Parcours
Chargé(e) de suivi-évaluation
Le parcours fondamental du nouveau chargé de suivi-évaluation — définition des indicateurs, qualité des données de routine et rapportage capable de résister à une revue bailleur, en Python comme en R.
Compétences
Définition des indicateurs
DébutantTraduire un indicateur de cadre logique en un numérateur, un dénominateur et une désagrégation sans ambiguïté.
Qualité des données de routine
DébutantConduire une évaluation de la qualité des données de routine et documenter les constats.
Analyse reproductible
IntermédiaireProduire une analyse qu'une autre personne pourra relancer au trimestre suivant en obtenant le même résultat.
Rapportage
IntermédiaireConstruire les tableaux d'indicateurs et la narration qu'exige un rapport bailleur.
Avant de commencer
- Aucune expérience en programmation. Si vous avez déjà construit un tableau croisé dynamique puis discuté de ce qu'il comptait, vous partez du bon endroit.
- Un ordinateur sur lequel vous pouvez installer des logiciels, ou la volonté de suivre l'installation hors ligne que couvre la première formation.
L'itinéraire
Étape 1
Asseoir les chiffres
Définir un indicateur défendable en revue — numérateur, dénominateur, désagrégation — et savoir ce qu'un export de routine lui fait subir avant qu'on ne le demande.
Étape 2
Rendre les données fiables
Transformer un export brut en un tableau défendable ligne à ligne, et transmettre un journal de nettoyage qui répond à la question de l'auditeur avant qu'elle soit posée.
Étape 3
Assembler les fichiers
Réunir plusieurs exports en une table d'analyse défendable colonne par colonne, avec chaque jointure prouvée, chaque granularité énoncée et chaque dénominateur sourcé.
Étape 4
Contrôler comme un auditeur
Évaluer vos propres données avant qu'un bailleur ne le fasse — cinq dimensions mesurées, un recomptage face à la source, et un rapport où chaque constat a un responsable et une date.
Étape 5
Définir ce que vous rapportez
Rédiger des définitions d'indicateurs que deux analystes calculent de la même façon, défendre le dénominateur, et fixer une référence et une cible qui survivent à une revue à mi-parcours.
Étape 6
Mettre un intervalle dessus
Analyser une enquête en grappes comme son plan l'exige — pondérations issues de la base, effet de plan mesuré, et un intervalle qui dit ce que l'échantillon peut trancher et ce qu'il ne peut pas.
Étape 7
Savoir d'où cela vient
Lire un système de rapportage de routine comme la base de données qu'il est, tirer une extraction que l'on peut désigner des mois plus tard, et répondre à ce qui a été compté pour tout chiffre qu'il produit.
Étape 8
L'appliquer à la nutrition
Porter les méthodes dans un secteur — normes de croissance de l'OMS, plausibilité SMART, phases IPC et seuils de performance Sphere, sur une enquête et un registre de traitement.
Étape 9
Appliquer à la santé publique
Des taux à dénominateur en personnes-temps, des cascades de traitement, la couverture de trois façons, et une liste linéaire d'épidémie transformée en courbe, en taux d'attaque et en létalité défendable.
Étape 10
Appliquer à l'EAH
Les échelles de service du JMP et les minimums Sphère sur une enquête ménage, puis un registre de suivi à visites répétées qui transforme un taux de fonctionnalité en trois et encadre chacun face aux tournées que personne n'a conduites.
Étape 11
Appliquer à la sécurité alimentaire
SCA, ÉFM, ICSR et module d'adaptation construits depuis les composantes brutes et divergeant d'un facteur sept, puis une série de prix dont la saisonnalité éclipse l'effet de programme et le tableau de preuves qui rapporte les deux.
Étape 12
Appliquer à la protection
Les analyses qu'il faut refuser de publier, à côté de celles qui comptent — un circuit de référencement conditionné par le consentement, un écart d'équité de dix-neuf points localisé à une porte précise, et une charge de dossiers qui explique deux autres tableaux.
Étape 13
Appliquer à l'éducation
Taux brut contre taux net sur un dénominateur projeté, deux chiffres de présence distants de vingt-six points, une cohorte à travers passage et redoublement, et deux passations aux instruments différents.
Étape 14
Dire votre degré de certitude
Un intervalle sur chaque proportion, le bon test pour une comparaison, une taille d'effet à côté de chaque valeur p, et le nombre de comparaisons qui ramène deux écoles frappantes au rang de bruit.
Étape 15
Modéliser plusieurs choses à la fois
Un coefficient est une comparaison — laquelle, entre quelles unités, ajustée sur quoi. Un rapport de cotes que votre lecteur interprétera de travers, une covariable qui retire 42 % de l'effet, et un modèle qui explique trois pour cent et tranche une décision de ciblage.
Étape 16
Dire ce qui l'a causé
Un gain de sept points qui est entièrement l'année scolaire, un groupe de comparaison déséquilibré sur chaque caractéristique mesurée, et l'effet minimal détectable qui a décidé de la réponse avant l'existence de la moindre donnée.
Étape 17
Le mettre sous leurs yeux
La marque qu'implique la comparaison, un intervalle qui arrête un classement, une palette qui signifie déjà quelque chose pour ce public, et une figure produite depuis le jeu de données pour que le graphique et la phrase ne puissent pas dériver.
Étape 18
La rendre réexécutable
Des données brutes en lecture seule et le code seul édité, un environnement figé pour que l'ordinateur d'un collègue donne vos nombres, des vérifications qui arrêtent la chaîne au lieu d'en produire une fausse et plausible, et une passation sur laquelle un successeur peut agir.
Étape 19
Le mettre devant la décision
Une page qui répond à une question plutôt qu'à vingt, le panneau de définitions qui met fin à la dispute mensuelle, et le rapport dont constats, limites et recommandation survivent à une lecture séparée.
Projets recommandés
Modalités d'évaluation
Sait définir un indicateur avec un numérateur, un dénominateur et une désagrégation explicites.
Preuve attendueFiche d'indicateur soumise et évaluée selon la grille.
Sait repérer et documenter les problèmes de qualité d'un jeu de données de routine.
Preuve attendueNote d'évaluation de la qualité des données couvrant la complétude, la cohérence et les valeurs aberrantes.
Sait reproduire une analyse de l'export brut au tableau final sans étape manuelle.
Preuve attendueUn notebook qui s'exécute de bout en bout sur une copie propre du dépôt.
Le chargé de suivi-évaluation est le plus souvent la seule personne présente qui sache exactement ce que compte un chiffre. Ce parcours construit cette maîtrise, puis l’outillage nécessaire pour la défendre.
Ce qu’il manque encore à ce parcours
Trois cours sont publiés : Fondamentaux de l’analyse de données, Python pour les données de programme et R et le tidyverse pour les données de programme. Le travail sur les indicateurs et le rapportage dont dépend ce rôle relève des modules Indicateurs et mesure et Restitution et diffusion, tous deux inscrits à la feuille de route et aucun encore écrit. Voir le programme pour le contenu de chacun.