Comme le souligne M. Volle (http://volle.com/articles/Etude.htm), la statistique quantitative (qui décrit un ensemble fini, une population) ne sert en définitive qu’un but qualitatif :

• produire des ordres de grandeur,
• permettre des comparaisons,
• apprécier des évolutions
• … et donc alimenter des impressions.

La statistique n'est donc qu'un instrument de communication supplémentaire. Elle ne doit être exacte et précise que dans le sens d’une correspondance entre les faits observés et les idées suggérées, base d’un raisonnement logique.

Le site suivant est un bon exemple de communication claire de données statistiques (sur le Traffic web) : http://www.prezenz.com/fr/web-facts.php

L'infographie ci-dessous (source Silicon.fr 2015, Dell) constitue aussi une bonne synthèse de ce qui a été vu sur la question du Big Data, mais comme déjà souligné, les données rassemblées servent un objectif marchand : convaincre le décideur DSI (Directeur des systèmes d'information) ou IT (Information Technology), dans les entreprises, de passer à une approche Big Data (i.e. acheter un service). Cette infographie est pensée avec une finalité marchande bien précise. Il faut culpabiliser le décideur, en lui montrant son “retard”, et le pousser à l'achat.

Les risques de la statistique sont bien connus : choix arbitraire des données (par exemple ici), échantillonnage incorrect, erreurs d'interprétations, corrélations abusives, comparaisons trompeuses, etc.

La Data visualisation apporte beaucoup (par exemple en matière de Data-Journalisme comme le montre l'exemple de AlterEcoPlusData ou du journal The Gardian), mais elle peut aussi démultiplier les risques habituels. A CONTINUER

A CONTINUER