De nos jours, de plus en plus de personnes choisissent de suivre un MBA. Aujourd’hui, Powerdrill AI explore le jeu de données des admissions MBA, promotion 2025.

Source : Kaggle

Ce jeu de données offre un aperçu détaillé des profils des candidats, mettant en évidence la diversité de leurs parcours académiques, expériences professionnelles et caractéristiques démographiques. Cette richesse d’informations constitue une base solide pour analyser les tendances et les modèles, permettant des décisions plus éclairées et basées sur les données dans le processus d’admission au MBA. En exploitant ces informations, les institutions peuvent mieux comprendre le profil des candidats et adapter leurs stratégies pour identifier les meilleurs profils.

Questions pertinentes :

1. Quelle est la répartition des genres parmi les candidats ?

   
   

2. Quelle est la répartition des scores GMAT chez les candidats admis et sur liste d’attente ?

   
   

3. Comment le score moyen GMAT varie-t-il selon les différentes spécialités ?

   
   

4. Comment le taux d’admission varie-t-il selon les origines ethniques ?

   
   

5. Quelle est la répartition des secteurs professionnels parmi les candidats ?

   
   

6. Analysez la corrélation entre le secteur professionnel et le résultat d’admission (Admis, Liste d’attente).

   
   

7. Analysez la corrélation entre la moyenne générale (GPA) et le statut d’admission pour déterminer si la performance académique a un impact significatif sur les admissions.

   
   

8. Analysez la relation entre l’expérience professionnelle et les résultats d’admission. Une plus grande expérience professionnelle est-elle corrélée à une probabilité plus élevée d’admission ?

Q1. Quelle est la répartition des genres parmi les candidats ? 

Répartition par genre

• Catégories de genre : Le jeu de données comprend deux catégories de genre : « Homme » et « Femme ».

• Statistiques de comptage : La moyenne des effectifs est de 3097,00 avec un écart-type de 1196,42. Le nombre minimum est de 2251 et le nombre maximum est de 3943.

• Détails des effectifs : Il y a 3943 candidats hommes et 2251 candidates femmes.

Visualisation de la répartition par genre

• Représentation par histogramme : L’histogramme visualise la fréquence de chaque genre parmi les candidats.

• Candidats hommes : Représentés par une barre atteignant environ 4000 sur l’axe des fréquences.

• Candidats femmes : Représentées par une barre atteignant environ 2250 sur l’axe des fréquences.

Conclusion et analyses

• Prépondérance masculine : Il y a nettement plus de candidats hommes (3943) que de candidates femmes (2251).

• Confirmation visuelle : L’histogramme montre clairement la disparité du nombre de candidats selon le genre, avec une majorité masculine.

Q2. Répartition des scores GMAT parmi les candidats admis et sur liste d’attente

Aperçu des données GMAT

• Score GMAT moyen : Le score GMAT moyen de tous les candidats est de 651,09.

• Écart-type : Les scores GMAT présentent un écart-type de 49,29, indiquant une variabilité modérée.

• Étendue : Les scores GMAT varient de 570,00 à 780,00.

Visualisation de la répartition des scores GMAT

• Candidats admis : Le diagramme en boîte montre que le score GMAT médian des candidats admis est d’environ 650. L’intervalle interquartile (IQR) se situe approximativement entre 620 et 680, avec des moustaches allant de 600 à 750.

• Candidats sur liste d’attente : Le score médian GMAT des candidats sur liste d’attente est également d’environ 650. L’IQR est similaire à celui des candidats admis, allant approximativement de 620 à 680, avec des moustaches s’étendant de 600 à 750.

Conclusion et analyses

• Scores médians similaires : Les candidats admis et sur liste d’attente présentent un score GMAT médian similaire d’environ 650.

• Variabilité comparable : Les intervalles interquartiles et l’étendue des scores GMAT sont très proches pour les deux groupes, ce qui indique que le score GMAT seul peut ne pas être un facteur déterminant entre admission et liste d’attente.

• Autres facteurs potentiels : Étant donné la similitude des distributions de scores GMAT, d’autres critères tels que l’expérience professionnelle, les essais et les entretiens peuvent jouer un rôle important dans la décision d’admission.

Q3. Comment le score GMAT moyen varie-t-il selon les spécialités ?

Scores GMAT moyens par spécialité

• Business : Le score GMAT moyen des étudiants en Business est de 650,36.

• Humanités : Le score GMAT moyen des étudiants en Humanités est de 651,83.

