Vous construisez un beau tableau de bord, ou vous collectez des centaines de réponses à une enquête, et vous voilà assis devant les chiffres en réalisant que vous ne savez pas vraiment quoi en faire. Vous pouvez voir les données. Vous ne savez pas encore entendre ce qu’elles racontent.
C’est un problème de Maîtrise en particulier, troisième pilier de La Méthode, parce que l’écart de compétence ne porte pas sur la collecte de plus de données, mais sur le développement de la capacité à interpréter ce que vous avez déjà. Collecter des données sans savoir les lire correctement est une forme d’occupation qui donne l’impression d’être productive sans être réellement utile.
Ce que DataCamp fait réellement différemment
DataCamp enseigne les compétences en données à travers des exercices courts, pratiques et guidés par le code plutôt que par de longs cours théoriques, vous travaillez donc avec de vrais jeux de données dès la première leçon, au lieu de regarder les diapositives de quelqu’un d’autre pendant une heure avant de toucher quoi que ce soit vous-même. Que l’objectif soit l’analyse de tableurs, les statistiques, Python ou SQL, le format est construit autour du fait de faire le travail par petites étapes, immédiatement, plutôt que d’absorber un cours et d’espérer que ça reste.
Cette distinction compte plus qu’il n’y paraît. La littératie des données ne vient pas de la compréhension abstraite des concepts, elle vient de la mémoire musculaire qu’on construit en nettoyant réellement un jeu de données désordonné, en construisant réellement un graphique légèrement faux et en cherchant pourquoi, en répondant réellement à une question avec des chiffres plutôt qu’avec l’intuition. On peut lire sur les statistiques pendant un an et se figer quand même la première fois qu’on affronte un vrai tableur avec de vrais problèmes dedans.
La partie honnête : les compétences seules ne font pas un bon analyste
DataCamp peut vous enseigner la mécanique, mais il ne peut pas vous apprendre quelles questions méritent d’être posées à vos données, et il ne peut pas remplacer le jugement qui vient du fait de travailler réellement dans une organisation réelle avec de vrais enjeux liés à la réponse. Une aisance technique sans contexte peut produire une analyse techniquement correcte qui rate complètement l’essentiel. Les compétences sont nécessaires mais pas suffisantes, le jugement sur ce qui compte doit toujours venir de votre propre expérience.
Trois choses ont tendance à distinguer ceux qui construisent une vraie littératie des données de ceux qui collectent des certificats :
- Appliquez chaque nouvelle compétence à vos propres données réelles dans la même semaine, pas à un jeu de données hypothétique sans lien avec votre travail.
- Acceptez de vous tromper devant un graphique avant d’être confiant, puisque c’est dans cet inconfort que se produit le véritable apprentissage.
- Entraînez-vous à expliquer ce qu’un chiffre signifie en langage simple, puisque la capacité à traduire une donnée en décision est le véritable objectif d’apprendre à la lire.
Où cela s’inscrit dans une vision plus large
La Maîtrise n’est pas seulement l’art de bien faire son travail central, c’est aussi la discipline de pouvoir vérifier ses propres affirmations avec des preuves plutôt qu’avec de la conviction. Quiconque fait un travail d’impact doit à un moment défendre un résultat avec des chiffres, et l’écart entre celui qui peut construire cet argument clairement et celui qui ne le peut pas n’est presque jamais une question d’accès aux données. C’est presque toujours une question de littératie.
Apprendre à lire ses propres données n’a pas pour but de devenir data scientist. C’est cesser de dépendre de quelqu’un d’autre pour vous dire ce que votre propre travail a réellement accompli.
Questions fréquentes
Faut-il un profil technique pour commencer avec DataCamp ?
Non. Les cours sont structurés dès le niveau débutant absolu, et le format pratique signifie que vous construisez la compétence fondamentale de travailler avec de vraies données avant qu’on vous demande de comprendre quoi que ce soit d’avancé.
En quoi est-ce différent d’une plateforme de cours en ligne généraliste ?
La plupart des plateformes généralistes enseignent les compétences en données par des vidéos qu’on regarde passivement. Le format de DataCamp est construit spécifiquement autour de l’écriture de code et du travail avec des données à l’intérieur même de la leçon, ce qui se rapproche davantage de la manière dont la compétence est réellement utilisée par la suite.
