Observatoire Statistique - Ville de Goma

Intelligence décisionnelle basée sur les données de terrain pour un développement urbain durable.

18

Quartiers Couverts

24

Axes d'enquête

5

Domaines Thématiques

2400

Nombre d'observations

🏗️

Modélisation

Hiérarchisez vos données et définissez vos indicateurs cibles.

📊

Analyses Croisées

Croisez les variables avec des tests Chi-deux et ANOVA par quartier.

🗺️

Géocartographie & ML

Identifiez visuellement les zones prioritaires et les disparités spatiales via l'IA.

Architecture des Indicateurs

Structurez vos enquêtes par secteurs d'intervention socio-économique.

SÉCURITÉ ET PROTECTION

5 fichiers associés

📋 2.5 Accès à la justice

📋 2.1 Nombre d’incidents sécuritaires

📋 2.4 Nombre des groupes armés

📋 2.2 Mouvement de la population

📋 2.3 Violences Basées sur le Genre (VBG)

SITUATION HUMANITAIRE

3 fichiers associés

📋 3.3 Accès à l’eau potable

📋 3.2 Accès à l’aide alimentaire v1

📋 3.4 Taux de vulnérabilité multidimensionnelle

SANTE

6 fichiers associés

📋 4.1 Taux de morbidité

📋 4.2 Taux de mortalité

📋 4.5 Disponibilité médicaments essentiels

📋 4.4 Couverture vaccinale

📋 4.6 Accès au service de soins

📋 4.3 Cas de malnutrition

ÉCONOMIE ET EMPLOIS

5 fichiers associés

📋 5.4 Activités Génératrices de Revenus (AGR)

📋 5.1 Évolution des prix des produits de première nécessité

📋 5.3 Coût du panier de la ménagère

📋 5.2 Taux de chômage et sous-emploi

📋 5.5 Taux d’accès aux services financiers

INFRASTRUCTURE ET SERVICES

4 fichiers associés

📋 7.4 TEMPS MOYEN POUR ACCÉDER AUX SERVICES DE BASE

📋 7.2 QUALITÉ DES ROUTES URBAINES

📋 7.1 ACCÈS À L’ÉLECTRICITÉ ET À L’EAU POTABLE

📋 7.3 CONNECTIVITÉ MOBILE ET INTERNET

Jeux de Données Liés

Établissez des relations entre vos questionnaires pour des analyses croisées multi-tables.

➕ Créer une liaison manuelle

Table A

⇄

Table B

💡 Variables communes détectées

Aucune liaison définie pour le moment.

Configuration des Seuils d'Indicateurs

Définissez la nature positive ou négative de chaque indicateur.

📊 Seuils Sauvegardés

0

Liste de toutes les configurations sauvegardées. Cliquez sur 🗑️ pour supprimer un seuil.

Questionnaire

Rechercher

📋

Sélectionnez un questionnaire

Choisissez un questionnaire ci-dessus pour configurer ses indicateurs.

Chargement des variables...

📋 Variables du Questionnaire

0

📝 0 📊 0 ⚪ 0

Variables affichées dans l'ordre du questionnaire. Définissez la nature de chaque indicateur : 🟢 Positif, 🔴 Négatif ou ⚪ Neutre (ex: quartier, âge).

Base de Données Locale

24 questionnaires synchronisés.

📂

5.5 Taux d’accès aux services financiers

Modèle

100 réponses collectées

📂

4.6 Accès au service de soins

Modèle

100 réponses collectées

📂

3.2 Accès à l’aide alimentaire v1

Modèle

100 réponses collectées

📂

2.3 Violences Basées sur le Genre (VBG)

Modèle

100 réponses collectées

📂

5.1 Évolution des prix des produits de première nécessité

Modèle

100 réponses collectées

📂

7.3 CONNECTIVITÉ MOBILE ET INTERNET

Modèle

100 réponses collectées

📂

3.4 Taux de vulnérabilité multidimensionnelle

Modèle

100 réponses collectées

📂

2.1 Nombre d’incidents sécuritaires

Modèle

100 réponses collectées

📂

2.5 Accès à la justice

Modèle

100 réponses collectées

📂

5.4 Activités Génératrices de Revenus (AGR)

Modèle

100 réponses collectées

📂

4.5 Disponibilité médicaments essentiels

Modèle

100 réponses collectées

📂

5.3 Coût du panier de la ménagère

Modèle

100 réponses collectées

📂

7.1 ACCÈS À L’ÉLECTRICITÉ ET À L’EAU POTABLE

Modèle

100 réponses collectées

📂

4.4 Couverture vaccinale

Modèle

100 réponses collectées

📂

2.4 Nombre des groupes armés

Modèle

100 réponses collectées

📂

4.1 Taux de morbidité

Modèle

100 réponses collectées

📂

4.2 Taux de mortalité

Modèle

100 réponses collectées

📂

1.1 Taux brut et net de scolarisation

100 réponses collectées

📂

7.2 QUALITÉ DES ROUTES URBAINES

Modèle

100 réponses collectées

📂

7.4 TEMPS MOYEN POUR ACCÉDER AUX SERVICES DE BASE

Modèle

100 réponses collectées

📂

3.3 Accès à l’eau potable

Modèle

100 réponses collectées

📂

5.2 Taux de chômage et sous-emploi

Modèle

100 réponses collectées

📂

4.3 Cas de malnutrition

Modèle

100 réponses collectées

📂

2.2 Mouvement de la population

Modèle

100 réponses collectées

Moteur de Diagnostic Statistique

Analyse bivariée (croisement de variables avec tests statistiques).

