’autre diminue. Aucun des deux sens ne prouve qu’une variable cause l’autre.

Sur une année, les ventes de glaces et les cas de coups de soleil traités dans les centres de soins augmentent et diminuent ensemble. Les jours de beau temps et de forte chaleur font augmenter les deux. La météo est une variable de confusion, un troisième facteur qui influence les deux variables. Restreindre les ventes de glaces ne traiterait pas la cause des coups de soleil mise en évidence par cette explication.

Une régularité diagnostique aide à identifier des causes possibles. Elle ne dispense pas d’examiner d’autres explications. Avant d’agir sur une relation apparente, demande-toi ce qui a changé autour des deux variables et quels éléments probants pourraient départager les explications concurrentes.

Passe de l’ensemble au détail

La pensée globale replace un problème dans les objectifs et la situation plus larges. Le souci du détail conduit à examiner les faits particuliers qui pourraient l’expliquer. Un produit qui semble disparaître d’un rapport mensuel est un résultat global. Un code produit ressaisi peut répartir ses enregistrements sous deux libellés et expliquer ce résultat.

Un analyste peut parcourir cet exemple dans les deux sens. La question métier établit pourquoi le produit manquant est important. Un examen attentif des codes et des lignes sources vérifie s’il a réellement disparu. La correction d’un problème de libellé confirmé peut alors modifier le rapport dans son ensemble.

Un symptôme montre que quelque chose ne va pas. Une cause profonde explique la raison sous-jacente du problème. Des questions structurées t’aident à suivre les éléments probants depuis le problème visible jusqu’à une cause étayée, tandis que l’analyse des écarts montre la distance entre un résultat actuel et une valeur cible.

Suis une série de pourquoi en t’appuyant sur des éléments probants

La méthode des cinq pourquoi part d’un problème et demande pourquoi il s’est produit. Chaque réponse devient la question suivante. Vérifie chaque réponse à l’aide d’enregistrements ou d’observations avant de construire une autre explication à partir de celle-ci. Les cinq tours sont un repère ; les éléments probants déterminent jusqu’où la série doit aller.

Prenons le cas de livraisons en retard :

1. Les livraisons arrivent en retard parce que les chauffeurs quittent le dépôt en retard.
2. Les chauffeurs partent en retard parce que les camionnettes sont chargées en retard.
3. Le chargement est en retard parce que les commandes n’arrivent à l’entrepôt qu’après 10 h.
4. Les commandes arrivent à ce moment-là parce que le système envoie les commandes de la matinée en un seul lot à 9 h 45.
5. Cet horaire d’envoi du lot date d’une période où il y avait beaucoup moins de commandes.

Les heures de départ, les relevés de chargement et les horodatages du système permettent de vérifier cette explication. Le problème sous-jacent étayé est un horaire d’envoi des lots dépassé. Envoyer les commandes en continu ou en plusieurs lots pendant la matinée permet d’y remédier. Demander aux chauffeurs de se dépêcher ne changerait rien à l’arrivée tardive des commandes.

Ne t’arrête pas simplement parce qu’une première réponse suggère un changement facile à faire. De même, n’invente pas une cinquième raison lorsque les éléments probants étayent une série plus courte. L’objectif est d’atteindre une cause sous-jacente étayée et de choisir une action qui y répond.

Mesure l’écart par rapport à une valeur cible

L’analyse des écarts précise l’état actuel, l’état souhaité et les changements qui peuvent combler l’écart. Un centre de soins répond actuellement à 82 % des appels en moins de deux minutes et veut atteindre 95 %. La différence est de 13 points de pourcentage :

Un écart en points de pourcentage se calcule en soustrayant les deux pourcentages. Une hausse relative en pourcentage compare le changement au taux initial :

Appeler cet écart « 13 % » confond ces deux mesures. Pour planifier une amélioration, le centre de soins doit aussi examiner le processus à l’origine des appels sans réponse ou pris en charge tardivement. L’écart lui-même mesure la distance à parcourir ; il n’en identifie pas la cause.

Mets la première explication à l’épreuve

Le biais de confirmation est la tendance à remarquer et à croire les éléments probants qui confirment une opinion existante. Si tu pars de l’idée que « les chauffeurs sont négligents », tu peux remarquer les départs tardifs et passer à côté de l’envoi tardif du lot de commandes. Décide quels éléments te feraient changer d’avis et recherche-les activement.

Parmi les questions utiles figurent « À quoi n’avons-nous pas pensé ? » et « Où sont les lacunes dans le processus ? ». Elles aident à élargir la recherche sans remplacer les éléments probants. Une explication convaincante et un écart mesurable sont des points de départ utiles, mais le changement proposé doit découler de la cause étayée par les enregistrements.

Les équipes de données répartissent le travail selon ce qui doit être construit, compris et communiqué. Les intitulés de poste varient selon les organisations ; les responsabilités et les productions sont donc un guide plus fiable que le seul intitulé.

