Quels sont les différents types de données ou Data en analyse de données

Julie Gastine
Par 
Julie Gastine
Responsable Marketing & Communication
Dernière mise à jour le 
09
 
November
 
2023
Vous débutez en Data ? Maîtrisez les fondamentaux en quelques heures !
Découvrir notre formation
Quels sont les différents types de données ?
Sommaire

En analyse de données, on distingue principalement deux modèles de données ou variables : les données quantitatives et les données qualitatives. Il existe une différence notable entre une donnée quantitative et une donnée qualitative. Ces deux modèles sont largement utilisés en analyse de données. Pour en tirer le meilleur parti, il est essentiel de les maîtriser pour réaliser une analyse pertinente des données et tirer de meilleures conclusions, on vous en dit plus dans cet article !

Vous débutez en Data ? Maîtrisez les fondamentaux en quelques heures !
Découvrir notre formation
Formation Data pour débutantFormation Data pour débutant

Les données quantitatives ou numériques

En analyse de données, une donnée quantitative ou numérique désigne des informations ou des caractéristiques quantifiables qui prennent des nombres comme valeur. Les données quantitatives sont structurées et parfaitement adaptées à l'analyse de données. Le nombre d'employés dans une entreprise, l'âge, le poids, la hauteur, la température, le temps, la superficie, le chiffre d'affaires d'une société sont autant d'exemples de données quantitatives. Une donnée quantitative peut être représentée à l'aide de tableaux, de diagrammes et de graphiques. Vous comprendrez ici la différence entre données structurées et non-structurées.

Types de data quantitatives en analyse de données

En analyse de données, on distingue deux grands modèles de data quantitatives : les données quantitatives continues et les données quantitatives discrètes.

data quantitatives

Les données quantitatives continues

Une donnée quantitative est dite continue lorsqu'elle prend un nombre infini de valeurs réelles à l'intérieur d'un intervalle donné. La taille d'une personne est un exemple de données quantitatives continues. Même si elle ne peut pas prendre toutes les valeurs réelles possibles, elles peuvent prendre une infinité de valeurs dans un intervalle défini selon l'objet mesuré. Le poids d'une personne, la hauteur d'un immeuble sont également des exemples de données quantitatives continues. Entre deux valeurs de poids par exemple, il y a des millions de poids possibles. En général, les données qui proviennent d'une mesure sont quantitatives.

Les données quantitatives discrètes

En études statistiques, on désigne par données quantitatives discrètes des data qui ne peuvent prendre qu'un nombre fini de valeurs réelles possibles au sein d'un intervalle donné. Elles ne peuvent donc pas être réduites en parties plus petites. C'est d'ailleurs en cela qu'une donnée quantitative discrète se distingue d'une donnée quantitative continue. Le nombre d'employés d'une entreprise ou encore la taille d'un ménage sont des exemples de données quantitatives discrètes.

Le nombre d'employés d'une entreprise est également une donnée quantitative discrète. En prenant l'exemple des entreprises qui ont au plus 100 employés, le nombre de valeurs possibles prises par une telle variable ne peut bien évidemment pas excéder 100. On sait en effet qu'il est impossible pour une entreprise de disposer d'un nombre d'employés qui serait une fraction d'un nombre entier comme 60,9 par exemple.

Le processus d'analyse des données quantitatives ?

L'analyse de données numériques prend place dans le cadre d'une étude quantitative. La première étape de celle-ci est toujours la collecte des données ou des informations.

Qu'elles soient discrètes ou continues, les données quantitatives peuvent être obtenues au moyen d'une méthode ou stratégie comme l'enquête ou l'observation contrôlée. Les sondages, les études longitudinales et les entretiens téléphoniques ou face-à-face sont aussi des méthodes et techniques habituellement utilisées pour la collecte de données quantitatives.

L'étape suivante est le traitement des données. À cette phase, les data récoltées sont remises en forme afin d'être analysées plus efficacement. L'analyse peut alors commencer. Les données collectées peuvent être recoupées sous forme de graphique, de tableau. Ces résultats sont ensuite analysés au moyen de logiciels et d'outils statistiques. Des conclusions sont ensuite tirées pour l'étude.

Les données qualitatives ou catégoriques

Les données qualitatives ou catégoriques font référence à une caractéristique non quantifiable le plus souvent issue d'un comptage. Contrairement à une donnée quantitative, une data qualitative ne donne pas de chiffres qui peuvent faire l'objet de représentation graphique. Ces données servent notamment au classement des réponses en fonction des propriétés et d'attributs.

Les données qualitatives sont souvent interprétées dans un langage simple. Elles sont utilisées pour décrire les informations, caractériser des objets ou des observations. Leur nature descriptive les rend plus difficiles à analyser.

