Traitement statistique descriptif

De la donnée brute à l’information

Une procédure de collecte permet d’obtenir des données brutes. La qualité des données dépend de la qualité de la collecte.

Statistique descriptive, prédictive et datamining

Statistique descriptive, prédictive et datamining

Le système de Soyculto utilise le concept de question à choix multiple, directement inspirée de l’échelle de Lickert. En ayant 4 options par question, l’échelle se définit comme étant à “choix forcé“. Avec un tel système de collecte avec une échelle fermée, les données ont le niveau de qualité requis pour être traitées et l’extraction de l’information est faite.

Par ailleurs, il existe de nombreuses données dans l’organisation, quelles soient internes ou externes. En soit les données brutes ont peu de valeur. Néanmoins en les traitant, organisant ou catégorisant, les données brutes peuvent révéler des informations de valeur.

Statistiques descriptives

Les méthodologies d’investigation, de traitement statistique et les résultats correspondant varient selon le client et son objectif. Néanmoins, la structure des données brutes recueillies par le système de Soyculto permet un traitement descriptif optimum.

Le traitement statistique descriptif prend en compte de nombreux éléments tels:

  • la moyenne,
  • la déviance standard,
  • la variance,
  • la distribution

Ces résultats offrent une description du groupe étudié (la population) sur de nombreux aspects à un moment précis. La “photographie” mesure ainsi le marché, la clientèle ou le public ciblé dans les dimensions choisies dans la définition de l’objectif.

Datamining et traitement prédicatif

Statistique avancée

Si la statistique descriptive propose un “instantané” à un moment précis, la statistique avancée propose une évaluation évolutive.

La statistique avancée ou inférencielle, génère des modèles, inférence et prédictions en évaluant les données et prend en compte l’aléatoire et l’incertitude dans les observations.

Le traitement statistique inférenciel fait des:

  • preuves d’hypothèses,
  • estimations,
  • pronostiques,
  • descriptions d’association (corrélation),
  • analyses de régression

Les résultats obtenus offrent une description évolutive du groupe étudié (la population). La “séquence” mesure ainsi l’évolution du marché, des clients ou du public cible dans les dimensions choisies dans la définition de l’objectif.

Datamining et découverte de connaissances

Le datamining, ou extraction de connaissances, consiste à extraire une information utile inconnue, implicitement disponible, grâce à une procédure de sondage et d’exploration de données.

Des techniques telles que les arbres de décisions, des modèles statistiques ou groupement (clustering) sont utilisés pour découvrir des nouvelles connaissances qui peuvent s’avérer utiles pour:

  • affiner une segmentation,
  • analyser des habitudes (d’achat, de consommation…),
  • identifier des idées de upselling ou crosselling,
  • déterminer un comportement (sur internet, d’utilisation…),
  • élaborer de nouvelles stratégies

Le datamining est particulièrement efficace avec le système multi-dimension de Soyculto. Les sujets sont totalement personnalisables, ce qui permet d’évaluer toutes les dimensions qui sont nécessaires. Comme les données sont formatées dès l’origine, le traitement et l’analyse de datamining sont plus optimum.

Pin It on Pinterest

Shares
Share This