Data visualisation : comment en faire et pourquoi est-ce important ?

Aujourd’hui, les données ont une place majeure dans le monde des affaires. Elles permettent de prendre des décisions stratégiques et d’améliorer efficacement les performances d’une entreprise. Cependant, un tableau Excel complexe contenant une grande quantité de données peut être difficile à comprendre pour un humain. La Data visualisation permet donc de donner du sens à une base de données en traduisant la data en graphique(s) simple(s) et précis. Maîtriser la dataviz est une compétence indispensable pour un Data analyst.

SOMMAIRE :

Définition de la Data visualisation

La Data visualisation (ou Dataviz) est un ensemble de techniques permettant de résumer de manière graphique des données statistiques. Cela permet au cerveau humain de visualiser et d’analyser une grande quantité de données. 

En effet, la dataviz permet à l’œil humain de :

  • visualiser simplement les tendances au sein d’un ensemble de données, 
  • mettre en valeur les informations importantes,
  • faciliter la prise de décision data-driven

En tant qu’étudiant ou professionnel, tu as sûrement déjà créé ou utilisé un tableau Excel contenant de nombreuses lignes et colonnes. Dans certains cas, le tableau contient tellement d’informations qu’il devient difficile de l’analyser et d’identifier des tendances intéressantes d’un coup d'œil.

Prenons un exemple pour mieux comprendre la puissance de la Data visualisation. Imagine que tu dois réaliser une étude qui montre, pour chaque région de France, la proportion de personnes qui préfèrent parler de “chocolatine” ou de “pain au chocolat”. Tu as donc interrogé des centaines de personnes et tu as centralisé leurs réponses dans un grand tableau.

Si la restitution de cette étude se fait à travers un tableau Excel, il peut être laborieux de comprendre que l’expression “chocolatine” est particulièrement populaire dans le Sud-Ouest de la France.

C’est là que la dataviz entre en jeu ! En injectant tes données dans une carte de la France, tu peux présenter la répartition des deux expressions dans une simple image, facile à visualiser par n’importe qui.

Data visualisation en carte

La dataviz permet de présenter une grande quantité d’informations dans un format qui parle à n’importe qui. Dans le monde des affaires, la dataviz est très souvent utilisée pour mesurer les performances d’une entreprise à travers un tableau de bord.

Construire un tableau de bord

Tableau de bord

Un tableau de bord permet de rassembler sur un seul support plusieurs indicateurs de performances. 

Excel est un outil qui intègre quelques fonctionnalités de dataviz. Cependant, élaborer un reporting sur Excel peut être long et une source d’erreurs. Pourtant, un tableau de bord est très utile pour avoir une vue générale de l’activité d’une entreprise ou bien d’un département précis. C’est pourquoi savoir comment faire un tableau de bord est aujourd'hui une compétence indispensable.

Il existe plusieurs types de tableaux de bord. Par exemple :

  • Un tableau de bord de management permet par exemple de mesurer les performances des employés, leur progression, leur investissement…
  • Un tableau de bord de pilotage permet aux managers de suivre les performances commerciales de leur département afin de prendre les bonnes décisions,
  • Un tableau de bord budgétaire permet de suivre l’évolution des dépenses et des revenus de l’entreprise, de comparer les prévisions avec la réalité…
  • Un tableau de bord RH (image ci-dessus) permet de mieux cerner la composition des ressources humaines de l’entreprise, d’analyser l’égalité salariale entre les employés, leur ancienneté etc…

La dataviz peut répondre à des objectifs très variés ! 

Aujourd’hui, maîtriser un outil de dataviz est une compétence de plus en plus valorisée par les recruteurs. Avec la quantité grandissante de données accessibles, la Data visualisation prend une place de plus en plus importante en entreprise, soit parce qu’elle facilite la prise de décision, soit parce qu’elle améliore la communication entre les équipes (voir plus bas).

Cependant, même si la dataviz permet de faire parler les données, il est important que le message qu’elles transmettent soit clair et pertinent. Faire de la data visualisation, c’est aussi savoir raconter une histoire !