L'utilisation de données qualitatives permet aux chercheurs et aux entreprises de mieux cerner les comportements, la personnalité et les émotions de leurs répondants. De même, dans le cadre d'une étude de marché par exemple, les données qualitatives jouent un rôle déterminant puisqu'elles aident les chercheurs à mieux comprendre leurs clients. La connaissance des motivations de ces derniers grâce aux données qualitatives aide les marques à prendre de meilleures décisions commerciales.

analyse de données qualitatives

Les types de données qualitatives

En analyse de données, les données qualitatives peuvent être divisées en deux grandes catégories : les données qualitatives nominales et les données qualitatives ordinales.

Les données qualitatives nominales

Une donnée qualitative nominale décrit un nom ou une catégorie sans ordre particulier. Les données qualitatives nominales servent essentiellement pour étiqueter des variables. C'est d'ailleurs pour cette raison qu'elles sont parfois appelées étiquettes. Le mode de transport utilisé par les employés d'une entreprise, le sexe, la couleur associée à une marque sont autant d'exemples de données qualitatives nominales.

Les données qualitatives ordinales

Une donnée qualitative ordinale est une donnée qui présente des valeurs définies par une relation d'ordre entre les différentes catégories possibles. L'appréciation des clients de la qualité des services d'une entreprise est un exemple de données qualitatives ordinales. Elle présente en effet des catégories comme « Bon », « Très bon », « Excellent » entre lesquelles une relation évidente d'ordre peut être établie. La catégorie « Très bien » est meilleure que la catégorie « Bon », mais moins intéressante que la catégorie « Excellente ». Les données qualitatives ordinales ont par contre un défaut. Quand bien même on y trouve un ordre, on ne peut par exemple pas savoir dans quelle mesure une catégorie donnée est meilleure que l'autre.

Comment collecter les données qualitatives ?

Les données qualitatives sont très prisées dans le cadre des recherches en sciences sociales comme la sociologie. Différentes méthodes sont utilisées pour leur collecte au sein d'un échantillon d'une population donnée. C'est notamment le cas des entretiens individuels, des groupes de discussion, des études de cas, des questions d'enquête ouvertes, de la recherche observationnelle.

Le sondage peut également être utilisé pour la collecte de données qualitatives. Les entretiens par exemple favorisent une meilleure analyse d'une hypothèse notamment grâce à une approche individuelle. Quant aux groupes de discussion, ils permettent à plusieurs personnes d'exprimer leurs idées et opinions sur un sujet donné. Les études de cas fournissent aux entreprises des retours de consommateurs.

Conclusion

Pour en apprendre plus sur les différents types de données, plusieurs solutions s'offrent à vous. Tout d'abord, vous pouvez vous pencher sur l'Open Data, des données auxquels on peut accéder librement sans restriction technique, financière ou juridique.

Vous pouvez également vous orienter vers une formation en Data Analysis comme celle organisée par Jedha.

Soirée Portes Ouvertes Jedha BootcampSoirée Portes Ouvertes Jedha Bootcamp
Julie Gastine
Julie Gastine
Responsable Marketing & Communication
Julie a été Responsable Marketing & Communication chez Jedha de 2022 à 2023. Très investie dans l'animation de notre communauté, Julie a développé une véritable expertise sur les métiers de la Data et de la Cybersécurité qu'elle a partagée dans de nombreux articles sur le sujet.

Articles recommandés

Analyse de donnees
Analyse de données - Présentation et Formation | Jedha
Jedha vous fait découvrir l'analyse de données à travers l'apprentissage des mécanismes de collecte, stockage, analyse et visualisation.
Analyse de donnees
Collecte de données : méthodes et outils | Jedha
La collecte de données est une étape importante dans l'analyse de données, découvrez son utilité, les méthodes et les outils de collecte.
Analyse de donnees
Analyse de données : méthodes et technologies | Jedha
Découvrez ce qu'est une méthode d'analyse, de quelle manière elle se met en place, les différentes techniques d'analyse, ainsi que les concepts de Data Mining et Data exploration.
Blog
Projet Data Science : le guide complet pour le mener à bien !
Dans ce guide, nous vous expliquons les 4 étapes clés à suivre ainsi que des conseils pour mener à bien vos projets en Data Science.
Intelligence Artificielle
Formation en analyse prédictive pour le marketing | Jedha
Vous souhaitez réalisez des prédictions sur votre performances Marketing ? Rejoignez la formation Data Essentials de Jedha.
Blog
L'importance des statistiques en Data Science
Le métier de Data Scientist ? Le plus demandé et recherché par les recruteurs ! Connaître les notions statistiques et les comprendre est un plus pour se projeter dans ce métier.