Connexion
8 709 Livres Blancs | | 1 104 |
> Accueil / Dossiers / La Dataviz, ou comment mettre de l'ordre dans vos données

La Dataviz, ou comment mettre de l'ordre dans vos données


9h34, lundi matin. C'est le retour des vacances, et vous avez une montagne de rattrapage à faire en un temps record. C'est pourtant à cet instant que votre chef décide de venir vous voir pour faire le point sur les chiffres et objectifs de l'entreprise. Vous savez d'ores et déjà que vous n'allez rien y comprendre, mais vous vous rendez quand même en salle de réunion. Face à vous, des chiffres projetés sur le mur en vrac, étalés sur plusieurs tableaux Excel sans queue ni tête. Vous avez l'impression de vous retrouver dans Matrix, ou bien que votre chef est soit aveugle, soit incompétent, car vous savez pertinemment qu'il existe de meilleurs moyens de présenter des données de manière lisible...

Vous l'aurez certainement déjà compris, nous allons nous pencher sur le sujet de la dataviz aujourd'hui : au cours de ce dossier, nous définirons en détail cette méthodologie, ses utilisations, ses avantages, et nous vous présenterons bien sûr les livres blancs connexes au sujet ! Bonne lecture !


Définition

Avant toute chose, clarifions le mot "dataviz", qui en lui-même peut être un peu déroutant pour les utilisateurs exclusivement francophones. La dataviz est une contraction du terme anglophone data visualisation (à ne pas écrire vizualisation, contrairement à la contraction), ou visualisation de données en français. Préférez toutefois l'utilisation du terme anglophone, car même en France la visualisation de données est un terme très peu répandu. Est également considérée une orthographe acceptable : data viz (toutefois, par souci de cohérence nous adhérerons dans ce dossier à la contraction tout attachée).

En une phrase, la dataviz est un ensemble de méthodes appliquées à de la donnée afin de la représenter de manière graphique, simplifiée et ludique.

C'est une méthodologie rencontrée de plus en plus souvent aujourd'hui au sein des entreprises, notamment dans le domaine de l'analytique et du marketing. Toutefois, la donnée et son analyse représentant un aspect prédominant dans le monde du business aujourd'hui, la dataviz se retrouve peu à peu au sein de tous les services.

Son utilité peut paraître anodine dans un premier temps, de par une application parfois abusive des rapports et analyses de données qui se pratique au sein des entreprises. Néanmoins, avec le phénomène de la big data qui se développe depuis de nombreuses années maintenant et la masse de données brutes qui suivent, il est aujourd'hui plus essentiel que jamais de maîtriser la dataviz afin de pouvoir présenter un ensemble de données de manière cohérente et simplifiée.

À noter par ailleurs que malgré une utilisation de plus en plus marquée dans le monde du business, les fondamentaux de la méthodologie de la dataviz moderne existent depuis près de 80 ans, développés en partie par un statisticien américain du nom de John Tukey dans les années 40. Il faut néanmoins noter que des méthodes de dataviz existaient bien avant, avec certaines figures historiques remontant au 18e siècle. Certains argumentent même que la visualisation de données date de plusieurs millénaires, dès lors que l'homme a commencé à représenter visuellement certaines informations sur des parchemins.

 

LES DIFFÉRENTES MÉTHODES DE LA DATAVIZ

Comme vous pouvez vous douter, il existe de nombreuses méthodes pour présenter des données visuellement. Vous en avez certainement déjà vu auparavant, car certaines méthodes sont appliquées dès l'école en cours de mathématiques. Vous trouverez ci-dessous quelques exemples qui utilisent la dataviz pour présenter des données. Nous avons essayé d'expliquer de la manière la plus simple ces différentes méthodes de dataviz, mais dues aux complexités de certaines d'entre elles, nous avons également mis des liens d'images de ces méthodes (un peu de dataviz pour cette explication de la dataviz, si on veut !).

Diagramme à barres - L'un des diagrammes les plus exploités dans presque tous les milieux aujourd'hui, le diagramme à barres est un graphique avec des barres rectangulaires verticales où horizontales proportionnelles représentant différentes catégories de variables.

Diagramme circulaire - Le fameux pie chart en anglais est un incontournable des bureaux, et en est même devenu un stéréotype dans certains cas. Toutefois, le camembert est une méthode de dataviz permettant de distinguer différents variables grâce à des angles proportionnels dans un cercle.

Histogramme - Autre favori de la dataviz, l'histogramme permet de présenter verticalement la répartition d'une même variable catégorielle.

Nuage de points (2D et 3D) - Une autre méthode de dataviz relativement connue, le nuage de points présente des données issues de plusieurs variables et desquelles peuvent être observées une ou plusieurs corrélations. Le nuage de points 3D applique sensiblement la même théorie, si ce n'est qu'il rajoute une dimension supplémentaire pour plus de variables.

