Formations généralistes

– Les données utilisées sont-elles celles dont j’ai vraiment besoin pour piloter ?
– Adéquation stratégie et leviers opérationnel vs création de valeur
– Simulation : à partir de scénarios d’évolution du business model, comment les données fondamentales sont-elles impactées ?

– Origine de la donnée, quand et comment elle a été obtenue, pourquoi et par qui elle a été créée, et éviter le biais de collecte
– Mise à jour des données prédictives sur les résultats réels et boucles d’apprentissage, machine learning
– Niveau de confiance et conclusions par rapport à la volumétrie et à la mesure, notion d’overfitting
– Résultats sous forme d’intervalle de confiance et prévisions dans une vision intervalle de prédiction avec un fan chart

– Enjeu de la prise de décision
– Le paradoxe de Simpson (facteur de confusion)
– Ne pas confondre corrélation et causalité

– Metrics d’évaluation, vrais et faux résultats positifs ou négatifs
– Matrice coûts/bénéfices et matrice de confusion
– Représentation visuelle de la performance du modèle (ROC curve)
– Valeur attendue et aversion au risque (risk utility curve)