Le Datastorytelling ou l’art de faire parler ses données

Le Data storytelling, c’est l’art de raconter une histoire avec des données représentées graphiquement. 

Tu as déjà dû assister à des présentations ennuyeuses avec des dizaines de slides qui s’enchaînent interminablement. Le problème de ces présentations est qu’elles inondent l’audience d’informations. Sans mise en forme préalable, les spectateurs saturent, se retrouvent perdus ou se désintéressent. Le datastorytelling permet de présenter des tableaux ou des graphiques complexes dans un format qui parle à tous.

Parallèlement, en entreprise, les décideurs ne sont pas des experts en statistiques ou en analyse de données. En outre, leur emploi du temps est chargé ; il faut donc leur permettre de comprendre simplement et rapidement le fruit de tes analyses grâce à des représentations graphiques qui montrent une tendance.

Le Datastorytelling répond à ces attentes  ! En sélectionnant soigneusement les données mises en avant et les graphiques pour les représenter, tu peux transmettre une idée de manière efficace. Quel que soit le niveau d’expertise de ton audience, le datastorytelling l'aide à arriver aux mêmes conclusions que toi.

En personnalisant tes graphiques, même très simplement, tu peux complètement transformer la perception de l’audience et donner vie à ton analyse.

Prenons un exemple d’amélioration d’un graphique :

Dataviz sans Datastorytelling

Le graphique ci-dessus représentent l’évolution du chiffre d'affaires d’une entreprise entre 2010 et 2020. Il représente simplement l’évolution avec des barres. Le visuel est terne et peu percutant. Il faut prendre une minute pour mesurer l’importance des tendances.

Dataviz avec Datastorytelling

Le second au contraire est beaucoup plus parlant ! Nous avons rajouté deux flèches qui montrent une croissance forte entre 2010 et 2018 puis en chute à partir de 2018. La taille des flèches, les couleurs utilisées et le texte font ressortir des informations intéressantes. 

Ici, le lecteur comprend directement qu’il y a une phase de croissance (à +300% en 6 ans) et une phase de décroissance (à - 62% en 3 ans). Le vert symbolise l’aspect positif et le rouge l’aspect négatif des variations de CA. Les années COVID, indiquées en jaune, permettent de montrer l’impact d’un élément extérieur sur le chiffre d’affaires de l’entreprise.

Ainsi, en ajoutant simplement quelques détails, un graphique raconte une histoire !

Tu veux que la Data Visualisation n’ait plus de secret pour toi ? Databird propose une formation de 8 semaines qui te permettra d’acquérir les compétences nécessaires pour maîtriser les outils de base de la Dataviz !

Je me forme à la data analyse

Les enjeux de la Dataviz à l’ère du Big Data

Nous sommes aujourd’hui entrés dans l’ère du Big Data. La multiplication des outils permettant de collecter des données nous donne accès à une quantité d’information colossale. 

Rien qu’en 2020, 64 zettaoctets de données ont été créés sur internet, et cela représente
64 000 000 000 000 Go !

Toutes ces données rendent les prises de décisions et la communication au sein des entreprises plus difficiles. Il y a tellement de données qu’il est parfois difficile d’en retenir les informations les plus essentielles. La Dataviz est là pour résoudre ce problème.

Aider à la prise de décision

La Data visualisation est notamment utilisée comme une étape de la Business Intelligence. La Business Intelligence (BI) aide les entreprises à recueillir, à organiser, à mettre en forme (Dataviz) et analyser les données historiques et actuelles. Ainsi, elles peuvent rapidement découvrir des informations exploitables pour prendre des décisions stratégiques à l’avenir.

Business intelligence

Pour être compétitive, une entreprise doit prendre des décisions data-driven. Cependant, si un décideur doit passer des heures à étudier un document Excel qui fait le bilan de ces données, alors sa prise de décision est lente et fastidieuse. Les informations les plus pertinentes sont noyées dans des milliers de lignes et de colonnes.

Cela mène à prendre du retard par rapport à la concurrence !