Relie les systèmes, les tables et les réponses

Un ingénieur de données construit et maintient des flux de données, des bases de données et des entrepôts de données. Les flux acheminent les données depuis leurs sources vers les endroits où elles sont nécessaires. Un entrepôt de données réunit des données nettoyées provenant de plusieurs sources pour l’analyse et la production de rapports. Un acheminement et un stockage fiables permettent aux autres de travailler sur une base sûre.

Un analytics engineer transforme les données brutes de l’entrepôt en tables propres et documentées que les analystes peuvent interroger. Un architecte de données conçoit la structure générale des systèmes de données de l’organisation. Un référent de données veille à la qualité, aux définitions partagées et aux règles d’accès. Ces responsabilités concernent différentes couches d’un même écosystème.

Un analyste de données collecte, nettoie, examine et présente des données pour répondre à des questions précises. Les rapports, les graphiques et les recommandations sont des productions courantes. Les intitulés d’analyste marketing, d’analyste des opérations et d’analyste des données de santé désignent des domaines d’application de ce travail.

Rends utiles les rapports réguliers et les modèles

Un analyste ou développeur en informatique décisionnelle crée et maintient des rapports récurrents et des tableaux de bord. Ces productions donnent un accès continu aux chiffres, comme les ventes par région chaque lundi. Un analyste de données peut aussi créer un tableau de bord ; la distinction tient à une spécialisation habituelle et ne signifie pas que lui seul peut effectuer cette tâche.

Un data scientist utilise la statistique, la programmation et l’apprentissage automatique pour construire des modèles de résultats ou de régularités complexes, et conçoit des expériences pour tester des changements. Un ingénieur en apprentissage automatique intègre les modèles dans des logiciels fonctionnels et veille à leur fonctionnement. Construire un modèle et l’exploiter de manière fiable sont des responsabilités liées qui présentent des exigences pratiques différentes.

Suis le passage du travail d’un métier à l’autre autour d’une question

Un service de streaming veut comprendre les résiliations. L’ingénieur de données achemine chaque jour les relevés de facturation et de visionnage vers l’entrepôt. L’analyste de données constate que les résiliations sont les plus nombreuses après un changement de prix et parmi les personnes qui regardent moins de deux heures par mois. Le développeur en informatique décisionnelle ajoute les résiliations au tableau de bord hebdomadaire. Le data scientist construit un modèle qui estime quels abonnés sont susceptibles de résilier.

L’analyste discute de la régularité observée avec les parties prenantes et les experts métier. Des questions claires et des explications simples comptent, car les décideurs doivent comprendre à la fois le constat et ce qu’il ne permet pas d’établir. Une corrélation observée après un changement de prix est un élément à examiner, et non une preuve automatique de la cause.

Dans une petite organisation, une personne peut exercer plusieurs de ces métiers ; une organisation plus grande peut les répartir entre des équipes. Dans tous ces métiers, les personnes doivent protéger les informations personnelles, les utiliser à des fins appropriées et vérifier si les conclusions ou les actions désavantagent injustement des groupes.

Les tableurs rendent un tableau visible et facile à explorer. SQL extrait des données de bases de données relationnelles. De nombreux projets utilisent SQL pour sélectionner un résultat de taille gérable et un tableur pour l’examiner ; choisir l’un n’exclut donc pas l’autre.

Lis une feuille et ses calculs

Un tableur comme Excel, Google Sheets ou LibreOffice Calc stocke les valeurs dans des cellules. Les colonnes portent des lettres et les lignes des numéros : B2 désigne la colonne B, ligne 2. Une plage comme B2:B4 comprend B2, B3 et B4.

Une formule commence par un signe égal et calcule une valeur. Une fonction est un calcul prédéfini qui porte un nom, comme SUM, AVERAGE, COUNT, MIN ou MAX. =SOMME(B2:B4) additionne trois cellules. Les références permettent aux formules d’être recalculées lorsque les valeurs d’entrée changent.

Place les magasins A, B et C de la boulangerie aux lignes 2 à 4, le nombre de pains cuits en B et celui des pains vendus en C. Dans D2, =B2-C2 donne les 420 pains jetés du magasin A à partir de 4 200 pains cuits et de 3 780 vendus. Dans E2, =D2/B2 donne 0.1 ; le format pourcentage affiche 10 %. =SOMME(B2:B4) donne les 10 500 pains cuits par la chaîne.

Le tri ordonne les lignes selon un champ, par exemple de la plus grande quantité d’invendus à la plus petite. Le filtrage affiche les lignes qui remplissent une condition, par exemple celles du magasin C uniquement. Un tableau croisé dynamique regroupe et synthétise les enregistrements, par exemple le total des invendus pour chaque magasin et chaque jour de la semaine.

Lis une requête SQL simple

Une base de données relationnelle stocke des tables reliées par des champs communs comme un numéro de client. SQL, Structured Query Language, permet de demander et de gérer les données dans ces systèmes. Une requête est une demande écrite :

SELECT shop, baked, sold
FROM daily_sales
WHERE shop = 'C';

SELECT indique les colonnes renvoyées. FROM indique la table. WHERE ne conserve que les lignes qui remplissent la condition. Cette requête renvoie shop, baked et sold pour le magasin C et se contente de lire la table ; elle ne modifie pas les enregistrements stockés.

