Données démystifiées : données quantitatives vs qualitatives

Bienvenue dans le deuxième volet de notre série Données démystifiées, publiée tout au long du mois. Dans le cadre du Data Literacy Month, cette série clarifie des notions clés du monde des données, répond aux questions que vous n'osez peut-être pas poser, le tout avec pédagogie et légèreté. Pour commencer au début, lisez notre premier article : Qu'est-ce qu'un jeu de données ?

Dans cet article, nous allons explorer les différents types de données, des exemples concrets d'utilisation et comment vous lancer avec chacun d'eux. 

Les deux grands types de données

Comprendre la nature des données dont vous disposez est essentiel pour choisir la meilleure approche d'analyse et d'interprétation. Une manière courante de les classer consiste à distinguer les données quantitatives et les données qualitatives.

\n
• Les données quantitatives peuvent être comptées ou mesurées. En général, elles s'expriment en nombres. 
\n
• Les données qualitatives peuvent être décrites. En général, elles s'expriment sous forme de texte.
\n

Vous rencontrerez probablement des données quantitatives et qualitatives dans de nombreuses missions. Les sections suivantes illustrent comment interagir avec ces deux types dans une même tâche. 

Analyser des données vidéo 

Supposons que vous soyez analyste marketing. Votre entreprise lance une nouvelle campagne sur les réseaux sociaux et souhaite que vous analysiez la performance de vidéos existantes pour inspirer, sur la base de données, les contenus à produire.

Vous voudrez d'abord examiner des données quantitatives sur la vidéo, notamment :

\n
• La durée de la vidéo.
\n
• Le nombre total d'impressions de la vidéo.
\n
• Le nombre total de clics sur la vidéo.
\n
• Le taux de clics de la vidéo (c'est-à-dire le nombre de clics divisé par le total des impressions).
\n
• Le nombre de mentions \"J'aime\".
\n
• Le nombre de commentaires sous la vidéo.
\n

Chacun de ces points est un nombre. La durée est une mesure en secondes. Le taux de clics est un pourcentage. Les autres sont des nombres entiers car ce sont des décomptes.

Vous pouvez aussi extraire des données qualitatives à partir du contenu de la vidéo. Les données qualitatives associées à chaque vidéo peuvent inclure :

\n
• Le sujet de la vidéo. 
\n
• L'esthétique de la vidéo.
\n
• Le ton de la vidéo.
\n
• Le script de la vidéo.
\n

Le sujet, l'esthétique et les choix de production sont difficiles à traduire en chiffres. Ils se décrivent plus aisément avec des mots. Par exemple : \"la vidéo portait sur l'apprentissage de la data science ; elle adoptait une esthétique vaporwave ; le ton était enjoué\". 

Notez qu'il existe souvent une part de subjectivité dans l'attribution de valeurs qualitatives. Deux personnes peuvent ne pas s'accorder sur le fait que le ton était joyeux ou non ; d'où l'importance de consignes claires pour la collecte de données qualitatives. 

Le script de la vidéo est intéressant car, bien qu'il s'agisse aussi de données qualitatives (des mots plutôt que des nombres), il diffère des autres éléments qualitatifs à deux égards.

\n
• Premièrement, il n'est pas subjectif : ce qui est dit dans la vidéo relève de faits, pas d'opinions.
\n
• Deuxièmement, il est souvent possible d'appliquer des techniques de traitement automatique du langage naturel (NLP) pour en extraire des données quantitatives.
\n

Une technique de NLP appelée analyse de sentiment permet de quantifier à quel point les mots du script sont positifs ou négatifs. Par exemple, si des termes comme \"awesome\" et \"fantastic\" apparaissent plus souvent que \"bad\" ou \"terrible\", l'analyse de sentiment attribuera un score positif au script. C'est particulièrement utile lorsqu'il faut analyser des dizaines, voire des centaines, de vidéos. 

Analyser des données d'enquête

Les données d'enquête constituent un autre cas où l'on trouve souvent côte à côte des exemples de données quantitatives et qualitatives. Quelques mois après l'exemple précédent, votre entreprise a produit une nouvelle vidéo pour sa campagne. Avant son lancement, elle a sélectionné des personnes pour la visionner et leur a envoyé un questionnaire pour recueillir leurs retours. Vous êtes chargé d'analyser les résultats.

L'une des questions est : \"Combien de fois avez-vous regardé la vidéo ?\" Il s'agit de données quantitatives, puisque la réponse est un nombre.

Une autre question : \"Quelle a été votre partie préférée de la vidéo ?\" Il s'agit de données qualitatives, puisque la réponse est textuelle.

Une troisième question : \"Comment évalueriez-vous la vidéo, de une à cinq étoiles ?\" Il s'agit de données quantitatives car la réponse est un nombre, même si cela diffère légèrement des exemples précédents. Comme il s'agit d'un avis, la valeur est subjective. 

On croit souvent à tort que les données quantitatives sont toujours sans ambiguïté et que les données qualitatives sont toujours subjectives. Comme vous l'avez vu avec l'exemple du script, des données qualitatives peuvent ne pas être subjectives ; l'inverse est aussi vrai : des données quantitatives peuvent être subjectives.

Entretiens utilisateurs et focus groups

Les entretiens utilisateurs et focus groups offrent un autre exemple de mission où l'on rencontre à la fois des données qualitatives et quantitatives. 

Imaginons que vous souhaitiez recueillir des retours sur votre produit. Vous décidez d'organiser un focus group, où vous interrogez plusieurs utilisateurs et leur demandez un feedback. Le cahier des charges précise d'inviter des utilisateurs inscrits depuis plus d'un an, actifs régulièrement, mais qui ne sont pas considérés comme des power users.

Pour sélectionner les participants, vous utilisez une analyse quantitative, en examinant des indicateurs numériques tels que :

\n
• Le temps écoulé depuis l'inscription.
\n
• Le nombre d'heures actives sur la plateforme par mois.
\n
• Le nombre de sessions d'utilisation distinctes.
\n

Pendant la session, vous posez de nombreuses questions et les utilisateurs échangent librement. Il est difficile de quantifier ces propos, car la discussion est ouverte. En revanche, vous pouvez relever des citations sur ce que les participant·e·s jugent important pour votre produit. Ces citations sont des données qualitatives : elles décrivent leurs opinions sans recourir aux nombres.

Vous organisez aussi des mini-sondages pendant le focus group, demandant aux participants de voter pour les prochaines fonctionnalités qu'ils jugent prioritaires. Les résultats de ces votes sont des données quantitatives, puisque les classements sont numériques.

Pour aller plus loin sur les types de données

Nous espérons que cette brève introduction aux types de données vous a été utile. Dans le prochain épisode de Données démystifiées, nous détaillerons les différents volets des métiers de la donnée et expliquerons la différence entre data science, machine learning, deep learning et intelligence artificielle. Si vous souhaitez démarrer votre parcours d'apprentissage dès aujourd'hui, explorez les ressources ci-dessous. 

\n
• Découvrez notre programme pour le mois de la culture des données
\n
• Commencez avec notre parcours de compétences Understanding Data Topics
\n
• Abonnez-vous au podcast DataFramed
\n
• Découvrez nos prochains événements
\n
• Lisez notre prochain article sur les différences entre data science, machine learning, deep learning et intelligence artificielle.
\n