La dataviz permet donc à un décideur de comprendre rapidement le problème à résoudre ou l’opportunité à saisir. Une fois qu’il a toutes les informations en main, il est apte à prendre la décision stratégique la plus optimale pour son entreprise.

 

En effet, la Data visualisation permet d'agréger et de mettre en valeur les informations essentielles. Le décideur, quel que soit son niveau d’expertise technique, a accès rapidement à un grand nombre de paramètres clairement présentés. Il peut donc réagir plus vite dans un contexte d’incertitude.

Face à l’évolution du marché, une entreprise data driven est souvent plus efficace et plus agile qu’une entreprise gérée à l’instinct ou à l’expérience.

 

La Data visualisation est particulièrement appréciée dans la mise en place d’une stratégie marketing data driven . Le marketing doit avoir une vision claire du comportement des consommateurs, ce qui exige une collecte importante de données. Une bonne visualisation permet donc de mieux cerner le client et de réagir plus vite si le marché évolue.

 

Par exemple, prenons Apple qui collecte constamment des données sur ses ventes d’Iphones et de Macs. Les données montrent qu’un Iphone avec un meilleur appareil photo se vend plus facilement (même à prix exorbitant). C’est pourquoi chaque nouvel Iphone propose plus de pixels, plus de fonctionnalités, plus de capteurs…

Iphone 21

Cependant, si l'analyse de données permet de mieux cerner les besoins des consommateurs, il appartient à l'équipe dirigeante de prendre la bonne décision. Parfois, il faut savoir faire la différence entre qualité et quantité…

Améliorer la communication

Plus une entreprise grandit, plus il est complexe d’assurer une bonne communication entre les différents départements. Or une bonne communication est essentielle à la coordination des équipes.

Par exemple, les données que manipule un Directeur financier peuvent paraître obscures à un Directeur marketing, surtout si elles sont présentées dans un grand tableau Excel. Cependant, présentées sous la forme de graphiques centralisés dans un tableau de bord, les données deviennent beaucoup plus faciles à interpréter, quel que soit le niveau d’expertise technique du lecteur.

Ainsi, la Dataviz est une manière efficace d’offrir aux employés plus de transparence sur l’activité d’une entreprise. Clarifier l’information, éviter les zones d’ombres et les incompréhensions a un effet positif sur la performance d’une entreprise !

Dataviz et communication

Chez Databird, tu te formes à la data analyse ET à l’art de la restituer. Pour être opérationnel en entreprise, tu as besoin d’acquérir les soft skills nécessaires pour transmettre les bonnes idées aux bonnes personnes.

Télécharger le programme de la formation

Les meilleurs outils de Data Visualisation

Il existe une grande quantité d’outils de datavisualisation pour pouvoir faire des reportings. Voici les plus populaires.

Google Data Studio

Google data studio

Google Data Studio est l’outil de Data visualisation de Google. Il s’agit d’un outil gratuit qui permet de centraliser une grande quantité de données sur un tableau de bord (ou dashboard).

 

Google data studio est l’un des outils de dataviz les plus simples à utiliser. Ainsi, avec un peu d’entrainement, tu peux réussir à produire des tableaux de bord d’un niveau professionnel. 

De plus, Google Data Studio a l’avantage de pouvoir se connecter directement à de nombreuses sources de données. Par exemple, il peut se connecter à MySQL ou aux autres outils de Google (Google Analytics, Google Adwords, Youtube Analytics etc…). Ainsi, les données de ton tableau de bord sont mises à jour en temps réel sans que tu sois obligé de transférer les données “à la mano”.

 

De plus, le dashboard de Google data studio est collaboratif ! Il te permet de partager ton dashboard à tes collègues de travail et si tu le souhaites, tu peux aussi leur accorder un droit d’édition afin qu’ils t’aident à améliorer ton dashboard.



Un inconvénient de Google Data Studio est qu’il n’est pas directement compatible avec Excel. Cela dit, il est possible d’importer un fichier Excel sur Google Sheet afin de le visualiser sur Google Data Studio. Pour apprendre à maîtriser les fonctionnalités de Google Sheet, découvre notre formation !



