Par Chika Hayashi

1. Stockage et analyse des données:
pratiques, défis et opportunités pour
une meilleure utilisation des données
nutritionnelles
11 February 2020
SESSION 2

2. 11 February 2020
Adapted from Piwoz, E., Rawat, R, Fracassi, P, Kim, D. Strengthening the Nutrition Data Value Chain for Accountability and Action: Progress, gaps, and next steps
Priorisation
Définir les priorités
et les indicateurs
standards
Générer des données
nationales et sub-
nationales de haute
qualité
Création et
collecte
Stockage/
Organisation
Agréger,
structurer et
rapporter les
données
Analyser
Synthétiser, construire des
outils et modèles
analytiques pour faire
ressortir un aperçu des
données
Traduction et
dissémination
Prise de
décision
Prendre des décisions
basées sur des preuves et
implémenter des
politiques
Données
nutritionnelles
pour la
responsabilisation
et l’action
Un écosystème de données nutritionnelles au niveau global se caractérise par un leadership fort, un consensus sur les
données prioritaires et la capacité à générer, analyser et utiliser les données, les analyses et les preuves nécessaires
pour contrer la malnutrition sous toutes ses formes et monitorer les progrès envers les ODD et les objectifs
nutritionnels globaux.
Traduire en des
programmes et
recommendations
politiques

3. 11 February 2020
Stockage / Organisation des
données
Agréger, structurer et rapporter les données
Agréger /
Assembler
Structurer Rapporter
Recueillir et
combiner les
sources de données
primaires de la
nutrition et d'autres
secteurs pertinents
Évaluer, organiser,
arranger et relier les
différentes sources
de données pour
permettre une
compréhension
globale de la
situation
Traitez les données
en informations et
résumez les
informations à
intervalles réguliers.

4. 11 February 2020
Stockage / Organisation des données
Agréger, structurer et rapporter les données
Agréger /Assembler– au niveau pays
Recueillir et combiner les sources de données primaires de la nutrition et d'autres secteurs pertinents
HMIS
Interoperability
Données de nutrition issues
d’enquetes
SMART, Enquetes
nationales, etc.
Données du secteur
agricole
Données d'autres
secteurs pertinents-
WASH, social protection
etc.
Accès ouvert aux données
Données de qualité garantie
Domaine privé PertinenceSécurité
Acte d'équilibre
Facilement
distribuable
Facilement
intégrées
Documentation
Robuste

5. À l'aide de modèles standard, l'UNICEF procède à un
examen approfondi des sources de données pour
valider la qualité
• Méthodologie d'échantillonnage
• Couverture de l'enquête et groupe cible
• Estimations et tendances plausibles
• Adhésion à la définition des indicateurs mondiaux et
aux conseils sur les méthodes
Stockage / Organisation des
données
Agréger, structurer et rapporter les
donnéesStructurer– au niveau mondial et national
Évaluer, organiser, arranger et relier les différentes sources de données pour permettre une compréhension globale
de la situation
Pres de 80% des enfants
20-23 mois NE
CONSOMMENT PAS
d’aliments solides

6. Harmonisation des noms et labels des variables pour faciliter les rapports
mondiaux et régionaux
L'UNICEF produit des ensembles de données normalisées axées sur la nutrition à partir de
micro-données, notamment:
Jusqu'à présent, plus de 700 enquêtes ont été normalisées
Stockage / Organisation des
données
Agréger, structurer et rapporter les
données
Structurern– au niveau mondial et national
Évaluer, organiser, arranger et relier les différentes sources de données pour permettre une compréhension
globale de la situation

7. 11 February 2020
Stockage / Organisation des données
Agréger, structurer et rapporter les données
Structurer– au niveau mondial et national
Évaluer, organiser, arranger et relier les différentes sources de données pour permettre une compréhension
globale de la situation
Variables
Communes
Métadonnées
cohérentes
Lorsque cela est
possible, des noms de
variables communs
devraient être
adoptés, par exemple
num. d'identification
de l'installation,
région, ville
Listes de codes
cohérentes
Dans la mesure du
possible, les variables
doivent utiliser les
mêmes listes de
codes, par exemple
une liste cohérente
des villes, des régions
et des listes
d'installations.
Dans la mesure du
possible, les entrées
ou tous les ensembles
de données doivent
avoir des
métadonnées
similaires, par
exemple unité
d'analyse, fournisseur
de données,
mécanisme de
collecte et horodatage

8. 11 February 2020
Stockage / Organisation des
données
Agréger, structurer et rapporter les
donnéesRapporter
Traitez les données en informations et résumez les informations à intervalles réguliers.
Au niveau Pays
Au niveau
global

