Parcours responsable études quantitatives

Déterminer l’échantillon

• Les méthodes d’échantillonnage.
• Le suréchantillonnage et la problématique de redressement.

Réaliser le questionnaire et traiter l’information

• Les règles d’or du questionnaire.
• Les effets de halo.
• Les échelles de mesure.
• Les tests statistiques.
• Les indicateurs de liaisons.
• Le « bilan d’image ».

Analyser les données

• Les méthodes descriptives de recherche de structure.
• Les méthodes explicatives (analyse discriminante, segmentation, régression linéaire).

Interpréter les résultats

• Interprétation des indicateurs statistiques.
• Construction et interprétation de mapping.

Les principes de base de la statistique

• Caractère qualitatif, quantitatif.
• Variable binomiale (oui / non).

Les statistiques sur une variable

• Le mode, la médiane, les moyennes.
• Les centiles, quartiles et déciles.
• L’écart-type et la variance.

Les séries statistiques et graphiques

• Distribution de valeurs.
• Série de fréquences, série cumulée.
• Distribution de la loi normale.
• Histogrammes à barres, diagrammes en radar, nuages de points XY.
• Statistiques sur 2 variables : tableaux croisés et corrélation linéaire.

La fiabilité d’une étude de marché

• Les différents modes de sondage.
• La taille de l’échantillon.
• Les intervalles de confiance et la possibilité d’extrapolation.
• Les sources d’erreurs-aléas et biais.

Les données réelles

• Les valeurs manquantes.
• Les individus et les valeurs aberrantes.

Explorer de grands ensembles de données : en partant de l’analyse en composantes principales

• Analyse en composantes principales (ACP) sur des données réelles.
• Analyse factorielle des correspondances sur un tableau (AFC).
• Analyse des correspondances multiples (ACM).
• Analyse multidimensionnelle (MDS) sur des tableaux de distances entre produits.

Relier des variables « à expliquer », à de grands ensembles de données connues en partant de la régression linéaire multiple

• Interpréter les résultats.
• Sélectionner des variables explicatives.
• Applications en mesure de la satisfaction.
• Analyse discriminante.
• Analyse canonique.

Utiliser les méthodes de scoring

• À partir des exemples :
• construction d’une définition concrète du scoring,
• panorama des domaines d’utilisation pour piloter les actions marketing.

Collecter et traiter des données fiables et pertinentes

• Les grandes familles de données disponibles.
• L’extraction d’échantillon / variables pertinents.

Déterminer des groupes de clients répondant aux objectifs marketing fixés

• Les caractéristiques différenciantes de groupes de population.
• Les indicateurs de scoring.
• Les techniques de modélisation.
• La performance d’un score.