Google Data Studio est idéal si tu souhaites débuter en Dataviz. Cependant, si tu cherches un outil plus complet et plus professionnel, Tableau est un choix intéressant.

Tableau Software

Tableau software

Tableau software est un des leaders du marché de la business intelligence (BI). Il permet de faire des études de marchés, des projections commerciales, des dashboard… c’est un outil de dataviz particulièrement complet.

L’avantage majeur de Tableau est sa communauté. L’outil est utilisé par un grand nombre d’utilisateurs engagés dans son développement et son amélioration. Ainsi, Tableau dispose de nombreuses ressources, de tutos et de forums en ligne.

Tableau est plus difficile à prendre en main mais c’est un outil de dataviz particulièrement performant.

De plus, l’expérience utilisateur est excellente car l’outil exécute rapidement les graphiques, même lorsque tu modifies les données en temps réel.

Tu peux par exemple réaliser une démonstration en temps réel sur Tableau face à ton audience ! Effet garanti !

Tu veux apprendre à maîtriser l’outil de référence sur le marché de la DataVisualisation ? La formation de DataBird est faite pour toi !



Cet outil est parfait si tu as déjà une expérience de Dataviz et que tu souhaites réaliser des visualisations plus complexes. Cependant, de nombreuses grandes entreprises utilisent encore l’outil de Microsoft : Power BI !

Power BI

Power BI

Power BI est l’outil cloud de business intelligence de Microsoft. Il est utilisé pour faire de la BI pour les prises de décisions stratégiques dans les entreprises. Il permet donc de se connecter à des données, de les transformer et de faire de la Dataviz avec celles-ci.

L’avantage de Power BI est qu’il permet d’intégrer l’écosystème de la suite Office de Microsoft notamment Excel. La plupart des entreprises utilisent déjà Excel pour leur reporting, la transition vers Power BI est donc plus simple. De plus, Power BI étant un outil cloud, il est accessible et utilisable sur n’importe quel appareil : smartphones, tablettes ou ordinateurs. Tu peux donc accéder à ton tableau de bord n’importe quand ! 

Enfin, pour un logiciel propriétaire, professionnel et complet, celui-ci est abordable financièrement.

Cependant, comparé aux autres outils de dataviz,Power BI est difficile à maîtriser et peu ergonomique. L’outil a une interface complexe et volumineuse qui peut gêner le tableau de bord. Il demande donc plus de travail pour arriver à réaliser des reportings efficaces et agréables pour les utilisateurs.

Faire de la dataviz avec Python

Dataviz Python

Python est un langage de programmation très utilisé dans le domaine de la Data science ou de l’intelligence artificielle. Grâce à sa polyvalence et à sa simplicité d’utilisation, il est en 2022 le langage le plus utilisé dans le monde, selon le classement Tiobe. C’est pour cette raison que des développeurs ont décidé de développer des librairies Python dédiées à la représentation visuelle, comme Matplotlib ou Seaborn.

Seaborn est une des librairies les plus populaires parmi les développeurs en data visualisation. En effet, celle-ci permet d’avoir des visuels entièrement personnalisables et esthétiques. Elle est très appréciée car elle permet de construire des visuels complexes et engageants avec seulement quelques lignes de code.

Seaborn est un outil complet et puissant. Cependant, si tu cherches une librairie plus facile d’utilisation et moins portée sur l'esthétique, Matplotlib est là pour toi !

Matplotlib est utilisée pour faire des visuels rapidement et facilement. Cette librairie demande moins de travail que Seaborn pour afficher des graphiques simples. Elle est donc très utile pour visualiser rapidement des données brutes. 

Par exemple, Matplotlib permet de générer, grâce à une simple ligne de code, un graphique qui permet de visualiser les cellules vides d’un tableau contenant des milliers de lignes !

De plus, les outils de Python sont open-source. C’est-à-dire que les librairies du langage sont accessibles à tous gratuitement. 