9. 11 February 2020
Synthétiser
les données
Créer les
outils
Construire
les modèles
Combinez les
informations et
effectuez une
analyse pour
obtenir un
aperçu de la
situation.
Outils pour visualiser
les informations afin
de découvrir plus
facilement les
informations
Analysez comment
conduire le changement
ou comprendre les
goulots d'étranglement
Systèmes et modèles
pour aider à la
priorisation,
l'optimisation et la
prévision
Analyser
Synthétiser, construire des outils et modèles
analytiques pour faire ressortir un aperçu des
données

10. L'UNICEF produit diverses bases de données sur la nutrition en tant que bien
public mondial, notamment
• Données de séries chronologiques
• Données pour diverses sous-populations
Faible poids de naissance,
Pesée à la naissance
Alimentation du nourrisson
et du jeune enfant
Anthropométrie de l'enfant Micronutriments
L'analyse fournit des informations précieuses pour aider à
• suivre les tendances au fil du temps
• identifier les populations les plus à risque
Synthétiser les données – aux niveaux mondial et national
Combinez les informations et effectuez une analyse pour obtenir un aperçu de la situation.
Residence Statut socioéconomique Sexe
Analyser
Synthétiser, construire des outils et modèles analytiques pour
faire ressortir un aperçu des données

11. Trajectoire, niveaux et tendances Les progrès sont-ils généralisés et les poches d'inégalité?
Comparaison entre pays Comparaison à l'intérieur des pays
Analyser
Synthétiser, construire des outils et modèles analytiques pour
faire ressortir un aperçu des données
Créer des outils - au niveau mondial
Outils pour visualiser les informations afin de découvrir plus facilement les informations
Outil de suivi mondial

12. Analyser
Synthétiser, construire des outils et modèles
analytiques pour faire ressortir un aperçu des données
Créer les outils – au niveau pays – ex. tableaux de bord DHIS2
Outils pour visualiser les informations afin de découvrir plus facilement les informations

13. Analyser
Synthétiser, construire des outils et modèles analytiques
pour faire ressortir un aperçu des données
Peut aider à combler les lacunes dans les
données
• Aide à combler les écarts entre les données d'enquêtes - les pays disposent des
informations les plus récentes pour prendre des décisions
Construire des modèles - au niveau mondial
Comprendre comment conduire le changement ou comprendre les goulots d'étranglement
Systèmes d'aide à la priorisation, à l'optimisation et à la prévision
À quelles questions essayons-nous de
répondre?

14. 27 February 2020
Construire des modèles - au niveau pays
Comprendre comment conduire le changement ou comprendre les goulots d'étranglement
Systèmes d'aide à la priorisation, à l'optimisation et à la prévision
Analyser
Synthétiser, construire des outils et modèles analytiques
pour faire ressortir un aperçu des données
• Identifier les déterminants d'un problème nutritionnel - Analyse des causes
profondes
• Prédire comment l'état nutritionnel peut changer au fil du temps - implications
pour l'allocation des ressources
Analyse des goulots d'étranglement
À quelles questions essayons-nous de
répondre?

15. Défis de base et Recommandations
Stockage / organization des données
Accès restreint aux micro-
données / problèmes de
confidentialité des données
Investir dans des systèmes
de gestion des données avec
une politique de partage des
données au niveau national
Les détails du modèle
sont difficiles à
comprendre
Rendre disponible une
documentation détaillée,
rendre les modèles
faciles à utiliser, investir
dans la compréhension
des détails par les
parties prenantes,
consultation interactive
continue
Manque de capacité en
statistiques
Ateliers et soutien continu à
la capacité d'analyse au
niveau pays; incitations à la
rétention du personnel;
rendre les codes et scripts
disponibles des biens
publiques
Listes de code
incohérentes, variables,
etc.
Variables harmonisées avec
des données de référence
gérées de manière
centralisée (norme de
données nationale)
Métadonnées
insuffisantes
Métadonnées robustes
avec des versions et des
horodatages clairement
étiquetés
Sous-utilisation des
outils de visualisation
des données
Rendre disponibles
des modèles de
visualisation standard
Automatisez la
production de
tableaux de bord
Analyse des données

16. Merci
Plus d’information:
Data.unicef.org

17. Plan de Présentation
• Qu'est-ce que le stockage/organisation
des données?
• Comprendre le stockage/organisation
des données dans le contexte du suivi
nutritionnel régional et mondial.
• Qu'est-ce que l'analyse des données?
• Défis et recommandations
11 February 2020