Si on devait résumer la Data Visualisation en un proverbe, ça serait : une image vaut mieux que mille mots.
En effet, la « dataviz » (ou visualisation des données, en bon français), a pour but de transformer des données en un support visuel qui soit plus compréhensible. Littéralement, on fait de la visualisation à partir de la data.
Mais à quoi sert-elle exactement ? Comment fonctionne-t-elle ? Quels outils permettent de faire de la data visualisation ?
Réponses dans cet article !
La définition
On l’a dit, la dataviz a pour but de prendre de la data en entrée, et d’en sortir des graphiques.
Ce domaine prend aujourd’hui de plus en plus d’ampleur grâce à la Big Data, dont il permet l’exploitation visuelle – les données étant normalement illisible pour tout profane.
On peut donc dire sans se tromper que ce domaine a sa place à part entière dans la science des données (ou data sciences). Science à laquelle appartient, par exemple, le data scientist.
Comme on le verra, utiliser la data visualisation (aussi nommée data visualization) dans le domaine du marketing et de la communication visuelle est aujourd’hui courant.
L’historique de la data visualisation
Si elle est très utile pour l’exploitation de données de masse, elle n’a pas attendu l’arrivée des data sciences telles qu’on les connait aujourd’hui pour trouver sa place.
En effet, on avait déjà recourt à la dataviz deux cents ans en arrière ! Un des exemples les plus frappants est cette carte, réalisée par Charles Minard en 1869.
Elle symbolise les pertes de l’armée Napoléonienne lors de la campagne de Russie. Comme il est écrit dans la description, un millimètre représente 6000 hommes. De cette façon, c’est beaucoup plus représentatif et facile à lire qu’un simple tableau.
On peut aussi citer la carte suivante, datant de 1826, premier exemple de carte choroplèthe (sous-type de heat-map, dont on reparlera). C’est une carte figurative de l’instruction populaire en France à cette époque.
La datviz vit certes son heure de gloire aujourd’hui, mais c’est loin d’être une science nouvelle !
Pourquoi la dataviz est efficace ?
Si la dataviz est aujourd’hui autant utilisée, notamment dans le marketing, c’est qu’elle est très efficace pour faire comprendre des informations facilement.
Une image vaut mieux que mille mots, disions-nous dans l’introduction.
En fait, cela repose sur la psychologie humaine et la façon dont elle fonctionne. En plus de mieux comprendre l’information quand elle est sous forme d’image, l’être humain à tendance à organiser les éléments visuels dans des groupes. Et c’est exactement ce que fait la data visualisation.
C’est ce qu’on appelle la théorie de Gestalt.
Les 3 objectifs de la data visualisation
La data vizualisation, qu’elle soit utilisée à des fins de communication, d’analyse ou commerciales, a plusieurs objectifs finaux. Listons les trois principaux.
1) Se concentrer sur l’essentiel
D’abord, et c’est le but de remplacer des données brutes par une image, elle permet de se concentrer sur l’essentiel.
Des courbes dans un graphique seront plus parlantes qu’un long tableur Excel. Elles permettent de voir et surtout de comprendre ce qui est important au premier coup d’oeil.
2) Faciliter la prise de décision
Et se concentrer sur l’essentiel, ça permet de faciliter la prise de décision.
Qu’il s’agisse de prendre une décision en interne dans une entreprise (changement stratégique, par exemple) ou vis à vis de clients, la décision sera facilitée en étudiant un graphique plutôt que des données brutes.
3) Améliorer la communication
Enfin, et c’est encore plus vrai si c’est utilisé à des fins de communication vis à vis d’un groupe de personnes (par exemple, une collectivité à des administrés), l’un des objectifs de la dataviz est d’améliorer la qualité de cette communication.
Là, ce n’est plus seulement qu’une question de lisibilité de l’information, mais aussi d’influencer la façon dont celle-ci est perçue. Cela peut être par une charte graphique spécifique (couleurs, typo, etc. – on en reparlera), le format utilisé, les endroits physiques où les graphiques sont disposés, etc.