Cependant, pour utiliser Seaborn ou Matplotlib, tu dois apprendre à coder en Python. Même si ce langage est plus simple, apprendre à maîtriser un langage de programmation demande un investissement conséquent. La formation de DataBird accompagne tes premiers pas à la réalisation d’un projet data d’un niveau professionnel.



Les règles de la data visualisation

Le choix des KPIs (Key Performance Indicator)

Un KPI est un indicateur de performance qui permet de mesurer et de piloter l’activité d’une entreprise.

En dataviz, le choix des KPIs est déterminé en fonction des objectifs de l’entreprise. Par exemple, un KPI peut être lié à un objectif de croissance du chiffre d’affaires ou à une augmentation des parts de marché.

Il existe 5 règles d’or dans le choix de tes KPIs. Ceux-ci doivent être :

  1. Quantifiables : pour être mesurés avec précision,
  2. Actionnables : ils doivent permettre de déclencher une prise de décision,
  3. Simples : pour être compris clairement par tout le monde,
  4. Fiables : ils doivent refléter la réalité,
  5. Contrôlables: ils doivent mesurer une performance sur laquelle l’entreprise a un contrôle.

Bien choisis, les KPIs permettent d’identifier en un coup d'œil des tendances dangereuses et de prendre les décisions adaptées pour les résoudre. Parallèlement, ils permettent d’impliquer les salariés afin que ceux-ci se sentent acteurs dans l’amélioration des performances de l’entreprise. En effet, ils peuvent mieux apprécier comment leurs actions influencent la performance de l’entreprise.

Certaines représentations graphiques fonctionnent mieux avec des KPIs particuliers. Une bonne visualisation associée à des bons KPIs fournit un combo idéal. Cela offre de la clarté dans le monitoring des performances et facilite la prise de décisions data driven.

Le choix de la représentation graphique des données

En Data visualisation le choix de la représentation graphique est essentiel pour pouvoir transmettre une analyse de la façon la plus efficace possible. Il existe beaucoup de représentations visuelles en Dataviz. Cependant, certains graphiques sont plus ou moins efficaces pour faire parler des données brutes. On ne représente pas une évolution dans le temps comme on le ferait pour une comparaison ou une répartition dans l’espace.

 

La dataviz s’appuie sur une grande variété de graphiques. Pour la visualisation de tes données, tu peux t’appuyer sur :

  • Une courbe,
  • Un diagramme à barres,
  • Une boîte à moustaches,
  • Une Heatmap, ou carte de chaleur,
  • Une Treemap, aussi appelée une carte proportionnelle ou une carte à case,
  • Un diagramme circulaire, ou un camembert,
  • Un mapping, comme un nuage de points ou un graphique à bulles,
  • …et beaucoup d’autres !
Graphiques dataviz

En fonction du type de données et de l’analyse que tu souhaites transmettre, choisir le bon graphique est clé !

Une courbe est souvent utilisée pour suivre l’évolution d’une variable dans le temps, comme la valeur d’une action en bourse. On peut aussi utiliser une courbe pour étudier l’évolution d’une variable en fonction d’une autre ; par exemple une courbe peut mesurer l’espérance de vie des habitants en fonction de leur pouvoir d’achat. 

Deux courbes sur le même graphique permettent de comparer l’évolution de deux variables afin d’en faire ressortir une corrélation ou au contraire, une indépendance.

Un diagramme à barres permet d’analyser tes données sous plusieurs angles différents. Par exemple, lorsqu’on analyse le trafic d’un site internet, on peut utiliser un diagramme à barres empilées pour avoir une idée de la tendance générale (le nombre de visiteurs chaque mois) tout en visualisant les différentes origines de ce trafic (répartition du trafic par pays).

Diagramme à barre empilés

Une heatmap est particulièrement utile pour identifier des tendances en mettant en relation deux variables. En jouant sur les couleurs, on peut par exemple mieux visualiser la quantité d'appels que reçoit le SAV d’une entreprise chaque jour de la semaine. Cela permet de voir les “moments chauds” et d’adapter le nombre de téléconseillers au centre d’appel.

