Les compétences en matière de littératie des données sont les compétences et les connaissances dont vous avez besoin pour travailler efficacement avec les données.
- Analyse des données
- Connaissance et compétences requises pour poser une série de questions et y répondre en analysant les données, notamment en élaborant un plan d'analyse, en sélectionnant et en utilisant des techniques et des outils statistiques appropriés, et en interprétant, en évaluant et en comparant les résultats avec d'autres conclusions.
- Collecte de données
- La connaissance et les compétences requises pour rassembler des données sous des formes simples et plus complexes pour répondre aux besoins de la personne responsable de la collecte. Ce processus peut comprendre la planification, l'élaboration et la réalisation d'enquêtes ou la collecte de données provenant d'autres sources, comme les données administratives, les données satellites ou les données de médias sociaux.
- Création et utilisation des métadonnées
- La connaissance et les compétences requises pour extraire et créer de la documentation utile pour permettre d'utiliser et d'interpréter correctement les données. Ce processus comprend la documentation des métadonnées, c'est-à-dire les définitions et descriptions sous-jacentes des données.
- Découverte de données
- La connaissance et les compétences requises pour chercher, identifier et localiser les données ainsi que pour y accéder à partir d'un grand éventail de sources liées aux besoins d'une organisation.
- Éthique des données
- La connaissance qui permet à une personne d'acquérir, d'utiliser, d'interpréter et de partager des données de manière éthique, y compris la prise en considération des questions juridiques et éthiques (p. ex. biais, protection des renseignements personnels).
- Évaluation de la qualité des données
- La connaissance et les compétences requises pour faire une évaluation critique des sources de données pour vérifier qu'elles répondent aux besoins d'une organisation. Il s'agit notamment de cibler les erreurs ou les problèmes et de prendre des mesures pour les corriger. Pour ce faire, il faut également posséder une connaissance des politiques, procédures et normes organisationnelles visant à garantir la qualité des données.
- Évaluation des décisions en fonction des données
- La connaissance et les compétences requises pour évaluer une série de sources de données et de faits probants afin de prendre des décisions et des mesures. Ce processus peut comprendre le suivi et l'évaluation de l'efficacité des politiques et des programmes.
- Exploration des données
- La connaissance et les compétences requises pour connaître le contenu des données au moyen d'une série d'outils et de méthodes. Les méthodes comprennent les statistiques sommaires; les tableaux statistiques; la détection des valeurs aberrantes; et la visualisation afin d'explorer les tendances dans les données et les interactions entre elles.
- Gestion et organisation des données
- La connaissance et les compétences requises pour naviguer dans les systèmes internes et externes pour localiser, obtenir, organiser, protéger et stocker les données liées aux besoins d'une organisation.
- Histoire des données
- La connaissance et les compétences requises pour décrire les principaux points d'intérêt des données statistiques (c.-à-d. des données qui ont été analysées). Il s'agit notamment de définir le résultat souhaité de la présentation, de déterminer les besoins du public et son niveau de connaissance du sujet, d'établir le contexte et de sélectionner des visualisations efficaces.
- Intendance des données
- La connaissance et les compétences requises pour gérer efficacement les actifs en données, y compris la surveillance des données pour vérifier qu'elles sont adaptées à l'utilisation, qu'elles sont accessibles et qu'elles sont conformes aux politiques, directives et règlements.
- Interprétation des données
- La connaissance et les compétences requises pour lire et comprendre les tableaux, graphiques et diagrammes, et définir les points d'intérêt. L'interprétation des données comprend également la synthèse des données provenant de sources connexes.
- Modélisation des données
- La connaissance et les compétences requises pour appliquer des techniques et d'outils statistiques et analytiques avancés (p. ex. la régression, l'apprentissage automatique, l'exploration de données) pour étudier les données et créer des solutions de modélisation précises, valides et efficaces qui peuvent être utilisées pour trouver des relations entre les données et faire des prédictions sur ces dernières.
- Nettoyage des données
- La connaissance et les compétences requises pour vérifier si les données sont « propres » et résoudre les problèmes éventuels en utilisant les meilleures méthodes et les meilleurs outils pour s'assurer que les données sont adaptées à l'analyse.
- Outils de données
- La connaissance et les compétences requises pour utiliser des outils, des logiciels et des processus appropriés pour recueillir, organiser, analyser, visualiser et gérer les données.
- Prise de décisions fondée sur des données probantes
- La connaissance et les compétences requises pour utiliser les données dans le cadre de la prise de décisions et de l'élaboration des politiques. Il s'agit notamment de faire preuve d'esprit critique lorsqu'on traite des données, de formuler des questions professionnelles appropriées, de définir les ensembles de données appropriés, de décider des priorités en matière de mesure, de hiérarchiser les renseignements obtenus à partir des données, de convertir les données en renseignements exploitables, et d'évaluer les mérites et les incidences des solutions et décisions possibles.
- Sensibilisation aux données
- Les connaissances requises pour comprendre ce que sont les données et les différents types de données. Ces connaissances visent notamment à comprendre l'utilisation des concepts et des définitions des données.
- Visualisation des données
- La connaissance et les compétences requises pour créer des tableaux, des graphiques et des diagrammes utiles qui offrent une présentation visuelle des données, y compris l'évaluation de l'efficacité des représentations visuelles (p. ex. l'utilisation du graphique adéquat) en tenant compte de leur exactitude pour éviter une fausse représentation des données.