Diagramme de réseau - Le diagramme de réseau, ou network en anglais, est devenu depuis quelques années une méthode de dataviz incontournable que vous reconnaîtrez certainement grâce à l'image du titre. Elle sert notamment à visualiser des regroupements particuliers au sein de données (par exemple pour voir un réseau d'amis sur Facebook), voir des liens entre plusieurs regroupements qui n'apparaîtraient pas autrement, ou encore situer des anormalités au sein d'un réseau. 

Streamgraph - Contrairement aux cinq citées ci-dessus, le streamgraph est relativement moins utilisé en dataviz. Elle permet notamment de visualiser des variations dans des données sur une période de temps donnée, la hauteur de la valeur représentant la quantité sur ladite période.

Diagramme de Gantt - Si vous avez travaillé en gestion de projet, le nom de Gantt devrait normalement vous parler. Le diagramme de Gantt permet de visualiser dans le temps les différentes étapes d'un projet.

Carte proportionnelle (Treemap) - La carte proportionnelle, ou treemap en anglais, n'a pas autant la côte que certaines autres méthodes de dataviz, mais inspire notamment certaines pratiques au sein d'infographies d'aujourd'hui à utiliser des différenciations proportionnelles de taille pour mettre en valeur les données plus importantes.

Heat Map - Le heat map se traduit littéralement en carte thermique ; il y a plusieurs applications à cette méthode de dataviz, notamment pour l'analyse de données en utilisant différents degrés de couleur sur une carte ou un graphique pour visualiser l'intensité statistique (par exemple, pour visualiser sur la carte d'une ville le taux de fréquentation de véhicules à un point géographique donné).


Quelques chiffres

Vous vous posez peut-être la question : est-ce que la dataviz est réellement utile pour l'entreprise ? C'est une question parfaitement légitime quand on considère l'utilisation parfois approximative de chiffres et de données qui n'ont pas de réelle valeur ajoutée pour une entreprise. Toutefois, vous trouverez ci-dessous quelques chiffres (tiré d'une infographie très complète de Quicksprout) qui devraient vous faire comprendre la réelle valeur de la dataviz (si elle est utilisée à bon escient). 

  • 50% du cerveau est dédié directement ou indirectement au traitement visuel
  • 65% de la population a une méthode d'apprentissage qui comprend un traitement visuel
  • > Nous avons en moyenne une durée d'attention d'environ 8 secondes aujourd'hui, ce qui sous-entend qu'une information qui peut être traitée visuellement est plus digestible pour une personne
  • > Des aides visuelles au sein d'une classe facilitent l'apprentissage de près de 400%
  • > Un élément visuel est traité 60 000 fois plus rapidement par le cerveau qu'un élément textuel
  • > En 2013, nous recevions déjà 5 fois plus d'information chaque jour qu'en 1986

Bien que ce n'est pas un chiffre, nous terminerons sur une information intéressante tirée de l'infographie : le cerveau traite des éléments visuels de manière parallèle (tous en même temps) alors qu'il traite du texte de manière linéaire.


Les principaux acteurs à suivre

Tableau - Une des solutions leader du marché mondial en matière de Business Intelligence et d'analytique, Tableau propose notamment de nombreuses formes de dataviz pour permettre une visualisation simplifiée des données pour tout le monde au sein d'une entreprise.

Google Analytics - Bien que présentant un certain nombre de données brutes en format tableau, Google Analytics propose également de nombreux outils de dataviz pour permettre la visualisation de ces données de manière simplifiée.

SAS Visual Analytics - SAS, un leader mondial du marché de l'analytique, propose notamment une solution spécifique portant le nom de SAS Visual Analytics qui intègre diverses méthodes de dataviz pour faciliter la visualisation de données.


Les livres blancs à consulter


Mieux gérer sa big data grâce à la dataviz

Livre blanc de CyberCité

Tout pour mieux utiliser la dataviz pour visualiser votre big data.

La data visualisation, nouvelle alliée incontournable du retail

Livre blanc de Synolia

Ce livre blanc montre l'exploitation du point de vente, et le marketing face au client hyperconnecté.

6 manières d’optimiser votre stratégie marketing en combinant vos datas

Livre blanc de Brandwatch

Pilotez votre stratégie marketing en regroupant toutes vos données clients.

Démythifier la data en marketing

Livre blanc de ISM by Abilways

Grâce à ce livre blanc, vous serez en mesure de passer d’une approche centrée produit à une approche centrée client et de tirer parti des apports de la data en la mettant au cœur de vos actions marketing.

Quel(s) avenir(s) pour l'analytique ?

Livre blanc de Indexima

Dans ce livre blanc, Indexima fait un tour d'horizon de ce que nous réserve l'analytique demain.

SAP Analytics Cloud - Présentation et exemples de tableaux de bord

Livre blanc de DeciVision

Ce livre blanc a pour objectif de présenter SAP Analytics Cloud, anciennement connu sous le nom de SAP BusinessObjects Cloud, qui est un outil de manipulation et de visualisation de données qui intègre des fonctionnalités de découverte de données, de planification et de prédiction.