Dans ce module, vous apprendrez comment la profession comptable a évolué. Vous découvrirez comment l'analyse des données a influencé la profession comptable et comment les comptables ont la capacité d'influencer l'utilisation de l'analyse des données dans la profession, ainsi que dans une organisation. Enfin, vous apprendrez comment l'analyse des données influence les différents sous-domaines de la comptabilité.

Dans ce module, vous apprendrez à reconnaître l'importance de la recherche empirique dans la prise de décision. Vous explorerez les caractéristiques d'un état d'esprit analytique dans les contextes commerciaux et comptables, et ferez le lien avec vos cours de base. Vous évaluerez ensuite un cadre pour la prise de décisions basées sur les données en utilisant le big data.

Ce module examine les caractéristiques spécifiques des données qui les rendent utiles à la prise de décision.

Dans ce module, vous apprendrez les principes fondamentaux qui sous-tendent les visualisations de données. À l'aide de ces principes, vous identifierez les cas d'utilisation de différents graphiques et apprendrez à construire ces graphiques dans Excel. Vous utiliserez ensuite votre connaissance des différents graphiques pour identifier des graphiques alternatifs mieux adaptés pour attirer l'attention.

Dans ce module, vous apprendrez à utiliser Tableau pour faire avec les données ce que font les espions lorsqu'ils observent leur environnement : obtenir une vue d'ensemble des données, se concentrer sur certains aspects des données qui semblent anormaux, puis analyser les données. Tableau est un excellent outil pour faciliter l'approche consistant à obtenir une vue d'ensemble, à zoomer, puis à filtrer les détails à la demande. Tableau s'apparente à une version plus puissante des fonctions de tableau croisé dynamique et de graphique croisé dynamique d'Excel.

Dans ce module, vous serez guidé dans une mini-étude de cas qui illustrera les trois premières parties du modèle FACT, en mettant l'accent sur la partie C, ou calculs, du modèle FACT. Tout d'abord, vous effectuerez une analyse de corrélation pour identifier les relations bidirectionnelles et analyserez les corrélations à l'aide d'une matrice de corrélation et de diagrammes de dispersion. Vous vous appuierez ensuite sur vos connaissances en matière de corrélations et apprendrez à effectuer une analyse de régression dans Excel. Enfin, vous apprendrez à interpréter et à évaluer les mesures de diagnostic et les graphiques d'une analyse de régression.

Dans ce module, vous apprendrez comment l'algorithme de régression peut être appliqué pour ajuster une grande variété de relations entre les données. Plus précisément, vous apprendrez à configurer les données et à effectuer une régression pour estimer les paramètres des relations non linéaires, des variables indépendantes catégorielles. Vous étudierez également si l'effet d'une variable indépendante dépend du niveau d'une autre variable indépendante en incluant des termes d'interaction dans le modèle de régression multiple. Un autre aspect de ce module consiste à apprendre à évaluer les modèles, de régression ou autres, afin de trouver les niveaux les plus favorables des variables indépendantes. Pour les modèles qui expliquent le revenu, les niveaux les plus favorables des variables indépendantes maximiseront le revenu. En revanche, si vous avez un modèle qui décrit les coûts, comme un budget, les niveaux les plus favorables des variables indépendantes minimiseront les coûts. L'optimisation des modèles peut s'avérer difficile en raison du grand nombre d'entrées et de contraintes à gérer. Dans ce module, vous apprendrez à utiliser le complément Solveur pour trouver le niveau optimal des entrées. Pour certains modèles, la variable dépendante est une variable binaire qui n'a que deux valeurs, comme vrai/faux, gagnant/perdant ou investir/pas investir. Dans ces situations, un type spécial de régression, appelé régression logistique, est utilisé pour prédire comment chaque observation doit être classée. Vous découvrirez la transformation logit utilisée pour convertir un résultat binaire en une relation linéaire avec les variables indépendantes. Excel ne disposant pas d'outil de régression logistique intégré, vous apprendrez à concevoir manuellement un modèle de régression logistique, puis à optimiser les paramètres à l'aide de l'outil complémentaire Solveur.

Les leçons de ce module sont organisées autour de plusieurs tâches utiles, notamment l'empilement de plusieurs cadres de données en un seul cadre de données, la création de plusieurs histogrammes pour accompagner les statistiques descriptives et l'apprentissage de l'exécution du regroupement k-means. Après avoir parcouru ce module, vous aurez non seulement acquis une base qui vous aidera à comprendre le codage, mais vous en apprendrez également davantage sur l'analyse des données financières. J'espère qu'en cours de route, vous apprendrez également quelques autres fonctions Excel utiles.