Data analyst : Exploiter, analyser des données structurées et réaliser des études statistiques

A partir des données, le chargé d’études statistiques sait s’approprier une problématique, traduire une question en termes statistiques et y répondre à l’aide d’une ou plusieurs méthodes statistiques. De plus, il sait rendre compte du résultat de manière accessible. A ce titre, il est chargé de : C1/ - Organiser, traiter et représenter les données multidimensionnelles avec un logiciel de traitement statistique (le logiciel SAS ou le logiciel R) - Suggérer des hypothèses - Construire et analyser des indicateurs statistiques usuels (indicateurs de tendance centrale, indicateurs de dispersion, indicateurs de forme) C2/ Analyser les résultats de tests statistiques (p-values) C3/ Elaborer un modèle statistique et l’exploiter : choisir la modélisation appropriée et interpréter ses résultats C4/ Analyser une série temporelle : la décomposer en tendance-saisonnalité, analyser ses corrélations temporelles et prévoir (via des méthodes de lissage et des modèles ARMA) C5 /Synthétiser les résultats d’une analyse sous la forme la plus adaptée au public : rapport, graphique, tableaux de bord, indicateurs … Le titulaire est capable de : C1/- présenter l’information contenue dans les données à l’aide de tableaux, graphiques et indicateurs numériques - mesurer la liaison entre deux variables - discerner la pertinence des indicateurs calculés et leurs limites - synthétiser des groupes de variables quantitatives (ACP) ou qualitatives (ACM) - repérer des profils atypiques - construire des groupes homogènes d’individus (segmentations/classifications) C2/ comprendre et construire des tests d’hypothèses et des intervalles de confiance C3/ - connaitre et vérifier les hypothèses de bon fonctionnement d’un modèle linéaire - interpréter les coefficients d’un modèle - repérer les variables importantes d’un modèle - repérer les individus atypiques - savoir dans quel contexte il convient utiliser un modèle de régression logistique - évaluer la qualité du modèle selon sa finalité (prédictive ou explicative) - interpréter les coefficients d’un modèle sous différentes formes ; tester leur significativité C4/ - déterminer les composantes d’une série temporelle (tendance, saisonnalité) et un modèle adapté (additif, multiplicatif) - modéliser (et prévoir) une série temporelle via un lissage exponentiel (simple, double, Holt-Winters)