Scheda di revisione: Introduction à la gestion et l'analyse des données

📋 Plan du Cours

1. Création d’une base de données
2. Principes de base sur Excel
3. Nettoyage des données
4. Statistiques descriptives
5. Tendance centrale et dispersion
6. Visualisation des données

📖 1. Création d’une base de données

🔑 Notions clés & Définitions

• Base de données : Une base de données est un outil qui stocke des données et permet de créer, lire, mettre à jour et supprimer ces données.
• Enregistrement : Un enregistrement est l’unité de base d’une base de données, correspondant à une observation comme un individu, un ménage ou une infrastructure.
• Variable : Une variable est une unité discrète d’information représentée par une colonne, dont les valeurs sont celles observées dans les lignes.
• ID unique : Un ID unique est un identifiant placé en première colonne pour distinguer chaque ligne de manière non ambiguë.

📝 Points essentiels

• Une base de données peut être un fichier Excel utilisé par les équipes, mais aussi d’autres formes selon le contexte (papier, logiciel dédié).
• Concevoir une base passe par 3 étapes : définir les lignes, définir les colonnes, puis concevoir le design des colonnes.
• Une ligne correspond à un enregistrement/une observation, et relie typiquement un ensemble de réponses de collecte.
• Une colonne correspond à une variable et son en-tête doit contenir un nom de variable clair et court, souvent lié au questionnaire.
• Le design inclut une première colonne d’ID unique et des en-têtes supplémentaires pour relier les réponses au questionnaire et faciliter la stratification.

💡 Astuce mémo

Ligne = cas (une observation) ; Colonne = idée (une variable) ; ID = étiquette unique.

📖 2. Principes de base sur Excel

🔑 Notions clés & Définitions

• Référence absolue : Une référence absolue est une adresse de cellule qui ne change pas quand on recopie une formule dans une autre zone.
• Plage nommée : Une plage nommée est un ensemble de cellules auquel on attribue un nom, pour gagner du temps et améliorer la lisibilité des formules.
• Taille de la BDD : La taille d’une base correspond au nombre de lignes et de colonnes de la feuille qui contient les données.

📝 Points essentiels

• Pour éviter les ruptures de liens, ne modifiez pas la structure de la base (déplacer/supprimer des éléments) car cela casse les références des formules et tableaux croisés dynamiques.
• Protéger le classeur limite les suppressions de feuilles et les réarrangements accidentels.
• Filtrer les données facilite la navigation quand la base contient un grand nombre de lignes.
• Avec une référence absolue, on ajoute un $ devant la référence de la colonne et/ou de la ligne pour figer la cible pendant la recopie.
• On peut nommer une plage (ex. B2 à B5 appelée prix_cfa) pour rendre les formules plus lisibles.

💡 Astuce mémo

$ fixe la cible ; Nommer = lire plus vite.

📖 3. Nettoyage des données

🔑 Notions clés & Définitions

• Nettoyage des données : Le nettoyage des données est un travail logique visant à repérer les incohérences, erreurs et anomalies puis à corriger ou harmoniser les valeurs.
• Valeur aberrante : Une valeur aberrante est une valeur extrême, anormalement différente du reste des observations d’une même variable.
• Données manquantes : Les données manquantes sont des valeurs absentes (cellules vides) qui peuvent être exclues selon la fonction utilisée pour analyser.

📝 Points essentiels

• Le nettoyage cherche notamment des pourcentages >100, des caractères spéciaux à l’exportation, 0 et N/A, des nombres stockés comme texte, et des inversions texte↔chiffres.
• Les espaces inutiles dans les textes se corrigent avec SUPPRESPACE() / TRIM() afin de garder seulement les espaces simples entre les mots.
• Les doublons et les valeurs extrêmes sont à détecter car ils peuvent créer des erreurs et fausser particulièrement les moyennes.
• Excel peut nécessiter de convertir des nombres enregistrés en texte via l’option « Convertir en nombre ».
• Les erreurs décimales peuvent provenir d’un point « . » au lieu d’une virgule « , », corrigées avec « Rechercher et remplacer ».

💡 Astuce mémo

Doublons + outliers = moyennes biaisées ; TRIM/ SUPPRESPACE = texte propre.

📖 4. Statistiques descriptives

🔑 Notions clés & Définitions

• Statistiques descriptives : Les statistiques descriptives résument les données pour décrire leurs propriétés sans chercher à expliquer une cause.
• Distribution : La distribution décrit la fréquence des valeurs ou des modalités d’une variable.
• Tendance centrale : La tendance centrale regroupe les mesures qui indiquent la valeur typique d’une série, comme la moyenne ou la médiane.
• Variabilité : La variabilité (dispersion) indique à quel point les valeurs sont étalées autour d’une valeur de référence.

📝 Points essentiels

• L’analyse de données consiste à examiner et interpréter les données pour formuler des réponses aux questions.
• Pour une variable, on peut calculer notamment l’effectif, le minimum, le maximum, la moyenne, la médiane, l’écart-type, la variance et la somme sous conditions.
• Il existe 3 grands types de statistiques descriptives : distribution, tendance centrale, variabilité/dispersion.
• Une analyse univariée porte sur une variable, alors qu’une analyse bi- ou multivariée compare 2 ou plus et demande davantage d’exigence pour établir une causalité.
• Les statistiques descriptives servent à compléter la lecture de la distribution quand on ne regarde que la tendance centrale.