Les systèmes de bases de données utilisent des dialectes SQL, notamment PostgreSQL, MySQL, SQL Server, SQLite et BigQuery. Les commandes fondamentales sont communes, mais les fonctions et les détails peuvent différer.

Choisis selon le travail à réaliser

Un tableur convient à un jeu de données de petite ou moyenne taille, à un calcul rapide et ponctuel et à un public habitué aux fichiers. SQL convient aux données déjà présentes dans une base, aux grandes tables et aux questions récurrentes. Une feuille Excel peut contenir au maximum 1 048 576 lignes et 16 384 colonnes ; un fichier Google Sheets peut contenir au maximum 20 millions de cellules. Les fichiers peuvent devenir lents avant d’atteindre une limite.

Les copies et les écrasements manuels peuvent être difficiles à répéter ou à contrôler. La protection des feuilles, les droits d’accès et la validation peuvent réduire les erreurs. Une base de données relationnelle ajoute des colonnes structurées, des types et des règles pour les enregistrements partagés. Les deux demandent une utilisation attentive ; leurs structures et leurs contrôles diffèrent.

Le bon outil dépend de la tâche, des données et des personnes qui ont besoin du résultat. Les outils d’informatique décisionnelle rendent les chiffres accessibles dans la durée. Python et R permettent aux analystes d’écrire des étapes de traitement et d’analyse reproductibles, y compris pour des travaux trop volumineux pour un tableur.

Donne accès à une vue actualisée

Les outils d’informatique décisionnelle et de visualisation, comme Tableau, Power BI et Looker Studio, se connectent à des tableurs, des bases de données et des services en nuage. Ils transforment les enregistrements en graphiques et tableaux de bord interactifs. Un tableau de bord réunit des chiffres clés et des graphiques sur un seul écran pour suivre une situation.

La fraîcheur des données dépend de la connexion et du processus d’actualisation. Un tableau de bord utilisant des données importées peut afficher les valeurs de la veille jusqu’à ce qu’une actualisation programmée ou manuelle réussisse. Une connexion en direct peut interroger les données actuelles de la source, mais la vue affichée peut aussi devoir être mise à jour. Vérifie la fraîcheur avant d’interpréter le nombre affiché.

Un tableau de bord des ventes actualisé chaque matin peut permettre aux responsables de filtrer eux-mêmes par région, produit et date. Il convient à une question récurrente partagée par de nombreuses personnes. Créer chaque matin une nouvelle présentation ponctuelle obligerait l’analyste à répéter un travail que le tableau de bord peut assurer.

Répète un travail complexe avec du code

Python est un langage de programmation polyvalent utilisé pour les logiciels, l’automatisation et l’apprentissage automatique, ainsi que pour l’analyse. Des bibliothèques comme pandas traitent les tableaux et Matplotlib crée des graphiques. R a été conçu pour la statistique et les graphiques ; ggplot2 et tidyverse sont des extensions courantes, et RStudio est un environnement couramment utilisé avec R.

Les deux langages peuvent charger, nettoyer, analyser et visualiser les données. Un script peut être exécuté sur de nouvelles données d’entrée sans répéter les modifications manuelles. Un notebook, comme Jupyter, réunit dans un même document du code, ses résultats et du texte explicatif.

La reproductibilité signifie qu’une autre personne peut répéter l’analyse et obtenir le même résultat. Le code y contribue en enregistrant ses étapes, mais un script partagé ne suffit pas si l’analyste a aussi modifié les données manuellement. Inclus toutes les étapes de traitement, les données d’entrée, les versions des logiciels et les paramètres nécessaires à l’exécution.

Constitue une chaîne d’outils adaptée

Pour la question ponctuelle d’un responsable sur les ventes régionales à partir d’un export de 2 000 lignes, un tableau croisé dynamique dans un tableur peut suffire. Pour les chiffres hebdomadaires d’une équipe provenant d’une base de données, SQL alimentant un tableau de bord d’informatique décisionnelle répond à un besoin récurrent. Pour 40 millions de mesures de capteurs nettoyées et modélisées chaque mois, Python ou R peut prendre en charge un traitement à grande échelle, SQL extrayant les enregistrements si nécessaire.

Demande-toi où les données sont stockées, quel est leur volume, à quelle fréquence le travail se répète, qui utilisera le résultat, si d’autres personnes doivent le vérifier et quels outils l’organisation prend en charge. Un outil compliqué ne peut pas compenser une question mal définie ou des enregistrements peu fiables.

Les assistants d’IA peuvent suggérer des formules, des requêtes ou des synthèses dans de nombreux outils. Vérifie une suggestion par rapport aux données et comprends ce qu’elle fait avant de t’y fier ; un résultat qui paraît convaincant peut quand même utiliser le mauvais champ, filtre ou calcul.