📊

📊 Analyse Bivariée

Explorez et croisez vos variables, une variable dépendante (Y) avec une variable indépendante (X) pour réaliser des tests statistiques.

1. Thématique & Questionnaire 2. Variable de Groupe (Axe X)

3. Variables d'Analyse (Axe Y)

Sélection multiple avec Ctrl / Cmd.

4. Paramètres de Rendu

Valeurs Pivoter Tableau

📈

Moteur Prêt

Configurez les variables ci-dessus et cliquez sur Générer l'Analyse.

Intelligence Artificielle & Analyses Multivariées

Fusionnez vos données multi-sources et exploitez des algorithmes d'apprentissage automatique pour révéler des patterns invisibles à l'œil nu.

🤖 Pourquoi « Intelligence Artificielle » ?

Ce module va au-delà des statistiques classiques. Il utilise un pipeline de Machine Learning complet qui enchaîne automatiquement 4 étapes d'apprentissage :

📊 1. Réduction dimensionnelle (ACP)

Synthétise des dizaines de variables en un Indice de Qualité de Vie unique, en identifiant les axes de variance les plus importants.

🗺️ 2. Clustering (K-Means)

Regroupe automatiquement les quartiers en profils socio-économiques similaires sans supervision humaine.

🧠 3. Réseau de Neurones Multitâche

Un modèle de Deep Learning à 3 têtes qui prédit simultanément la classification, la régression et les alertes sociales.

💡 4. Explicabilité (SHAP)

Mesure l'influence réelle de chaque indicateur sur les prédictions, rendant les décisions de l'IA transparentes.

⚙️ Configuration du Pipeline - Sélection Intelligente

Tout sélectionner

| 0 questionnaire(s) sélectionné(s) | 🔗 0 liaisons actives

📂 1. Questionnaires organisés par Domaines (seuls les questionnaires liés sont fusionnables)

⏳

Chargement des domaines...

🎛️ 2. Paramètres du Pipeline

Unité d'agrégation (Pivot)

Nombre de Clusters (K-Means)

4

Objectifs de l'Apprentissage

📊 Indice de Qualité de Vie (ACP) 🗺️ Segmentation Géo-sociale 🧠 Réseau de Neurones Multitâche ✅ Utiliser les seuils configurés (Scores par indicateur)

-

Observations Fusionnées

-

Variables Consolidées

-

Variance Expliquée (PCA)

-

Indice QoLI Global

📖 Comment lire ces résultats ?

🎯 Indice de Qualité de Vie (0-100)

Cet indice est calculé à partir de la 1ère composante principale (PCA). La PCA combine toutes vos variables en un score unique. Plus le score est élevé (proche de 100), meilleure est la "qualité de vie" mesurée par vos indicateurs.

🗺️ Clusters (Groupes de quartiers)

L'algorithme K-Means regroupe les quartiers ayant des profils similaires. Les quartiers d'un même cluster partagent des caractéristiques communes (accès à l'eau, éducation, santé...).

📊 Composantes Principales

Les composantes PCA sont des axes synthétiques combinant vos variables. La 1ère composante capture le plus de variation (différences entre quartiers).

🏷️ Description des Clusters

Caractéristiques moyennes de chaque groupe de quartiers

RÉSULTAT GLOBAL

📊 Distribution de l'Indice de Qualité de Vie

Répartition des quartiers selon leur score global (0-100)

ÉTAPE 1

💡 Lecture : Les barres montrent combien de quartiers ont tel ou tel niveau de qualité de vie. Une distribution vers la droite = meilleure qualité de vie globale.

🗺️ Segmentation des Quartiers (Clusters)

Groupement par similarité sur les 2 premières composantes PCA

ÉTAPE 2

💡 Lecture : Chaque point = un quartier. Les couleurs = les clusters. Les quartiers proches ont des profils similaires selon vos données.

📈 Profil Moyen par Cluster

Indice de qualité de vie moyen pour chaque groupe

ÉTAPE 3

💡 Lecture : Ce graphique montre quel cluster a la meilleure/pire qualité de vie moyenne. Permet d'identifier les groupes prioritaires.

💎 Qualité du Modèle (Variance)

Capacité des composantes PCA à résumer l'information

SCORES

💡 Lecture : Plus la 1ère barre est haute, plus l'Indice QoL est représentatif de la réalité complexe de vos données.

🗺️ Atlas Spatial de la QoL

Distribution géographique de l'indice calculé

Légende QoL

🚩 Scores par Domaine & Alertes

Performance synthétique par pilier thématique

ALERTES

Calcul des scores thématiques...

🔍 Insight IA

L'analyse spatiale permet de détecter des poches de vulnérabilité non visibles sur les statistiques globales. Le quartier avec le score le plus bas nécessite une attention immédiate sur le domaine de l'Eau.

📋 Synthèse par Pivot

TABLEAU DÉTAILLÉ

Détail complet par unité d'agrégation (Quartier)

Unité (Pivot)	Indice QoL	Cluster	PCA 1	PCA 2

🏗️ Moteurs de la Qualité de Vie

Variables contribuant le plus à l'indice positif/négatif

ANALYSE PCA