• STEM : Le score GMAT moyen des étudiants en STEM est de 650,83.

Visualisation des scores GMAT moyens

• Représentation par histogramme : L’histogramme montre visuellement les scores GMAT moyens des trois spécialités : Business, Humanités et STEM. Les scores sont relativement proches, avec les Humanités affichant le score moyen le plus élevé.

Conclusion et analyses

• Humanités : Les étudiants en Humanités ont le score GMAT moyen le plus élevé, à 651,83.

• Business et STEM : Les étudiants en Business et STEM ont des scores moyens similaires, avec 650,36 pour Business et 650,83 pour STEM.

• Variation globale : La variation des scores GMAT moyens selon les spécialités est minimale, ce qui indique que les étudiants de différentes spécialités ont des performances similaires au GMAT.

Q4. Comment le taux d’admission varie-t-il selon les origines ethniques ?

Données sur le taux d’admission

• Asiatique : Le taux d’admission est d’environ 16,56 %.

• Noir : Le taux d’admission est d’environ 8,73 %.

• Hispanique : Le taux d’admission est d’environ 10,40 %.

• Autres : Le taux d’admission est d’environ 19,41 %.

• Blanc : Le taux d’admission est d’environ 16,76 %.

Conclusion et analyses

• Variation significative : Il existe une variation importante des taux d’admission selon les origines ethniques, la catégorie « Autres » ayant le taux le plus élevé et la catégorie « Noir » le plus faible.

• Taux proches : Les taux d’admission pour les catégories « Asiatique » et « Blanc » sont relativement proches, autour de 16,5 % à 16,8 %.

• Facteurs potentiels : La variation des taux d’admission peut être influencée par plusieurs facteurs, notamment le contexte socio-économique, l’accès aux ressources et d’éventuels biais institutionnels. Une enquête plus approfondie serait nécessaire pour comprendre les causes sous-jacentes.

Q5. Quelle est la répartition des secteurs professionnels parmi les candidats ?

Analyse des données par secteur professionnel

• Consulting : Le secteur le plus représenté avec 1619 candidats.

• PE/VC (Private Equity / Venture Capital) : Deuxième secteur le plus courant avec 907 candidats.

• Technologie : 716 candidats.

• Non lucratif / Gouvernement : 651 candidats.

• Banque d’investissement : 580 candidats.

• Services financiers : 451 candidats.

• Autres : 421 candidats.

• Santé : 334 candidats.

• Gestion d’investissement : 166 candidats.

• Biens de consommation (CPG) : 114 candidats.

• Immobilier : 111 candidats.

• Média / Divertissement : 59 candidats.

• Commerce de détail : 33 candidats.

• Énergie : Le secteur le moins représenté avec 32 candidats.

Visualisation de la répartition par secteur professionnel

• Histogramme : L’histogramme représente visuellement la distribution des candidats selon les secteurs professionnels.

• Consulting : Se distingue comme le secteur le plus dominant.

• PE/VC et Technologie : Suivent comme les secteurs les plus fréquents.

• Non lucratif / Gouvernement et Banque d’investissement : Ont également une représentation significative.

• Santé et Services financiers : Montrent une représentation modérée.

• Autres secteurs (Gestion d’investissement, CPG, Immobilier, Média / Divertissement, Commerce de détail et Énergie) ont moins de candidats.

Conclusion et analyses

• Dominance du Consulting : Le Consulting est le secteur le plus représenté parmi les candidats, reflétant un fort intérêt ou une forte demande dans ce domaine.

• PE/VC et Technologie : Ces secteurs sont également populaires, reflétant les tendances dans la finance et la tech.

• Non lucratif / Gouvernement et Banque d’investissement : Ont une représentation substantielle, indiquant la diversité des intérêts des candidats.

• Santé et Services financiers : Montrent un intérêt modéré, tandis que les autres secteurs ont une représentation plus faible.

• Perspectives : Cette répartition permet de mieux comprendre les préférences professionnelles et les tendances parmi le pool de candidats.

Q6. Analyse de la corrélation entre le secteur professionnel et les résultats d’admission (Admis, Liste d’attente)

Aperçu des données

• Secteurs professionnels : Le jeu de données comprend 14 secteurs différents tels que CPG, Consulting, Énergie, Services financiers, Santé, etc.

• Statistiques des admissions : Le nombre moyen d’admissions est de 64,29, avec un écart-type de 61,23. Le nombre minimum d’admissions est de 3 et le maximum de 224.

