Préparer ses données afin de les analyser efficacement en important et mettant en forme des jeux de données Traiter les données manquantes afin de compléter les informations non renseignées sans altérer significativement le jeu de données initiales en utilisant des techniques d’omission ou d’imputation Mener une analyse exploratoire d’un jeu de données afin de structurer et représenter l’information contenue dans les données en choisissant la méthode d’analyse factorielle adaptée (ACP, AFC ou ACM) Etablir une typologie d’un ensemble de données (clustering) pour regrouper et classifier ces données en sous-ensembles appropriés partageant des caractéristiques communes, en sélectionnant un algorithme adapté au contexte (CAH et/ou K-means) Réaliser des tests statistiques pour tirer des conclusions sur une population à partir d’un échantillon restreint en utilisant les techniques de test d’hypothèses Mettre en oeuvre un modèle statistique pour obtenir des prévisions d’une variable d’intérêt à partir de facteurs explicatifs connus en utilisant les méthodes de régression linéaire ou logistique