DATA Visualisation

studied byStudied by 1 person
0.0(0)
Get a hint
Hint

Data

1 / 85

encourage image

There's no tags or description

Looks like no one added any tags here yet for you.

86 Terms

1

Data

Données numériques qui ont un atout stratégique pour les organisations

New cards
2

Data Visualisation ?

Discipline qui facilite la transmission d’infos grâce à des représentations visuelles claires et compréhensibles par tous.

New cards
3

Storytelling ?

Capacité de raconter des histoires à partir de données.

New cards
4

Impact positif de la Data Visualisation ?

o Partage de l’info à tous

o Permet de comprendre des infos rapidement

o Gain de temps : Nouvelles tendances, identification des problèmes et prise de décisions

New cards
5

Impact négatif de la Data Visualisation ?

o Risque de surcharge de données, et donc d’infos

o Mauvaise interprétation des données hors contexte

o Évolution rapide des données

New cards
6

Données centralisées ?

Infos stockées et gérées par une seule autorité, qui détient le contrôle exclusif sur l’accès, la modification et le partage de ces données (phase ERP).

New cards
7

Données décentralisées ?

Infos stockées et gérées de manière distribuée, sans dépendre d’une autorité centrale ou d’un emplacement unique (phase Excel).

New cards
8

Analytics ?

Méthodes et techniques qui aident à comprendre et utiliser les données pour en tirer des enseignements, des infos significatives (= insights) afin d’améliorer les performances et la prise de décision dans une entreprise

New cards
9

Bonnes données + Bon visuel + Bonne histoire ?

Data Story qui peut influencer une prise de décision et conduire au changement.

New cards
10

5 étapes de la Data Visualisation & Storytelling ?

  • Comprendre le contexte

  • Choisir un visuel efficace

  • Éliminer l’encombrement

  • Concentrer l’attention

  • Raconter une histoire

New cards
11

Donnée (data) ?

Infos qu’on peut observer.
On l’utilise comme base pour un raisonnement, une discussion ou des calculs

New cards
12

Processus de transformation de la donnée ?

Donnée (input) ça prend forme → Interprétation → Information (output)

New cards
13

Données quantitatives continues ?

Données numériques qui prennent toutes les valeurs
(ex : panier moyen, prix, chiare d’affaires, etc.)

New cards
14

Données quantitatives discrètes

Données numériques qui ne prennent que certaines valeurs.

(ex : pointure, âge, nombre de personnes dans une salle, etc.)

New cards
15

Données qualitatives nominales ?

Données décrivant un nom ou une catégorie sans ordre particulier, qui ne peuvent être classées.

(ex : couleur, vidéos)

New cards
16

Données qualitatives ordinales ?

Données présentant des valeurs définies par une relation d’ordre entre les différentes catégories possibles, qui peuvent être classées.

(ex : niveau de satisfaction comme pas bien – satisfaisant – bien – très bien – excellent)

New cards
17

Binaires ?

Données oarant uniquement 2 options.

(ex : vrai/faux, oui/non, homme/femme, on/oa, like/dislike, etc.)

New cards
18

Données structurées ?

  • Typologie, format et longueur prédéfinis

  • Infos organisées et formatées

  • Prêtes à être extraites et lues

données liées à un jeu, données d’une visite e-commerce, données des clients, données financières, etc.

New cards
19

Données non-structurées ?

  • Difficiles à collecter, analyser et exploiter

  • Sous toutes leurs formes, sans format spécifique

  • Pas prêtes à être directement traitées

Likes & coms sur les réseaux, Données de localisation, contenu d’un mail, SMS, avis clients, transcriptions de chat, documents échangés en entreprise, etc.

New cards
20

Données semi-structurées ?

  • Présentent des caractéristiques cohérentes et définies tout en contenant une variabilité et des incohérences

  • Partiellement structurées et lisibles par les machines

Photographies numériques, Emails (objet, destinataire = partie structurée et contenu = partie non-structurée)

New cards
21

Sources de données interne ?

Intranet, CRM, ERP, Supply Chain Management, Système des infos de labo

New cards
22

Sources de données externes ?

Utilisateurs, Médias, Réseaux Sociaux, Site web client/fournisseur, Statbel

New cards
23

4 étapes pour la collecte de données ?

1. Définir le but de la collecte (ex : améliorer fidélisation client ou service client)

2. Déterminer les données à collecter (ex : cmb ont utilisé le code de réduction)

3. Méthodes pour collecter les données (ex : enquête, suivi en ligne, etc.)

4. Collecter les données

New cards
24

Analyse exploratoire ?

Faire une hypothèse, Se poser une question, Approfondir les données.

New cards
25

Analyse explicative ?

