L’analytique par la visualisation de données, le Data Viz, vous connaissez?

Share on LinkedIn0Tweet about this on TwitterShare on Facebook0Email this to someone

Par Charles Saulnier, conseiller pour le centre d’excellence analytique des données.

La visualisation de données (Data Visualization) n’est pas une nouveauté, elle est toutefois très actuelle! Wikipédia définit sommairement la visualisation de données comme un ensemble de méthodes de représentation graphique, en deux ou trois dimensions, avec ou sans couleur, de trames. En fait, elle permet de transformer un ensemble d’informations complexes en quelque chose de visuel et d’attrayant!

Comme ce sujet est au goût du jour, nous avons décidé d’en faire l’objet d’une série sur notre blogue Larochelle! Par différents articles, nous mettrons en lumière le DataViz, les bonnes pratiques (théoriques et appliquées en entreprise), l’outil essentiel qu’est le prototypage ainsi que le survol de 2 outils soit Tableau et Power BI. Pour ce qui est de ce premier billet, il s’agit principalement d’une mise en contexte qui nous servira de base tout au long de la série.

La visualisation de données : la petite histoire!

La visualisation de données est née des milieux des statistiques et mathématiques. La représentation de courbes et diagrammes est mentionnée par William Playfair dès 1786, et Pearson « baptise » l’histogramme en 1895. Les bases théoriques impliquent dès le départ une connaissance des théorèmes et modèles de distribution qui n’étaient pas généralisée (et ne l’est pas nécessairement aujourd’hui non plus!). L’avancée des logiciels et de la technologie ont permis de représenter des ensembles complexes de données, de manière plus simple, didactique et pédagogique. Ce sont les algorithmes qui effectuent le travail statistique pour l’utilisateur.

Aussi, le terme plutôt général de visualisation de données regroupe un ensemble de sciences et pratiques: les statistiques, la physiologie (mémoire sensorielle, perception visuelle), l’interaction humain-machine, la communication (visuelle, sensorielle et auditive), l’informatique. Puis, ces principes se traduisent par l’analyse du besoin et de la tâche à superviser ou/et mesurer, la sélection des données significatives, puis leur conversion en visuel, les tableaux de bord, le storytelling intégrant le volet visuel pour appuyer un propos ou une présentation.

Data Viz : une célébrité fulgurante!

Les avancées technologiques démocratisent la création de graphiques, de rapports et de tableaux de bord dynamiques et engageants: c’est ce que les gens recherchent pour illustrer leur contenu. Cette réalité fait en sorte que tous l’utilisent et ce concept vit une ascension fulgurante chez tout un chacun.

Les outils de visualisation peuvent dorénavant se brancher à un large éventail de sources de données, ils sont attirants pour toute entreprise qui veut se lancer (ou qui est déjà engagée) dans la voie du libre-service analytique. De plus, la visualisation est une pratique essentielle à plusieurs clientèles ayant des besoins parfois très différents, notamment:

  • Les Data Scientists qui l’utilisent pour l’exploration des données à leur disposition;
  • Les analystes qui doivent faire parler des quantités de données de plus en plus volumineuses et présenter leurs résultats de façon claire et précise;
  • Les cadres et gestionnaires qui doivent suivre les activités de leur secteur/entreprise;
  • Les conseils d’administration et comités de gestion, qui ont besoin d’une vue d’ensemble de la situation présente et à venir de l’entreprise, et l’atteinte des objectifs stratégiques.

Comme le dit l’adage, une image vaut mille mots; une visualisation claire et précise vient ainsi faciliter la compréhension et appuyer la prise de décision. Le piège: tout le monde (ou presque) est appelé à faire de la visualisation. Pourtant, rares sont ceux qui connaissent la théorie qui permet de créer le bon visuel en réponse au besoin. On peut donc se retrouver avec « de beaux graphiques », qui n’apportent rien de significatif pour l’utilisateur, ou qui le distraient de l’information à laquelle il devrait porter attention.

Le deuxième billet de cette série visera à mettre en lumière les bonnes (et moins bonnes) pratiques de visualisation et sera publié sur notre blogue prochainement.

Pour en savoir un peu plus sur la visualisation de données, voici quelques références.

Références: