Qu'est-ce que l'analyse de données ? De voir la donnée à la comprendre
Des milliards de points de données naissent chaque jour. Publications sur les réseaux sociaux, actualités, commentaires, recherches, comportements des utilisateurs, interactions, retours clients et d'innombrables traces laissées sur les plateformes numériques…
Mais posséder des données ne signifie pas les comprendre.
L'analyse de données est le processus qui consiste à examiner les données issues de sources différentes, à mettre au jour les relations qui les lient, à identifier les évolutions et les régularités, puis à transformer les résultats obtenus en conclusions utiles.
La véritable valeur ne réside pourtant pas dans la seule réponse à « Que s'est-il passé ? »
- Pourquoi est-ce arrivé ?
- Qu'est-ce que cela a changé ?
- Quels facteurs ont pesé ?
- Que signifie ce changement ?
- Est-ce un risque qui se forme ou une nouvelle opportunité qui s'ouvre ?
L'analyse de données moderne poursuit exactement ces questions.
Pourquoi l'analyse de données est-elle importante ?
Savoir que les mentions d'une marque augmentent est une donnée.
Comprendre pourquoi cette hausse s'est produite, quel sujet l'a déclenchée, qui prend la parole, comment elle influence la perception et s'il s'agit d'un mouvement passager ou du début d'un changement plus profond : voilà l'analyse.
Il en va de même pour l'opinion publique, la politique, les comportements de consommation, la concurrence, la réputation ou les crises.
Les systèmes d'analyse avancés ne se limitent donc pas à expliquer le passé. Les données peuvent être abordées sous différentes perspectives analytiques afin de comprendre les causes, d'évaluer les évolutions possibles et de soutenir la décision.
Les niveaux fondamentaux de l'analyse
On peut penser l'analyse à travers quatre questions fondamentales :
Que s'est-il passé ?
Analyse descriptive
Montre le tableau que dessinent les données actuelles et passées.
Pourquoi est-ce arrivé ?
Analyse diagnostique
Recherche les raisons, les relations et les causes profondes du changement.
Que pourrait-il arriver ?
Analyse prédictive
Évalue les évolutions possibles à partir des régularités des données passées et actuelles.
Que faut-il faire ?
Analyse prescriptive
Aide à transformer les résultats en décisions et en actions.
Cette distinction compte. Un tableau de bord peut afficher des centaines d'indicateurs ; faire apparaître le sens derrière ces indicateurs relève d'un tout autre niveau analytique.
L'analyse change dans le monde numérique
Dans le paysage analytique actuel, les données ne se résument plus à des tableaux et à des enregistrements chiffrés.
Textes, commentaires, actualités, conversations sur les réseaux sociaux et autres données non structurées font désormais partie de l'analyse des mégadonnées. Cette diversité explique en partie pourquoi l'analytique des mégadonnées exige des méthodes plus avancées que l'analyse traditionnelle de données structurées.
Dans l'analyse moderne, il devient donc de plus en plus important d'évaluer ensemble non seulement le volume, mais aussi le contexte, l'émotion, l'intention, la relation, le changement et la fiabilité.
Qu'un sujet soit très commenté ne montre pas qu'il est bien accueilli. Paraître positif ne signifie pas nécessairement un soutien réel. Et un volume d'interactions élevé ne traduit pas toujours un mouvement organique.
Plus la quantité de données augmente, plus l'exactitude de l'interprétation devient déterminante.
De la donnée à la décision
La véritable valeur de l'analyse ne consiste pas à produire davantage de graphiques.
Une analyse juste doit révéler, parmi des millions de points de données, quel changement compte, pourquoi il s'est produit et ce qu'il signifie pour le décideur.
Car ce dont les organisations ont besoin, ce n'est pas de plus de données, mais de tirer le bon sens des bonnes données.
La donnée vous montre ce qui s'est passé. L'analyse révèle ce que cela signifie.