Data Analysis augmentée par l’IA

Overview

Objectives

• Nettoyage et préparation
• Exploration et statistiques
• Aide à la visualisation
• Interprétation des résultats
• Génération de rapports
• Contrôle et vérification des analyses

Syllabus

1. 01

   Module 1 — Nettoyage et préparation

   Nettoyer, c'est décider quoi faire des vides, des doublons et des unités. L'outil propose, la règle est écrite · Nettoyer un jeu et écrire la règle appliquée à chaque type de défaut

   2 h
2. 02

   Module 2 — Exploration et statistiques

   Explorer, c'est une question d'abord, un chiffre ensuite. On n'affiche pas vingt graphiques sans question · Poser trois questions au jeu et sortir le chiffre qui y répond

   2 h
3. 03

   Module 3 — Aide à la visualisation

   Le graphique doit rendre le chiffre lisible. Un graphique trompeur est une erreur, même s'il est joli · Construire un visuel et dire ce qu'il ne faut pas y lire

   2 h
4. 04

   Module 4 — Interprétation des résultats

   Interpréter, c'est proposer une cause et dire quelle donnée la confirmerait. L'outil ne signe pas la cause · Écrire deux causes possibles d'un écart et la donnée qui les départage

   2 h
5. 05

   Module 5 — Génération de rapports

   Le rapport reprend la question, le chiffre, la limite. Il laisse dehors les pistes non vérifiées ou les met en annexe · Rédiger le rapport d'une page pour un décideur

   2 h
6. 06

   Module 6 — Contrôle et vérification des analyses

   Contrôler l'analyse, c'est la refaire sur un échantillon sans l'outil et comparer · Recalculer un indicateur à la main sur vingt lignes

   2 h
7. 07

   Module 7 — Mise en situation et retour au poste

   retour au poste pour Data analysts, métiers, contrôle · soutenir Data Analysis augmentée par l’IA

   2 h