Heatmap

Une treemap est une technique de dataviz intéressante pour comparer ou hiérarchiser une grande quantité de données. Par exemple, on peut avoir une idée du bilan carbone des achats réalisés par une entreprise durant une ou plusieurs années.

Treemap

Maintenant, tu sais qu’un bon graphique aide à transmettre une information, une idée ou une analyse de manière claire. Cependant, le choix des couleurs et de la typographie a également une grande importance en data visualisation.

Le choix des couleurs et de la typographie

Couleurs et dataviz

Lorsque tu crées tes visuels, tu dois porter une attention particulière au choix des couleurs et des typographies. En effet, celles-ci peuvent avoir un impact sur ton audience. Les couleurs jouent sur l’émotion et certains codes implicites peuvent venir fausser tes visuels. Par exemple, afficher une information positive en rouge peut perturber ton audience ! C’est pour ça qu’il existe une série de règles à suivre.

Conseils concernant le choix des couleurs : 

Afin de bien dissocier les données, il est recommandé d’utiliser une couleur pour un type de donnée.

Pour qu’un graphique soit facile à comprendre, il vaut mieux éviter d’utiliser une palette de couleurs trop large. 

Remarque : il existe des outils pour bien choisir tes palettes comme ColorBrewer.

Attention aux symboliques des couleurs ! 

  • Rouge = Négatif, 
  • Vert = Positif, 
  • Clair = Faible densité, 
  • Foncé = Forte densité.

Afin de t’adapter aux problèmes de vue (ex: Daltoniens), favorise les couleurs pastels.

Conseils concernant le choix des typographies : 

Un graphique doit toujours être associé à un titre ! Cela simplifie la compréhension et donne un contexte à ton audience.

Pour favoriser l’engagement, écris au présent. Le présent implique mieux ton audience dans la présentation.

Pour concentrer l’attention de ton audience, il est préférable de limiter au maximum le texte. L’attention de ton audience ne doit pas être distraite par le texte, les graphiques sont plus importants.

Exemples de dataviz

La Dataviz est aujourd’hui devenue tellement célèbre que certains graphiques sont minutieusement construits pour toucher le plus grand nombre. Certains font le buzz !

BBC-o-gram - Data visualisation

Cette visualisation est un BBC-o-Gram, c’est-à-dire un TreeMap qui représente le budget du média BBC en Angleterre. Ici, chaque couleur représente une catégorie différente de dépense (TV, Salaire, Radio, etc …) et chaque surface est proportionnelle à la valeur de la dépense réalisée dans ce secteur. 

On remarque que le plus gros poste de dépense de la BBC est sa chaîne de télévision BBC1. Ce graphique est devenu célèbre car il donne une bonne vision du budget de la chaîne la plus populaire en Angleterre.

On peut aussi réaliser des visualisations en vidéo ! Celles-ci ont la particularité de pouvoir montrer une évolution dans le temps. L’animation suivante en est un parfait exemple :

Cette animation montre l’évolution de la température moyenne à la surface de la Terre entre 1990 et 2021. On remarque que la barre des +1 °C a bien été franchie, et ce plusieurs années d'affilée. Cette datavisualisation est devenue célèbre en 2022 sur les réseaux sociaux car elle montre d’une manière efficace le résultat du réchauffement climatique.

Le fait que cette vidéo soit devenue virale montre la force de la Dataviz !

De plus, cela montre comment la Dataviz peut servir d’outil de persuasion pour des sujets importants comme le développement durable.

Remarque : La personne qui a créé cette animation a respecté la symbolique des couleurs bleu-blanc-rouge pour montrer un gradient de température ! Ceci est un bon exemple de l’importance des couleurs en Data visualisation.

Partagez cet article :
linkedIn iconfacebook iconInstagram icon
Tu souhaites te former à la data ? 
équipe DataBird formation data analyse

Tu souhaites devenir data analyst

Notre formation intensive en présentiel ou en distanciel en data analyse est ouverte à tous types de profils. Tu es intéressé pour rejoindre notre communauté ? Postule pour en savoir plus.