Data Demystified : qu’est-ce qu’une donnée, exactement ?

Bienvenue dans le premier volet de notre série Data Demystified, publiée tout au long du mois. Dans le cadre du mois de la culture des données, cette série clarifie des notions essentielles du monde des données, répond aux questions que vous n’osez pas toujours poser, le tout avec pédagogie et légèreté.

Dans cet article, nous allons définir précisément ce qu’est une donnée et comment vous lancer.

Qu’est-ce qu’une donnée ?

Les données sont des faits ou des informations. Il s’agit souvent de mesures (« Maria mesure 165 cm »), d’observations (« le dé a fait six ») ou d’opinions (« j’attribue à ce jeu vidéo la note de 4 étoiles sur 5 »). En général, on collecte des données pour les analyser, en tirer des enseignements, parvenir à une conclusion ou prendre une décision.

Même si l’on pense souvent aux nombres, il existe d’autres types de données.

\n
• Les données qui peuvent être vraies ou fausses sont dites logiques (« Mohammed a réussi l’examen »).
\n
• Les données qui prennent plusieurs valeurs nommées sont dites catégorielles (« Anna est blonde ; Wei a les cheveux noirs »).
\n
• Les dates et les heures sont également un type de données.
\n

Le texte peut aussi être considéré comme une donnée, par exemple les avis sur des produits. Comme beaucoup d’analyses nécessitent des nombres plutôt que des mots, les données textuelles doivent généralement être transformées en valeurs numériques dans le cadre de l’analyse.

De même, les images sont des données, mais elles nécessitent en général un traitement pour être converties en nombres et pouvoir être analysées.

Qu’est-ce qu’un jeu de données ?

Si vous avez déjà utilisé une feuille de calcul Excel, vous avez déjà rencontré un jeu de données. En résumé, un jeu de données est un ensemble de données : plusieurs éléments du même type. Dans le premier exemple, nous avions une mesure de taille. Si nous disposions de plusieurs mesures de taille de différentes personnes, ce serait un jeu de données.

Considérons ce tableau : les prénoms de quatre personnes dans la première colonne, leurs tailles dans la deuxième et leur couleur de cheveux dans la troisième. C’est un jeu de données.

Ce format rectangulaire est la structure de jeu de données la plus courante. On lui donne deux noms selon les domaines. Dans le monde des bases de données, on parle de « tables ». Les data scientists parlent plutôt de « data frames ». C’est d’ailleurs de là que vient le nom du podcast de DataCamp, DataFramed.

Quel que soit le terme employé, ces jeux de données rectangulaires ont quelques caractéristiques à connaître.

\n
• Chaque ligne représente les informations relatives à une personne. On parle aussi d’« observations » ou d’« enregistrements ».
\n
• Chaque colonne représente une propriété des observations. On parle aussi de « variables » ou de « caractéristiques ».
\n
• Toutes les valeurs d’une même colonne doivent être du même type. Par exemple, toutes les tailles sont des nombres.
\n
• Des colonnes différentes peuvent être de types différents. Par exemple, les colonnes « Nom » et « Couleur des cheveux » contiennent du texte, tandis que la colonne « Taille » contient des valeurs numériques.
\n

Les données sont partout

La beauté des données, c’est qu’elles sont partout ! Les entreprises disposent de jeux de données sur qui sont leurs utilisateurs ou clients, ce qu’ils achètent, combien ils dépensent, la trésorerie de l’entreprise, qui sont les employés, les actifs de l’entreprise, et bien d’autres sujets.

Au quotidien, vous utilisez peut-être une application météo, une app de cartographie pour trouver un itinéraire, ou une messagerie pour échanger avec vos proches. Toutes ces applications sont pilotées par des données et exploitent plusieurs jeux de données.

Tout produit que vous utilisez a été fabriqué quelque part, où l’on collecte des données sur sa production. Le magasin où vous l’avez acheté collecte également des données sur qui achète ce produit et quand.

En réalité, pour presque toute question que vous pouvez imaginer, il existe sûrement un jeu de données pour vous aider à y répondre.

Lancez-vous dès aujourd’hui

Nous espérons que cette brève introduction aux données vous a plu. Dans le prochain épisode de Data Demystified, nous examinerons les différents types de données : des données quantitatives aux qualitatives, en passant par l’image et le texte, et plus encore. Si vous souhaitez démarrer votre parcours d’apprentissage des données dès aujourd’hui, découvrez 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
• Consultez nos événements à venir
\n
• Lisez le prochain article de la série Data Demystified sur les différents types de données
\n