Créées par des utilisateurs et des systèmes, stockées dans des disques et des barrettes mémoire, déplacées via des câbles, des routeurs, des serveurs, exploitées par des ordinateurs, smartphones, montres, télévisions, terminaux de paiement, machines industrielles, robots… Les données sont partout, mais restent paradoxalement invisibles.
Les données : de l’or… en boîte noire
Au-delà de leur rôle dans le fonctionnement de systèmes, les données ont une valeur intrinsèque parfois importante. Elles sont souvent un actif majeur de l’entreprise. Encore faut-il explorer cette boîte noire gorgée de pépites !
La visualisation de données (aussi appelée dataviz ou datavisualisation) a ce côté magique : elle donne à voir des choses qui restent indiscernables sans elle. Elle agit comme un révélateur du sens et de la valeur des données.
La dataviz : un angle de vue sur des données
Représenter des données n’est que l’étape finale d’une démarche parfois longue et complexe.
Au départ, il y a toujours un but : pourquoi représenter des données ?
Nous représentons des données pour deux raisons majeures :
- Communiquer
- Inciter à l’action
Les besoins à couvrir sont innombrables :
- Comprendre une situation (audit, analyse de l’existant, recherche de preuves)
- Optimiser des activités métier (performance, efficacité, suivi d’objectifs)
- Prévoir des scénarios ou des événements (analyse prédictive, gestion de crise)
- Partager des informations (rapports, tableaux de bord, alertes)
- Vulgariser des informations (sciences, médias, événements)
- Vendre des produits ou des prestations (argumentaire, comparaison, résultats)
- Convaincre un public (communication, influence)
- Surveiller des infrastructures (monitoring, sécurité)
La définition d’un but induit forcément un biais. Avec les mêmes données, nous pouvons créer des dizaines de représentations différentes, chacune amenant une perception et un message différent (comme le montre parfaitement l’Hackaviz, le concours de visualisation de données organisé chaque année par Toulouse Dataviz, à partir d’un jeu de données unique).
Une représentation de données n’est donc jamais totalement objective, il faut juste ne pas trop tricher avec son public !
D’ailleurs, en parlant de public, il est temps de se poser la deuxième question : pour qui représenter des données ?
Nous avons le but, mais selon la cible, la façon de restituer les données sera très différente. Les cibles ont certaines caractéristiques qui ont un impact direct sur le travail de datavisualisation :
- Compétences (compréhension du contexte et des données)
- Maturité (capacité d’analyse, déchiffrement du message, esprit de synthèse)
- Profil culturel et social (usages, perception des formes et des couleurs, interprétation d’une représentation)
- Habilitations (droits d’accès, prise de décisions, délégation)
- Accessibilité (moyen d’accès à la représentation, déficience cognitive ou visuelle)
Le casse-tête de la réalisation
Reste une dernière question, la plus difficile : comment représenter des données ?
Les réponses dépendent fortement du contexte. Montrer la répartition d’intentions de votes dans un camembert est un exercice assez évident, pour peu qu’on sache calculer et représenter des pourcentages !
Dans les cas plus complexes, la mise en œuvre peut demander des compétences étendues :
- Maîtrise des données (fiabilité des sources, cohérence des informations, objectivité des indicateurs, constance de la mesure…)
- Éthique et absence de biais (sélection objective des données, traitements non destructifs, partis pris assumés et transparents…)
- Réalisation méthodique (narration, préparation, choix de représentation, exécution, diffusion)
Chacun peut couvrir ces trois points à son échelle et donc produire des représentations de qualité. Il faut simplement connaître ses compétences réelles et ses limites, à la fois dans la maîtrise de concepts (probabilités, calculs statistiques, sémiologie, biais cognitifs…) et celle des outils (collecte et préparation de données, génération de graphiques, animations, publication…).
Pour vous aider à progresser (et éviter les erreurs grossières !), Toulouse Dataviz propose son Guide de datavisualisation, réalisé en collaboration avec le Data Office de Pierre Fabre. Les principaux types de représentation y sont décrits, avec leur raison d’être, leurs bonnes pratiques, leurs pièges et les principaux outils permettant de les construire. Vous pouvez même les tester en ligne et voir l’impact d’un simple changement de paramètre !
Honnêteté, méthode et créativité !
Au final, nous tenons les points clés d’une dataviz réussie :
- S’assurer de la pertinence et de la qualité des données
- Bien définir son objectif, le message à faire passer
- Connaître sa cible et ses capacités à comprendre le résultat
- Faire le bon choix de représentation en fonction de l’objectif, de la cible et de ses propres compétences
- Rester honnête et expliquer ses choix de sélection, de préparation et de représentation des données
Comme dans toute chose, le savoir-faire vient en faisant, on ne peut que s’améliorer ! La dataviz est une activité créative et motivante qui a une réelle utilité quand elle est bien menée.
Elle devient incontournable dans les entreprises qui ont choisi un pilotage par les données (data-driven). C’est même la qualité opérationnelle de la dataviz qui fera la différence sur les résultats, à condition de savoir définir et implémenter les bons indicateurs (exercice loin d’être évident !).
Chez Clever Age, nous pratiquons la dataviz en interne pour mesurer nos activités et prendre les bonnes décisions. Nous conseillons nos clients sur l’analyse et la représentation de données commerciales (reporting, BI, dashboards…) et le monitoring de services (exploitation, flux, logistique, sécurité…). Et nous avons le plaisir d’aider depuis des années l’association Toulouse Dataviz qui a un réel talent de promotion et de diffusion de la dataviz vers tous les publics !
