Ce module se penche sur les méthodes analytiques exploratoires, notamment le clustering, la détection des anomalies et l'exploration des règles d'association. Les étudiants apprendront à regrouper des points de données similaires, à identifier les valeurs aberrantes et à découvrir des relations cachées dans les ensembles de données, en tirant parti de ces techniques pour obtenir des informations plus approfondies et prendre des décisions fondées sur les données.

Découvrez différents contextes commerciaux dans lesquels l'analytique exploratoire a été appliquée pour générer des idées à partir des données. Les exemples pratiques de ce module renforceront les concepts théoriques de l'analytique exploratoire, préparant les étudiants à appliquer efficacement ces méthodes dans d'autres scénarios du monde réel.

Ce module illustre comment mettre en place un design sprint pour l'idéation de projets exploratoires avec les membres de l'équipe. Le processus commence par un brainstorming pour décomposer un processus métier complexe et ses besoins en questions analytiques des données claires et exploitables à l'aide de l'analyse Situation-Complication-Question (SCQ). Ces questions sont ensuite classées par ordre de priorité et cartographiées à l'aide d'un arbre des problèmes afin de garantir une approche structurée de la résolution des problèmes et d'identifier les domaines les plus critiques pour les aperçus fondés sur les données.

Dans l'étape suivante du design sprint d'idéation de projet exploratoire, les équipes identifient les résultats souhaités du projet en créant des maquettes pour visualiser les solutions potentielles. Elles construisent ensuite une approche de solution pour mettre en correspondance ces résultats avec les questions initiales en sélectionnant les méthodes d'analytique exploratoire appropriées et les données disponibles, garantissant ainsi un chemin structuré et axé sur les données pour atteindre les objectifs du projet.