Analyse de données de A à Z

Les données sont omniprésentes : les prestataires de soins que nous sommes n’y échappent pas non plus. Mais les big data ne sont d’aucune utilité si nous ne les analysons pas dans un but précis. Et pour cela, nous avons besoin de l’analyse de données ou data analytics, car cette méthode extrait des informations d’une grande quantité de données invisibles à l’œil nu.

Photo 

Qu’est-ce que l’analyse de données ?

De nos jours, tout le monde n’a que le mot « big data » à la bouche, mais cette masse de données n’est d’aucune valeur si nous n’en faisons rien. D’où la nécessité de l’analyse de données : il s’agit d’un processus consistant à inspecter, nettoyer, transformer et modéliser les données afin d’en extraire les informations les plus précieuses et d’en tirer des conclusions (source : marqit.nl).
En résumé, des données brutes sont converties en informations utiles.

3 types

Nous distinguons trois types d’analyse de données : descriptive, prédictive et prescriptive. En voici une brève explication.

L’analyse descriptive de données fait appel à des techniques exploratoires qui utilisent essentiellement des données du passé. Cette analyse vise principalement à répondre à la question « Que s’est-il passé ? » Souvent, de simples techniques de visualisation des données peuvent déjà générer des informations importantes.

L’analyse prédictive des données va un cran plus loin. Elle utilise des données historiques pour générer des perspectives, prédire l’avenir en quelque sorte, et répondre à la question « Que va-t-il se passer ? » Une application de cette méthode consistait à prédire la probabilité de réadmission à l’hôpital des patients américains. Le fait de modéliser et prédire ce problème a permis d’en étudier de plus près les causes potentielles. Il s’est avéré que la raison de la réadmission n’était pas la qualité des soins, mais le manque d’information (par exemple, le patient ne savait pas exactement comment prendre ses médicaments). Les patients ont été détectés de manière préventive et mieux informés (notamment par le biais d’une visite virtuelle du médecin), ce qui a entraîné une diminution du nombre de réadmissions.

L’analyse prescriptive de données est axée sur la question « Quelle est la solution idéale ? » Cette forme d’analyse, souvent liée à des problèmes opérationnels, facilite le processus décisionnel en comparant différents scénarios et en prescrivant la solution optimale compte tenu des exigences et des contraintes. Ainsi, la détermination de l’emplacement idéal d’un nouvel hôpital reposera sur des facteurs tels que la proximité des voies d’accès, la portée géographique visée, l’estimation du nombre de patients, etc.

L’analyse de données dans le domaine des soins de santé

L’analyse prescriptive de données dans le domaine des soins de santé peut être utile tant pour les patients que pour les prestataires de soins. À New York, par exemple, l’emplacement des ambulances a été déterminé sur la base de l’analyse des lieux où se produisaient le plus grand nombre d’accidents, afin qu’elles puissent être sur place le plus rapidement possible. Cette forme d’analyse de données permet en outre de comparer plusieurs scénarios de simulation, ce qui donne l’occasion d’évaluer l’impact du choix d’une action par rapport à une autre et d’opter pour la meilleure solution.

L’APB travaille actuellement avec l’UGent (Université de Gand) à un projet d’analyse de données dont nous ne manquerons pas de vous informer dans le courant de l’année.