Visualiser les droits économiques des femmes dans le monde

Dans l’économie d’aujourd’hui axée sur la technologie, les données sont essentielles pour acquérir de nouvelles connaissances, prendre des décisions et créer des produits.

En fait, il y a tellement de données que la quantité double tous les deux ans et d’ici 2025, il y aura 175 000 exaoctets de données.

C’est un chiffre sans précédent, et difficile à relativiser. Pour vous donner une idée, un seul exaoctet équivaut à 1 000 000 000 Go de données, et cinq exaoctets seraient à peu près égaux à « tous les mots jamais prononcés par l’humanité ».

Erreurs courantes avec les données

Comme vous pouvez l’imaginer, fouiller dans toutes ces données peut être tout un défi.

Les données se présentent sous de nombreuses formes différentes et toutes ne sont pas faciles à analyser. En conséquence, il est tentant de prendre des raccourcis avec les données ou d’essayer d’adapter les données entrantes que nous recevons à nos notions préconçues sur la façon dont les choses devraient être.

L’infographie d’aujourd’hui nous vient de Geckoboard et montre les erreurs courantes que les gens commettent dans l’analyse des données. Nous avons reformaté leur PDF pour qu’il s’adapte ici.

15 erreurs de données courantes

Comment éviter de peindre une bulle autour de la flèche, afin de pouvoir interpréter la signification des données de manière logique, cohérente et méthodologique ?

La clé est de comprendre les erreurs courantes que les gens commettent avec les données et pourquoi ces erreurs faussent nos interprétations.

Exemples d’erreurs

Voici quatre exemples d’erreurs, et pourquoi chacune est considérée comme un faux-pas par les data scientists.

1. Biais de survie

Lorsque les gens analysent les qualités nécessaires pour être un entrepreneur prospère, nous examinons généralement la population existante d’entrepreneurs établis pour trouver des indices. Cependant, en limitant notre échantillon à ce seul groupe d’entrepreneurs « survivants », nous courons le risque d’un biais de survie.

Il y a des leçons que nous pouvons tirer de tous les entrepreneurs qui ont échoué, elles sont simplement beaucoup plus difficiles à trouver. L’intégration de ces données dans l’histoire peut aider à compléter une image beaucoup plus complète.

2. Fausse causalité

Saviez-vous qu’il existe une corrélation de 95 % entre le taux de nuptialité au Kentucky et le nombre de personnes qui se noient chaque année à cause de chutes de bateaux de pêche ? (Voir, et d’autres corrélations bizarres ici)

Cela signifie-t-il qu’il existe une sorte de relation entre les deux variables?

Trouver un niveau élevé de corrélation peut se produire simplement par hasard, mais attribuer une fausse causalité est l’une des erreurs statistiques les plus amateurs du livre.

3. L’erreur du joueur

Si la roue de la roulette devient noire 26 fois de suite, cela signifie-t-il qu’elle redeviendra rouge au prochain tour ?

Il est facile de dire que les chances ne changent pas, mais imaginez être dans le moment présent. Le sophisme du joueur se produit également avec l’analyse des données : ce n’est pas parce que quelque chose se produit inhabituellement fréquemment sur une période de temps que la nature « égalisera ».

4. L’effet Cobra

Les données peuvent être utilisées pour mesurer les progrès accomplis dans la réalisation des objectifs commerciaux, mais que se passe-t-il s’il existe une incitation à atteindre ces objectifs ?

Wells Fargo, dans un effort pour vendre ses clients existants, a introduit un incitatif appelé « huit, c’est génial ». En bref, leurs employés étaient encouragés à vendre huit comptes par client, qui pouvaient prendre la forme de cartes de crédit, de comptes d’épargne et d’autres services financiers.

Dans un exemple de bonnes intentions qui ont mal tourné, les employés de Wells Fargo ont commencé à enfreindre les règles pour atteindre leurs objectifs. Des millions de cartes de crédit et de comptes de dépôt non autorisés ont été ouverts sur la base de cette incitation perverse, et la banque a finalement été condamnée à payer un règlement de 142 millions de dollars.