💡 Astuce mémo

3 D : Distribution (fréquences), Dose centrale (moyenne/médiane), Dispersion (écart/variance).

📖 5. Tendance centrale et dispersion

🔑 Notions clés & Définitions

• Moyenne : La moyenne est une mesure de tendance centrale calculée en faisant la somme des valeurs divisée par le nombre de valeurs.
• Médiane : La médiane est la valeur centrale d’une série ordonnée, et correspond à la moyenne des deux valeurs centrales si l’effectif est pair.
• Écart-type : L’écart-type est une mesure de dispersion qui exprime, en moyenne, la distance des valeurs à la moyenne.
• Variance : La variance est la moyenne des écarts à la moyenne au carré, donc liée à la dispersion via l’écart-type au carré.

📝 Points essentiels

• La fonction MOYENNE(...) calcule la moyenne d’une plage de données sur Excel.
• La fonction MEDIANE(...) calcule la médiane d’une plage de données sur Excel.
• La moyenne est sensible aux valeurs extrêmes, alors que la médiane y résiste davantage.
• Pour l’étendue/gamme, on utilise MAX(...) - MIN(...) afin d’obtenir la différence entre valeur maximale et minimale.
• Sur Excel, l’écart-type se calcule avec =ECARTYPE.STANDARD et la variance avec =VAR.S.

💡 Astuce mémo

Moyenne = “attirée” par les extrêmes ; Médiane = “reste au milieu” ; Écart-type/Variance = “distance à la moyenne”.

📖 6. Visualisation des données

🔑 Notions clés & Définitions

• Visualisation des données : La visualisation des données consiste à représenter visuellement des données pour faciliter compréhension et interprétation rapide.
• Fréquences : Les fréquences décrivent la répartition d’une variable en modalités, souvent représentées avec des graphiques adaptés.
• Histogramme : Un histogramme est un type de graphique utilisé pour représenter des fréquences avec des classes ou des regroupements.
• Camembert : Un camembert est un graphique circulaire adapté aux proportions, notamment quand le total correspond à 100 %.

📝 Points essentiels

• La visualisation aide la prise de décision en permettant à davantage de personnes de comprendre les données plus rapidement.
• Pour choisir un graphique : demandez-vous ce que vous voulez dire et à qui vous voulez le faire comprendre.
• Pour des questions à choix unique (total 100 %), les camemberts et histogrammes empilés sont adaptés, et les modalités très rares (<5 %) sont à regrouper en « Autre ».
• Pour des questions à choix multiples, privilégiez un diagramme à bâtons.
• Sur Excel, on insère un graphique via l’onglet « Insertion » puis on ajoute titres, étiquettes et légende, et on ajuste les couleurs par catégorie.

💡 Astuce mémo

Total 100% → camembert ; Choix multiples → barres ; <5% → Autre.

📅 Repères chronologiques

📊 Tableaux de synthèse

Moyenne vs médiane

⚠️ Pièges & confusions fréquents

1. Changer la structure d’une base (déplacer/supprimer) casse les références des formules et peut ruiner des analyses comme les tableaux croisés dynamiques.
2. Confondre nombres stockés en texte et vrais nombres empêche de calculer correctement et produit souvent des erreurs de tri/agrégation.
3. Oublier les valeurs manquantes lors des comptages NB.SI peut réduire la représentativité et fausser les conclusions sur la population.
4. Utiliser une moyenne sans vérifier la présence de valeurs extrêmes risque de donner une image trompeuse de la distribution.
5. Remplacer un point « . » par une virgule « , » au mauvais endroit peut empirer des nombres si le fichier n’a pas réellement ce type de séparation décimale.
6. Interpréter une moyenne comme reflétant toute l’allure de la distribution sans regarder dispersion (écart-type/variance) mène à des lectures trop simplifiées.

✅ Checklist Examen

1. Définir ce qu’est une base de données et citer le rôle des fonctions création/lecture/mise à jour/suppression.
2. Expliquer ce qu’est une ligne (enregistrement/observation) et donner un exemple de type d’enregistrement.
3. Expliquer ce qu’est une colonne (variable) et justifier l’intérêt d’un en-tête court et clair.
4. Décrire l’objectif d’un ID unique et son emplacement en première colonne.
5. Lister les 3 étapes pour concevoir une base (lignes, colonnes, design des colonnes).
6. Décrire comment éviter les ruptures de références en Excel en conservant la structure de la base.
7. Définir la référence absolue et indiquer quand utiliser le symbole $ dans une formule.
8. Expliquer l’intérêt d’une plage nommée et savoir retrouver l’exemple de nommage (B2:B5 → prix_cfa).
9. Décrire au moins 4 contrôles typiques du nettoyage (texte↔chiffres, espaces, doublons, valeurs aberrantes, etc.).
10. Savoir corriger des nombres enregistrés en texte via « Convertir en nombre » et convertir un séparateur décimal . ↔ , par « Rechercher et remplacer ».
11. Définir les 3 familles de statistiques descriptives (distribution, tendance centrale, variabilité) et savoir associer chaque idée.
12. Calculer un effectif conditionnel avec NB.SI(plage;critère) et comprendre l’exclusion automatique des manquants dans ce calcul.
13. Savoir calculer et distinguer moyenne (MOYENNE), médiane (MEDIANE) et étendue (MAX - MIN) comme mesures de résumé.
14. Définir l’écart-type et la variance et donner les fonctions Excel correspondantes (=ECARTYPE.STANDARD et =VAR.S).