Montrer des éléments spécifiques à un public

New cards
26

Contexte ?

Qui ? Quoi ? Comment ?

New cards
27

Le public est qui ?

le héros de l’histoire que vous racontez.

New cards
28

Quel public choisir ?

  • Éviter de cibler un public trop large

  • Apprendre davantage sur le public visé

  • Quelle est la relation que vous avez avec ce public ?

New cards
29

Que voulez-vous que votre public sache ou fasse ?

o Adapter le message

o Avoir une idée claire de ce qui peut l’intéresser

o Définir un objectif clair

o Définir un mode de communication : écrit, oral, autre…

o Ton utilisé : joyeux (succès), grave (mauvais résultat), …

New cards
30

Charge cognitive ?

Effort mental nécessaire pour assimiler une nouvelle information.

New cards
31

En data visualisation, c’est important de ?

réduire au minimum la charge cognitive éprouvée par votre public.

New cards
32

les 6 lois de la théorie de Gestalt (psychologie de la forme) ?

1. La proximité : Nous regroupons naturellement les points d’abord les plus proches les uns des autres

2. La similarité : Les objets, couleurs, formes ou l’orientation similaires semblent liés ou appartenir au même groupe

3. La clôture : Les objets inclus dans un espace délimité par une bordure font partie d’un même ensemble. Elles apportent de l’aaordance (= permettent à l’utilisateur de les grouper mentalement et d’interpréter l’info de la bonne façon)

4. La bonne forme : Nous avons tendance à interpréter un ensemble d’éléments individuels comme une seule forme reconnaissable

5. La continuité : Nos yeux cherchent le chemin le plus régulier et inventent naturellement une continuité

6. La connexion unité : Nous avons tendance à supposer que les objets physiquement connectés entre eux font partie d’un même groupe

New cards
33
<p>Quel principe de <strong>Gestalt </strong>est appliqué dans cette illustration ?</p>

Quel principe de Gestalt est appliqué dans cette illustration ?

c'est le principe de similarité qui est appliqué

New cards
34
<p>Quel principe de <strong>Gestalt</strong> est appliqué dans cette illustration ?</p>

Quel principe de Gestalt est appliqué dans cette illustration ?

clôture

New cards
35
<p>Qui suis-je ?</p>

Qui suis-je ?

Data Architect

New cards
36
<p>Qui suis-je ?</p>

Qui suis-je ?

Data Engineer

New cards
37
<p>Qui suis-je ?</p>

Qui suis-je ?

Data Engineer

New cards
38
<p>Qui suis-je ?</p>

Qui suis-je ?

Data Scientist

New cards
39
<p>Qui suis-je ?</p>

Qui suis-je ?

Data Analyst

New cards
40
<p>Qui suis-je ?</p>

Qui suis-je ?

Chief Data Officer

New cards
41
<p>Qui suis-je ?</p>

Qui suis-je ?

Data Storyteller

New cards
42

Lorsque nous regardons tout autour de nous, nous pouvons trouver des données … ?

a. Invisibles
b. Directes
c. Visibles
d. Cachées

New cards
43

données visibles ?

données qu’on peut observer

New cards
44

données invisibles ?

données qu’on ne peut pas observer, elles sont liées aux données visibles.

New cards
45

insight ?

son objectif est de nous entrainer vers une direction qui nous amène vers une amélioration.

New cards
46
<p>quelle caractéristique préattentive est affichée ?</p>

quelle caractéristique préattentive est affichée ?

intensité

New cards
47

Pour construire une histoire puissante, il est recommandé de ?

utiliser le pouvoir de la répétition pour rendre notre récit mémorable

New cards
48

Une charge cognitive correspond à … nécessaire pour assimiler une nouvelle info ?

l’effort mental.

New cards
49
<p>Quelle est la<strong> donnée invisible</strong> <u>liée directement </u>à la<strong> donnée visible</strong> qui est la plaque d’immatriculation ?</p>

Quelle est la donnée invisible liée directement à la donnée visible qui est la plaque d’immatriculation ?

La localité du propriétaire de la voiture

New cards
50

La théorie de Gestalt est appelée également la psychologie ?

de la forme.

New cards
51
<p>Quelle est ce type de données ?</p>

Quelle est ce type de données ?

données structurées. → car données de clients, facilement lisibles

New cards
52

Quelle est la dernière étape de la méthodologie de la data visualisation ?

La data storytelling.

New cards
53

Quelles sont les raisons pour lesquelles le volume des données numériques va continuer à fortement augmenter dans le futur ?

Le développement de la 5G et des objets connectés.

New cards
54

Le nbre d’employés dans une entreprise est une donnée ?

