Formation
Suivi-évaluation : science des données et présentation de l’information
Le séminaire « Suivi-évaluation : science des données et présentation de l’information » prétend aider les organisations prônant la gestion axée sur les résultats à produire des données de qualité et complètes, à gérer adéquatement leur base de données, à analyser les données pour produire des informations justes, pertinentes et révélatrices pour ainsi éclairer les prises de décisions stratégiques. Les organisations sont souvent submergées par l’ampleur des données générées par le suivi-évaluation de politiques ou de programmes/projets. Elles ne réussissent pas à les traiter, les « faire parler » convenablement. En conséquent, ces données ne sont d’aucune utilité dans l’élaboration d’objectifs stratégiques de développement congruents, bien ciblés et percutants. Les organisations peinent aussi à mesurer, justifier et prouver l’impact de leurs projets.
Inscrivez-vous à la prochaine session
Téléchargez nos documents
Objectifs pratiques
Comprendre l’importance d’utiliser des données fiables, valides et complètes, d’assurer une saine gestion de la base de données et de produire de l’information pertinente et révélatrice pour faciliter la prise de décision opérationnelle, tactique et stratégique chez les parties prenantes.
Être en mesure de reconnaître et d’éviter les biais cognitifs, les risques d’anomalie et les pièges statistiques dans l’interprétation des données et d’utiliser les analyses et les graphiques appropriés afin de produire de l’information juste et incisive pour assurer une prise de décision avisée.
Maîtriser les fondements de logiciels de gestion de base de données, d’analyse et de représentation graphique de données.
Thèmes et contenu de la formation
Acquisition et gestion des données
Science des données (Data Acquisition, Warehousing, Cleaning and Mining). Méthodes de collectes de données. Inférence statistique. Échantillonnage et taille de l’échantillon. Biais internes et externes. Traitement et préparation des données. Base de données : relations référentielles et absolues, architecture. Logiciel de « gestion de base de données ».
Analyse des données
Science des données (Data Analytics). Interprétation des données : Corrélation, Causalité et Plausibilité. Groupe contrôle, base de référence et « effet placebo ». Biais cognitifs. Risques d’anomalie et pièges statistiques. Facteurs de confusion. Effet d’ancrage, de halo, d’amorce et de dotation. Aversion des pertes. Principe de la détention provisoire. Aversion et appétence au risque. Coûts irrécupérables. Théorie des perspectives et paradoxe de Simpson, du Procureur et d’Allais. Analyses : statistiques fréquentistes et bayésiennes. Théorème central limite. Analyse descriptive et prédictive. Analyses par réduction des dimensions, par classification et régressions. Logiciel « d’analyse des données ».
Présentation des résultats et de l’information
Science des données (Data communication and Data Visualization). Visualisation de l’information. Lois de Gestalt et de Cleveland & McGill (propriété et mécanique « œil/cerveau »). Types, choix et production de graphiques. Communication de l’information. Tableau de bord (de gestion). Reportage et modèles de rapport. Logiciel de « visualisation des données ».