On parle ici alors de storytelling visuel. Car le graphique ne fait plus que donner des informations ; il raconte aussi une histoire.
Les principaux types de visuels
Bien évidemment, il n’y a pas qu’un seul type de graphique en data visualisation.
Les façons d’afficher des données sont nombreuses et le choix du moyen utilisé dépend notamment :
- Du nombre d’éléments à afficher et à comparer ;
- Du type de données à afficher (données géographiques, évolution du chiffre d’affaire, etc.) ;
- De l’éventuel message qu’on souhaite faire passer ;
- Et donc du storytelling qu’on veut adopter.
Voyons quelques-uns de ces types de visuels.
Le diagramme en bâtons
Le diagramme en bâtons (ou barres) est l’une des façons d’afficher les données les plus connues. Ces bâtons peuvent être simples ou dits « empilés » (à plusieurs niveaux).
Ce type de graphique est notamment très utile pour afficher une évolution temporelle (comparaison de CA sur plusieurs mois, etc.).
Le diagramme circulaire
Le diagramme circulaire existe sous deux formes :
- Le « camembert« , comme sur l’image ci-dessus ;
- Le donut, qui est un camembert troué en son centre.
Ce type de diagramme est utile pour comparer rapidement des données (comme des pourcentages). Attention toutefois, s’il y a beaucoup de données à évaluer ou si on a besoin de précision, ce n’est pas le type de graphique idéal. L’oeil humain apprécie mal les différences lorsqu’il y a des angles et arrondis.
La heat map
La heat map (ou carte thermique), est un graphique dans lequel les cellules sont colorées en fonction de la valeur d’une variable.
C’est notamment utile pour comparer, par exemple, la température ou les précipitations sur une carte géographique.
Ce ne sont que des exemples de diagrammes. Il en existe d’autres : sous forme de bulles, de nuage de points, de boite à moustaches, etc. Pour une liste plus exhaustive, vous pouvez aller voir ici.
Quelques conseils pour un graphique de dataviz efficace
Maintenant qu’on a défini ce qu’était la data visualisation, à quoi elle servait et ses différents aspects, voyons comment faire de la dataviz efficace.
Prendre en compte la perception que va avoir votre graphique
En data visualisation, pour faire un graphique efficace, il faut penser à sa cible en priorité. Le diagramme est fait pour eux, il est important d’avoir une idée précise de sa cible, son persona, lorsqu’on travaille sur de la data visualization.
Voici une liste de ce qu’on doit garder en tête :
- Ne pas insérer d’éléments perturbants (en 3D, qui clignotent, etc.), cela peut perturber certaines personnes de votre public cible ;
- Ne pas mettre trop de texte, pour la même raison ;
- Faire un choix de couleurs adapté, elles ont en effet un impact sur la perception ;
- Écrire au présent, avec une typographie moderne et agréable ;
- Se concentrer sur l’essentiel ; ne pas trop en faire.
Utiliser les bons outils
Pour générer des graphiques de qualité, il ne suffit pas de respecter ces règles. Utiliser les bons outils, les bons logiciels, est également essentiel.
Et il en existe beaucoup !
Parmi les plus utilisés, on peut notamment citer :
- Looker ;
- Toucan Toco ;
- Tableau ;
- Google Data Studio ;
- Qlik Sense.
Chacun de ses outils a ses avantages et ses inconvénients, ainsi que des tarifs différents.
Conclusion
La data visualisation permet d’afficher visuellement un ensemble de données. Très utile dans le cadre de la big data, elle a trois objectifs principaux : se concentrer sur l’essentiel, faciliter la prise de décision et améliorer la communication.
Toutefois, suivant le but recherché (communication interne à une entreprise, campagne publicitaire, etc.), tous les graphiques ne se valent pas. Ils ont chacun leurs avantages et inconvénients. Et utiliser les bons outils pour les créer, c’est essentiel.
Avez-vous déjà eu à travailler sur de la data visualisation ? Si oui, que pensez-vous de cette data science et de la manière dont elle est utilisée ? Dites-le nous en commentaire !
