Comment retranscrire ses données en image ?
Avant toute chose, il est crucial de qualifier ses données :
- Les données qualitatives sont des données non numériques qui peuvent être classées et catégorisées (ex. : une zone géographique ou une enquête sur la satisfaction client). Dans cette situation, les diagrammes circulaires ou encore les graphiques en colonnes sont les plus adaptés pour faire parler les données ;
- Les données quantitatives sont, par opposition, des données numériques ou pouvant être quantifiées. Le choix de la datavisualisation est alors plus souple.
Pour comparer des valeurs : les Graphiques à barres et les histogrammes sont utilisés pour comparer différents éléments et éviter l’encombrement lorsqu’il y a plusieurs éléments à comparer. Attention à l’échelle du graphique, il faudra penser à bien démarrer l’axe des Y à partir du zéro pour éviter tout biais. Les cartes proportionnelles permettent aussi d’effectuer rapidement des comparaisons, particulièrement si une couleur est proéminente et en fonction de l’espace qu’occupe une case par rapport à une autre.
Pour suivre une tendance : les Graphiques linéaires révèlent les tendances et changements dans le temps. Ils montrent les relations au sein d’un ensemble de données continu et peuvent être appliqués à une ou plusieurs variables. Il faut nommer clairement les labels et faire attention à l’échelle des axes pour que le lecteur sache ce qu’il évalue. Les graphiques linéaires peuvent tout à fait être combinés avec d’autres pour mettre en évidence des évolutions ou des tendances.
Pour corréler deux variables : les Graphiques relationnels permettent de faire émerger des relations et les liens de cause à effet entre plusieurs variables. Il est suggéré de recourir à une représentation à points, mais il est aussi possible de les compiler avec des graphiques linéaires.
Pour détailler ce qui compose un ensemble : les Diagrammes segmentés en divers secteurs sont les plus adaptés. Attention, la somme des segments doit toujours être égale à 100.
Quels outils pour construire une dataviz ?
Le Pack Office met à disposition les « immanquables » de la datavisualisation, générées à partir d’une feuille Excel, les données sont directement retranscrites en graphiques avec la possibilité pour l’utilisateur d’intervenir à tout moment autant sur les données que sur le design avec des actions de mise en forme relativement basiques.
En ce qui concerne les outils freemium, ils mettent également à disposition une interface de tableur excel pour générer les datavisualisations, mais offrent un peu plus de souplesse dans la conception graphique. On citera des outils comme Infogram, Canva ou Picktochart qui proposent à l’utilisateur, une fois inscrit, une multitude d’options de datavisualisation un peu plus évoluées, avec notamment des fonds de carte ou encore la génération de nuages de mots-clés. Les compétences techniques ne sont pas un problème du moment que l’on maîtrise les notions élémentaires d’Excel.
Dans la catégorie des outils payants les plus complets, on citera :
|
Inclut notamment une option de reporting évolutive dans son interface https://datastudio.google.com/u/0/reporting/0B5FF6JBKbNJxOWItcWo2SVVVeGc/page/DjD |
|
|
Se distingue par ses fonctionnalités de travail collaboratif - https://chartio.com/ |
|
|
Met en avant sa fonction analytique en s’appuyant sur un modèle « Cloud Data » - https://www.sisense.com/product/data-teams/ |
|
|
Propose notamment un suivi complet des données (monitoring, collecte et valorisation jusqu’à la diffusion) avec des options avancées de codage notamment - https://www.holistics.io/ |
|
|
Le plus intuitif - https://toucantoco.com/fr/ |
|
|
Propose une multitude d’options à la carte : de l’accompagnement pour néophytes jusqu’à des options de codage complexes et en autonomie pour les Data analysts - https://www.tableau.com/fr-fr |
|
|
Se présente comme catalyseur intuitif ayant une souplesse d’adaptation aux sources de données existantes - https://datahero.com/ |
Conclusion
La datavisualisation est un format extrêmement utile est stratégique lorsque l’on observe le succès de la communication visuelle pour transmettre des idées. La valorisation d’un capital de données chiffrées en représentation graphique a pour objectif de limiter le bruit informationnel et de faire émerger les tendances et informations clés pour une organisation, avec un meilleur impact et in fine une facilitation de la prise de décision.
Cependant, réaliser une datavisualisation n’est pas une fin en soi. En effet, la conception d’une représentation graphique n’est pas aussi simple qu’il y paraît. Outre l’exploitation technique des données, elle requiert un temps considérable d’appropriation de l’information afin de retranscrire un message clair et des enseignements clés qui vont être déterminants pour les décisionnaires.
Bien que de multiples acteurs proposent des solutions de datavisualisation avec des interfaces de construction accessibles, qui ne nécessitent pas de compétences techniques poussées, il demeure crucial de comprendre l’objectif stratégique de ses données chiffrées et d’en maîtriser le message avant de se lancer.