Qu’est-ce que l’analytics et pourquoi nous en avons besoin

L’analytics est l’analyse systématique des données afin de recueillir des informations sur des questions de recherche spécifiques. Chaque fois que nous voulons comprendre quelque chose, nous recueillons normalement des données et les utilisons pour répondre à des questions que nous pourrions avoir ou pour prendre des décisions.

Nous regardons par la fenêtre et décidons si nous voulons prendre un parapluie ou non, ou quelles chaussures sont les plus adaptées. La plupart du temps, l’homme procède à des analyses et à des raisonnements déductifs sans même s’en rendre compte. Des données sans analyse, c’est comme avoir du carburant sans voiture. Ce n’est pas utile et c’est simplement une perte de temps.

L’un de nos principaux défis dans ce projet fut ainsi de donner le bon poids à l’analyse dès le début, et de l’inclure dans toutes les phases de celui-ci. Ce n’est qu’ainsi que nous pourrons répondre aux questions que nous nous sommes posées de manière scientifiquement fondée.

 

Des données sans analytics, c’est comme avoir du carburant sans voiture !

 

L’analytics dans les sondages d’opinion

Normalement, les sondages d’opinion, et vous avez sûrement participé à un ou plusieurs d’entre eux, sont un ensemble de questions qui se suivent. En général, pour que l’interprétation reste simple, les questions n’ont que peu ou pas de corrélation entre elles. L’analyse des données n’est donc normalement pas compliquée et il suffit d’examiner les réponses séparément.

Il convient de noter que le bon choix des participants est fondamental pour éviter d’introduire des biais. Si les participants sont uniquement des hommes, nous aurons clairement un fort biais, et nous ne pourrons pas en déduire d’informations intéressantes qui refléteraient ce que pensent les femmes, par exemple. Beaucoup d’efforts sont généralement déployés pour s’assurer que le choix des participants n’est pas biaisé par rapport aux questions auxquelles on tente de répondre (même nombre d’hommes et de femmes, même nombre de participants dans toutes les tranches d’âge, etc.)

Dans ce projet, nous examinons très sérieusement les biais afin de nous assurer que nos conclusions sont aussi exemptes de ceux-ci que possible et nous étudions avec des experts en statistique différentes façons d’y parvenir.

 

Les défis de l’analytics dans le domaine du récit

L’utilisation du récit pour construire un sondage, ou en d’autres termes, le fait de permettre aux participants de décider comment l’histoire, et donc le sondage, vont se développer, rend l’approche classique de l’analyse statistique des sondages beaucoup moins utile. Dans ce projet, nous développons de nouvelles approches d’analyse afin de pouvoir comprendre comment les différents choix sont liés les uns aux autres, et comment nous pouvons utiliser cette corrélation pour comprendre les opinions des participants sur différents sujets. L’ajout d’un contexte aux questions (l’histoire) nous permet de formuler celles-ci de manière vraiment spécifiques.

Dans ce nouveau paradigme, non seulement les questions sont importantes, mais aussi (et peut-être même plus) la façon dont elles sont liées entre elles. L’histoire entière devient un arbre dans lequel un participant peut naviguer. Les nouvelles méthodes d’analyse que nous développons permettront d’analyser cette navigation dans l’arbre et de mieux comprendre les opinions des participants (et l’évolution possible de celles-ci). Dans la figure ci-dessous, vous pouvez voir une image schématique d’une histoire possible avec cinq questions.

 

 

Différents participants verront différentes questions et seront confrontés à différents choix. Une analyse correcte de ce qui se passe au cours de l’histoire est indispensable pour pouvoir interpréter correctement les résultats. Comme vous pouvez le voir dans le schéma, un participant peut arriver à la question 4 de deux manières différentes. Ainsi, le chemin vers un point devient soudainement très important et contient des informations importantes qui doivent être décodées pour interpréter l’opinion du participant. Cette complexité supplémentaire nécessite de nouvelles méthodes d’analyse qui sont développées dans le cadre de ce projet.

 

Commencez dès maintenant votre expérience afin de découvrir votre profil !

Crédits:

Umberto Michelucci, TOELT LLC, umberto.michelucci@toelt.ai 
Prof. Aya Kachi, Università Basilea, aya.kachi@gmail.com