Fiche de révision : Conception de visualisations de données

📋 Plan du Cours

1. Collecte et nature des données
2. Structure et types de données
3. Construction des indicateurs
4. Qualité et traitement des données
5. Biais des données et visualisations
6. Préparation et représentation des données

📖 1. Collecte et nature des données

📝 Points essentiels

📌 Les données observationnelles sont recueillies en observant sans intervenir.

• Une enquête ou un sondage empirique repose sur l’élaboration d’un questionnaire, le choix de son mode d’administration et la définition de la population ciblée.

📌 Les données expérimentales sont recueillies dans le cadre d’une expérience, contrairement aux données observationnelles qui ne supposent pas d’intervention.

💡 Astuce mémo

Observer sans intervenir, enquêter en interrogeant, expérimenter en intervenant

📖 2. Structure et types de données

★ À maîtriser

• Dans un jeu de données structuré, chaque ligne correspond à un individu ou, pour des données temporelles, à une observation temporelle, et chaque colonne à une variable.

• Les variables peuvent être qualitatives ou quantitatives.

• Les principales organisations des données sont :

  • en coupe transversale
  • en séries temporelles
  • en panel longitudinal
  • sous forme spatiale

Compléments

• Les formats informatiques cités sont :
  • le texte
  • la date
  • le numérique entier ou décimal
  • le binaire
  • la catégorie

📖 3. Construction des indicateurs

★ À maîtriser

📌 Un indicateur de niveau répond à la question « Combien ? », tandis qu’un indicateur de proportion ou de taux répond à la question « Quelle part ? ».

📌 L’évolution peut être mesurée par une variation absolue ou une variation relative.

Compléments

• Un indice base 100 sert à comparer des évolutions.

• La normalisation d’un indicateur consiste notamment à le rapporter à une population ou à une unité territoriale, par exemple par habitant ou par commune.

📖 4. Qualité et traitement des données

★ À maîtriser

📌 Une valeur extrême n’est pas nécessairement aberrante : il faut vérifier si elle provient d’une erreur de mesure ou de collecte et si elle est possible d’un point de vue métier.

• Les méthodes de traitement des valeurs manquantes citées sont : supprimer les lignes qui en contiennent, les remplacer par une valeur fixe, utiliser la méthode des k plus proches voisins

Compléments

• Les valeurs extrêmes ou aberrantes peuvent être détectées visuellement ou automatiquement.

• La méthode KNN recherche les k individus les plus proches, puis remplace la donnée manquante par la moyenne des valeurs de ces k individus.

💡 Astuce mémo

Données brutes = information + bruit ; réduire le bruit améliore la qualité

📖 5. Biais des données et visualisations

★ À maîtriser

• Les biais cités concernent :

  • l’échantillonnage
  • la couverture
  • la sélection
  • la non-réponse
  • la déclaration
  • les erreurs de mesure
  • les variables omises
  • le temps, la confirmation ou l’agrégation

• Les biais propres à la visualisation concernent :

  • l’échelle
  • la sélection
  • le cadrage
  • la comparaison
  • la représentation
  • la perception

Compléments

• Le paradoxe de Simpson est présenté comme un biais lié aux variables omises et aux facteurs de confusion.

• Le biais du survivant est illustré par l’étude du renforcement des avions pendant la Seconde Guerre mondiale à partir des avions revenus des zones de combat.

📖 6. Préparation et représentation des données

★ À maîtriser

• 🔄 La construction d’une base de données suit ces étapes : comprendre les données et leurs unités statistiques, vérifier la structure et le codage des données, sélectionner les variables pertinentes, construire des indicateurs pertinents, repérer les valeurs aberrantes ou extrêmes, traiter les valeurs manquantes, identifier les biais possibles de l’analyse

Compléments

• La visualisation de données comprend le choix de familles de représentations graphiques, ainsi que l’habillage des graphiques et la composition de rapports ou de tableaux de bord.

💡 Astuce mémo

Comprendre → vérifier → sélectionner → construire → contrôler → traiter → identifier