Prolégomènes
Analyse des données ou statistique exploratoire multidimensionnelle

Les techniques d’analyse des données ou, plus précisément, de statistique exploratoire multidimensionnelle ont pour objectif l’étude descriptive des grands tableaux : n lignes, ou individus, ou unités statistiques, n variant de quelques dizaines à quelques milliers, voire millions, p colonnes, ou variables statistiques, où p varie de quelques dizaines à quelques milliers. Cet objectif est atteint par la production de graphiques et indicateurs synthétiques permettant de résumer les structures et principales caractéristiques de ces grands tableaux. Les méthodes proposées sont donc des techniques descriptives pour l’étude d’un grand nombre de variables et d’individus ; elles viennent en complément d’outils élémentaire de statistique uni- ou bidimensionnelle et sont souvent un préalable à une modélisation ou une approche inférentielle, décisionnelle ou prévisionnelle des données étudiées.

Le développement des moyens technologiques de mesure sont à l’origine de flux de données toujours en croissance et dont le stockage, comme l’analyse, sont rendus possibles par l’évolution conjointe des moyens de calcul. Les objectifs comme les champs d’application de l’exploration statistique de ces masses de données sont nombreux et très variés. Voyons quelques exemples de l’intérêt que cette exploration peut prendre dans différents secteurs :

• dans le domaine industriel (agroalimentaire, microélectronique, construction mécanique…) où le suivi des procédés et la traçabilité des produits génèrent automatiquement des flux considérables de données. Une exploration statistique est un préalable à toute recherche de modélisation pour, par exemple, la mise en place d’une maîtrise statistique des procédés (MSP) ou la détection de défaillances ;

• en amont, en recherche et développement où les besoins sont aussi importants : criblage virtuel de molécules dans l’industrie pharmaceutique, sensiométrie dans l’industrie agroalimentaire, sans parler de l’essor considérable des biotechnologies post-génomiques avec les données transcriptomiques, protéomiques… ;

• dans le domaine tertiaire (banque, assurance, vente par correspondance, opérateurs de téléphonie…) et les services où les énormes fichiers de clientèle sont fouillés (data mining) à des fins marketing avec l’objectif de personnaliser la gestion de la relation client.