Quantitative discrète → car ce ne sont pas juste des chiffres comme par ex. un CA, des prix, etc… c’est lié à des employés donc discrète.

New cards
55
<p>Quel principe de perception visuelle est illustré sur cette image ?</p>

Quel principe de perception visuelle est illustré sur cette image ?

La fermeture. = la clôture

New cards
56

un « titre à emporter » veut dire ?

qu’il y a qqch d’important que vous voulez que votre public sache.

New cards
57

La mémoire à long terme est réglée sur certaines caractéristiques pré-attentives comme la couleur et la taille ?

Faux, la mémoire à long terme est une mémoire sur toute une vie, et les caractéristiques pré-attentives ce sont des outils puissants qui ont pour objectif d’attirer l’attention.

New cards
58

Une photo numérique contient uniquement des données structurées.

Faux, elle contient des données semi-structurées.

New cards
59

Les CTA sont des affordances ?

Vrai, car c’est un des 3 concepts de design où l’idée est d’inciter à ce que l’user fasse une action grâce à un visuel simple, attractif, facile à comprendre.

New cards
60

Ces niveaux de fidélités (First, Medium, VIP) sont des données qualitatives nominales ?

Faux, ce sont des données qualitatives ordinales car ce sont des données classées par ordre. → <li><ol></ol></li>

New cards
61

La data visualisation est une discipline qui facilité la transmission d’infos à une large audience ?

Vrai, la data visualisation est une discipline qui facilite la transmission d’infos grâce à des représentations visuelles claires et compréhensibles par tous.

New cards
62

Graphique en courbes - Line chart ?

  • changements dans le temps

  • pour des données continues

  • bcp de catégories

Bonnes pratiques ?

  • avoir l’axe Y commençant par 0 dans la plupart des cas, si il y a beaucoup de données à représenter. sinon, ne pas commencer sur l’axe Y.

New cards
63

Nuage de points ?

  • montre type & force de la relation entre 2 variables liées

<ul><li><p>montre type &amp; force de la relation entre 2 variables liées</p></li></ul>
New cards
64

Diagramme en batons horizontal ?

  • commence l’axe des Y à zéro

  • labeliser clairement les 2 axes

<ul><li><p>commence l’axe des Y à zéro</p></li><li><p>labeliser clairement les 2 axes</p></li></ul>
New cards
65
<p>Types de diagrammes en batons ?</p>

Types de diagrammes en batons ?

  • Graphique en groupe

  • graphique à barres horizontales

  • Graphique à barres verticales (histograme → écart entre les barres)

  • Barres empilées

  • Barres empilées à 100%

  • graphique en cascade

<ul><li><p>Graphique en groupe </p></li><li><p>graphique à barres horizontales</p></li><li><p>Graphique à barres verticales (histograme → écart entre les barres)</p></li><li><p>Barres empilées</p></li><li><p>Barres empilées à 100% </p></li><li><p>graphique en cascade</p></li></ul>
New cards
66

Diagrammes à barres empilées ?

graphique où il y a plusieurs valeurs dans l’abscisse → stacked
Ex : Production totale de tous les appareils avec la répartition par appareil

<p>graphique où il y a plusieurs valeurs dans l’abscisse → stacked  <br>Ex : Production totale de tous les appareils avec la répartition par appareil</p>
New cards
67

Diagramme à secteurs ?

  • segments = 100%

  • ordre de grandeur

  • éviter surcharge éléments

<ul><li><p>segments = 100%</p></li><li><p>ordre de grandeur</p></li><li><p>éviter surcharge éléments</p></li></ul>
New cards
68

Graphique en aires carrées ?

  • pour les nbres aux ordres de grandeurs très différentes/grandes

  • nos yeux sont pas fait pour attribuer une valeur exacte à une surface

<ul><li><p>pour les nbres aux ordres de grandeurs très différentes/grandes</p></li><li><p>nos yeux sont pas fait pour attribuer une valeur exacte à une surface</p></li></ul>
New cards
69

une composition ?

montre la répartition/structure d’un ensemble en différentes parties, comment un tout est divisé en parties.
(diagrammes en secteurs/barres empilées/zones empilées.)

