Chapitre 1
Les données et les quatre types d’analyse
Les données structurées tiennent dans des tableaux ; les non structurées regroupent textes, images, sons et vidéos.
- Descriptive — que s’est-il passé ?
- Diagnostique — pourquoi ?
- Prédictive — que va-t-il probablement se passer ?
- Prescriptive — que faut-il faire ?
À retenir: Partez de la question métier.
Chapitre 2
KPI et questions métier
Un KPI est un indicateur lié à un objectif et actionnable : taux de conversion (conversions ÷ visiteurs), fidélisation, panier moyen, livraison à l’heure.
- Lier chaque KPI à un objectif
- Définir son calcul
- Fixer une cible et une période
- Le suivre et agir
À retenir: Un indicateur qui ne change aucune décision n’est pas un KPI.
Chapitre 3
Qualité et nettoyage des données
La qualité se juge sur l’exactitude, la complétude, la cohérence, l’actualité et la validité. Nettoyer, c’est corriger — jamais supprimer ce qui dérange.
- Supprimer les doublons
- Uniformiser les formats
- Traiter les valeurs manquantes de façon documentée
- Analyser les valeurs aberrantes
À retenir: Des données fiables pour des conclusions fiables.
Chapitre 4
Statistiques et pièges
La moyenne est sensible aux extrêmes ; la médiane montre la valeur typique. La corrélation ne prouve pas la causalité : un troisième facteur peut expliquer les deux.
- Médiane pour les données asymétriques
- Corrélation ≠ causalité
- Attention au biais d’échantillonnage
- Les tests A/B aléatoires montrent la cause
À retenir: Demandez-vous ce qui pourrait l’expliquer autrement.
Chapitre 5
Visualisation et tableaux de bord
Courbe pour les tendances, barres pour comparer, nuage de points pour les relations. Évitez les camemberts à nombreuses parts et les axes tronqués.
- Un message par graphique
- Axes et unités étiquetés
- Peu de KPI, avec drill-down
- Message clé, preuve, recommandation
À retenir: Un graphique trompeur détruit la confiance.
Chapitre 6
SQL, entrepôts et données responsables
SELECT, FROM, WHERE (filtrer), GROUP BY (agréger) et JOIN (combiner via une clé). L’ETL (Extraire, Transformer, Charger) alimente un entrepôt structuré, souvent en schéma en étoile (faits + dimensions) ; le data lake stocke des données brutes.
- Power BI, Tableau, Looker
- Analyse de cohortes
- Minimiser et protéger les données personnelles (RGPD)
- Chiffres anormaux : vérifier d’abord le pipeline
À retenir: Une bonne BI = pipelines fiables + modèles clairs + données protégées.