Statistiques descriptives automatisées
På denna sida
Comprends tes données en un instant
Les statistiques descriptives sont le fondement de toute analyse. Moyenne, médiane, écart-type, distribution : ces indicateurs te disent ce que contiennent tes données avant même que tu n’essaies d’expliquer quoi que ce soit. Sauter cette étape revient à bâtir une recommandation sur une moyenne faussée par trois valeurs extrêmes, puis à la défendre avec une conviction que les chiffres ne méritent pas. Avec ChatGPT, ce diagnostic tient en une seule phrase, et l’interprétation suit immédiatement.
Le résumé statistique express
La commande la plus simple pour commencer :
Give me a complete statistical summary of this dataset.
ChatGPT s’appuie généralement sur la fonction describe() de pandas et commente le résultat. Pour chaque colonne numérique, tu obtiens les indicateurs suivants :
- count — nombre de valeurs non vides
- mean — moyenne
- std — écart-type (mesure de la dispersion)
- min / max — valeurs extrêmes
- 25% / 50% / 75% — quartiles (médiane = 50 %)
Le recoupement de ces lignes est déjà instructif. Si count est de 8 400 dans un fichier de 10 000 lignes, 16 % des données sont manquantes, et toute moyenne calculée ne s’applique qu’à une partie du portefeuille. Si la moyenne diffère significativement de la médiane, la distribution est asymétrique. Au lieu de faire ce calcul mental toi-même, demande simplement :
Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?
Statistiques par catégorie
Les moyennes globales masquent presque toujours les disparités. Un panier moyen de 180 € pourrait cacher un segment entreprise à 900 € et un segment particulier à 60 €. Dans ce cas, la moyenne ne décrit aucun client réel, et toute décision basée sur celle-ci rate complètement les deux populations.
Calculate the mean, median, and standard deviation of order amounts
for each product category.
Tu dois toujours choisir l’indicateur qui répond à ta question, car chacun mesure quelque chose de différent.
| Indicateur | Ce qu’il mesure | Quand l’utiliser |
|---|---|---|
| Moyenne | Valeur centrale | Données symétriques, sans valeurs extrêmes |
| Médiane | Valeur du milieu | Données asymétriques ou avec valeurs aberrantes |
| Écart-type | Dispersion autour de la moyenne | Évaluation de la variabilité des performances |
| Mode | Valeur la plus fréquente | Données catégorielles ou discrètes |
| Corrélation | Relation linéaire entre deux variables | Identification de facteurs liés |
Distributions et fréquences
Pour une variable numérique, la forme de la distribution en dit plus long que la moyenne. Un histogramme montre si tes montants se regroupent autour d’une seule valeur ou s’étalent sur deux pics distincts, signe de deux comportements d’achat qui se superposent dans le même fichier.
Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.
ChatGPT génère l’histogramme et peut appliquer un test de normalité, comme le test de Shapiro-Wilk, ce qui influence le choix des tests ultérieurs. Sur de grands échantillons, ce test signale même le moindre écart à la normalité ; vérifie donc la forme de l’histogramme avant de tirer des conclusions. Pour les variables catégorielles, la logique bascule vers les fréquences :
What is the distribution of clients by industry sector?
Display absolute and relative frequencies.
Tu obtiens le compte et le pourcentage pour chaque catégorie, de quoi repérer qu’un secteur représente 60 % du portefeuille, soit 60 % de ton risque si ce secteur ralentit.
Corrélations entre variables
Les corrélations révèlent des relations entre tes colonnes numériques et ouvrent de nouvelles pistes d’analyse.
Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).
ChatGPT génère la matrice, met en évidence les corrélations significatives et explique ce que chacune signifie dans ton contexte métier. Trois précautions sont nécessaires lors de la lecture des résultats. Premièrement, la corrélation n’implique pas la causalité : une hausse conjointe du budget publicitaire et des ventes pourrait n’être que l’effet commun de la saisonnalité. Deuxièmement, les valeurs extrêmes faussent le coefficient : demande le calcul avec et sans valeurs aberrantes ; la différence est souvent instructive. Enfin, les variables catégorielles ne sont pas incluses par défaut. Pour inclure des segments clients ou des canaux de vente, demande un encodage préalable. Pour aller plus loin — comparer des groupes avec un test t ou une ANOVA, ou modéliser une relation par régression — décris ce que tu veux comprendre, demande à ChatGPT la technique appropriée et fais-lui expliquer le résultat.
Détection des valeurs aberrantes
Une valeur aberrante n’est pas nécessairement une erreur. Une commande de 95 000 € pourrait être une erreur de saisie ou le premier grand contrat entreprise de l’année. La gestion diffère totalement : dans un cas, tu la corriges, dans l’autre, tu la mets en avant.
Identify outliers in "order_amount"
using the IQR method. List the affected rows
and indicate whether they appear to be errors or legitimate cases.
ChatGPT calcule les bornes de l’IQR (Q1 - 1,5 * IQR et Q3 + 1,5 * IQR) et liste les valeurs hors limites avec leur contexte. Tu décides alors ligne par ligne plutôt que de rejeter tout le lot — et d’effacer accidentellement les clients qui ont fait ton année.
Automatisation du rapport descriptif
Une fois que tu maîtrises l’approche, condense-la en une seule invite :
Generate a complete descriptive statistical report for this file.
Include: overview, statistics per numerical column,
distribution of categorical variables, main correlations,
detected outliers, and recommendations for the next analysis step.
Cette invite produit un document structuré que tu dois relire avant de le partager. Garde-le sous la main : appliqué à la même exportation chaque mois, il devient ton point de départ standard et rend les périodes comparables.
À toi de jouer
Ton premier diagnostic statistique.
- Demande le résumé statistique de ton fichier, puis son interprétation
- Compare la moyenne et la médiane sur ta colonne de montant principale
- Calcule les mêmes indicateurs par catégorie
- Affiche la distribution de cette colonne et identifie les valeurs aberrantes
- Classe chaque valeur aberrante : erreur à corriger ou cas légitime
Sources officielles : Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Centre d’aide OpenAI)
Viktiga punkter
- Le résumé statistique est ta première étape après le nettoyage
- Segmente toujours par catégorie — les moyennes globales cachent les disparités
- La médiane est souvent plus fiable que la moyenne pour les données réelles
- Les corrélations révèlent des pistes d’analyse, pas des certitudes
- Demande à ChatGPT d’interpréter les chiffres, pas seulement de les calculer