• Statistiques des listes d’attente : Le nombre moyen de candidats sur liste d’attente est de 7,14, avec un écart-type de 8,51. Le minimum est de 0 et le maximum de 33.

Nombre d’admissions et de listes d’attente par secteur

• Consulting : Le plus grand nombre d’admissions (224) et de listes d’attente (33).

• Services financiers : Nombre significatif d’admissions (86) et listes d’attente modérées (9).

• PE/VC : Nombre élevé d’admissions (122) et de listes d’attente (13).

• Technologie : Nombre élevé d’admissions (112) et listes d’attente modérées (8).

• Santé : Nombre modéré d’admissions (40) et de listes d’attente (8).

• Énergie : Le plus faible nombre d’admissions (3) et aucune liste d’attente.

Visualisation et analyses

• Consulting : Domine à la fois en admissions et en listes d’attente, indiquant une forte corrélation avec les résultats d’admission.

• Services financiers, PE/VC et Technologie : Montrent un nombre élevé d’admissions avec des listes d’attente modérées, suggérant également une forte corrélation avec les résultats d’admission.

• Énergie : Montre peu d’admissions et aucune liste d’attente, indiquant une faible corrélation avec les résultats d’admission.

• Autres secteurs : Comme CPG, Santé, Banque d’investissement et Non lucratif/Gouvernement, présentent des niveaux variables d’admissions et de listes d’attente, indiquant des corrélations modérées.

Conclusion et analyses

• Corrélation forte : Les secteurs Consulting, Services financiers, PE/VC et Technologie présentent une forte corrélation avec des résultats d’admission élevés.

• Corrélation faible : Le secteur Énergie montre une faible corrélation avec les résultats d’admission.

• Corrélation modérée : Les autres secteurs comme CPG, Santé et Banque d’investissement montrent des corrélations modérées.

Cette analyse souligne l’impact significatif du secteur professionnel sur les résultats d’admission, certains secteurs comme Consulting et Technologie ayant une influence notablement plus élevée.

Q7. Analyse de la corrélation entre le GPA et le statut d’admission pour évaluer l’impact de la performance académique

Coefficient de corrélation

• Coefficient de corrélation : Le coefficient de corrélation entre le GPA et le statut d’admission est de 0,097. Cela indique une très faible corrélation positive, suggérant que des GPA plus élevés sont légèrement associés à des chances d’admission plus importantes, mais la relation n’est pas forte.

Test d’hypothèse

• P-value : La p-value pour cette corrélation est de 0,0021. Elle est significativement inférieure au niveau alpha commun de 0,05, indiquant que la corrélation entre le GPA et le statut d’admission est statistiquement significative.

Conclusion et analyses

• Corrélation positive faible : Il existe une faible corrélation positive entre le GPA et le statut d’admission, suggérant que, bien que le GPA ait un certain impact sur les admissions, il n’est pas un facteur prédictif fort.

• Signification statistique : Malgré la faible corrélation, la relation est statistiquement significative, ce qui signifie que le GPA joue un rôle dans le processus d’admission, mais de manière limitée.

Q8. Analyse de la relation entre l’expérience professionnelle et les résultats d’admission : une plus grande expérience augmente-t-elle les chances d’admission ?

Analyse de l’expérience professionnelle et des résultats d’admission

• Candidats admis : L’expérience professionnelle moyenne des candidats admis est d’environ 5,05 ans.

• Candidats sur liste d’attente : L’expérience professionnelle moyenne des candidats sur liste d’attente est d’environ 4,91 ans.

Visualisation de l’expérience professionnelle et des résultats d’admission

• Comparaison par histogramme : L’histogramme représente visuellement l’expérience professionnelle moyenne des candidats admis et sur liste d’attente. Il montre que les candidats admis ont légèrement plus d’expérience que ceux sur liste d’attente.

Conclusion et analyses

• Corrélation : Il existe une légère corrélation entre une plus grande expérience professionnelle et une probabilité plus élevée d’admission. Les candidats admis ont tendance à avoir, en moyenne, plus d’expérience que les candidats sur liste d’attente.

• Implications : Bien que l’expérience professionnelle semble être un facteur dans les décisions d’admission, la différence d’expérience moyenne entre candidats admis et sur liste d’attente reste relativement faible. Cela suggère que d’autres facteurs jouent également un rôle important dans le processus d’admission.

Essayez Maintenant

Essayez Powerdrill AI maintenant, explorez plus d'histoires de données passionnantes de manière efficace !