<p>montre la répartition/structure d’un ensemble en différentes parties, comment un tout est divisé en parties. <br>(diagrammes en secteurs/barres empilées/zones empilées.)</p>
New cards
70

une comparaison ?

compare des valeurs entre différentes catégories ou groupes
(diagrammes à barres verticales/horizontales, et graphique linéaire)
compare les ventes de différents produits, performances d’équipes,…

<p><strong>compare </strong>des valeurs entre différentes catégories ou groupes<br>(diagrammes à barres verticales/horizontales, et graphique linéaire)<br>compare les ventes de différents produits, performances d’équipes,…</p>
New cards
71

une distribution ?

montre la répartition des valeurs dans un ensemble de données
(histogramme en barres/lignes/, et nuages de points)
Ex: âges dans une population, répartition des scores d’un test, etc…

<p>montre la répartition des valeurs dans un ensemble de données<br>(histogramme en barres/lignes/, et nuages de points)<br>Ex: âges dans une population, répartition des scores d’un test, etc…</p>
New cards
72

une relation ?

montre la relation entre différentes variables, comment elles sont liées entre elles.
(nuages de points/en bulles)

<p>montre la relation entre différentes variables, comment elles sont liées entre elles.<br>(nuages de points/en bulles)</p>
New cards
73

Comment désencombrer un visuel ?

o Supprimer bordure du graphique

o Supprimer lignes de repère

o Ne pas abuser des étiquettes de données

o Déplacer la légende à côté de ce qu’elle décrit

o Utiliser des couleurs cohérentes

New cards
74

5 conseils pour réduire au minimum la charge cognitive éprouvée par le public ?

1. Garder votre public à l’esprit

  • Garder à l’esprit la personne à qui on veut communiquer

  • Utiliser des repères visuels pour aider à diriger l’œil du public

2. Choisir l’affichage en fonction de ce que vous souhaitez afficher

  • Choisir type de graphique le + facile à interpréter

  • Les graphiques à barres facilitent la compréhension

3. Viser la simplicité

  • Ne pas faire travailler le public pour obtenir l’info

  • Supprimer tout ce qui n’a pas de valeur informative

  • Utiliser des espaces blancs

  • Simple vaut mieux que compliqué

4. Aider le public avec du texte

  • Chaque graphique a besoin d’un titre

  • Chaque axe a besoin d’une étiquette

  • Meilleur endroit texte = à côté de ce qu’il décrit

5. Utiliser la couleur de manière stratégique

  • Ça met en évidence les parties importantes du visuel

  • Utiliser une palette de couleurs de nuances de gris

New cards
75

3 types de mémoires ?

Mémoire iconique :

  • L’info reste une fraction de seconde dans notre mémoire iconique, avant d’être transmise à notre mémoire à court terme

Mémoire à court terme :

  • Nous ne sommes capables de retenir qu’environ 4 fragments d’infos visuelles dans notre mémoire à court terme à un instant donné

Mémoire à long terme :

  • C’est l’association de 2 types de mémoires : La mémoire visuelle et la mémoire verbale. Cette combinaison va permettre d’activer la formation de souvenirs à long terme

New cards
76

Mémoire iconique ?

Mémoire rapide

New cards
77

Mémoire à court terme ?

Mémoire limitée

New cards
78

Mémoire à long terme ?

Mémoire qui se construit tout au long de notre vie

New cards
79

Caractéristiques pré attentives ?

Outils puissants pour attirer l’attention d’un public sur les parties importantes de vos données et les communications qui les contiennent.

New cards
80
<p>quelle caractéristique préattentive est affichée ?</p>

quelle caractéristique préattentive est affichée ?

positionnement

New cards
81

types de caractéristiques/attributs pré attentives ?

  • Taille

  • Position spatiale

  • Couleur

New cards
82

les 2 fonctions des caractéristiques préattentives ?

- Attirer rapidement l’attention du public là où vous le voulez

- Créer une hiérarchie visuelle de l’information

New cards
83

Cite moi une caractéristique pré-attentive et 2 éléments du concept de design « accessibilité » dans un graphique en batons en groupe horizontal ?

On va utiliser la couleur pour différencier les différents éléments du graphique, on va utiliser un titre à emporter car chaque graphique à besoin d’un titre et chaque axe a besoin d’un titre. et on va utiliser des espaces blancs pour que ce soit + lisible.

New cards
84

3 concepts du design pour penser comme un designer ?

Affordance = invoquer une action de l’user grâce à un visuel simple qui lui permet de comprendre l’action que l’on attend.

Utilisation :

- Mettre en évidence l’essentiel

- Éliminer toutes les sources de distraction

- Créer une hiérarchie visuelle claire de l’info

Esthétique = prendre le temps de réaliser des designs esthétiques peut rendre notre public plus patient et les chances de transmettre notre message sont renforcées.

L’accessibilité = Rendre la visualisation de données plus accessible.

New cards
85

les 5 principes de conception inclusifs pour rendre la visualisation de données plus accessible ?

1. Ajouter du texte alternatif (alt)
→ Le texte alternatif s’affiche lorsque l’image ne peut pas l’être.

2. Utiliser un « titre à emporter »
→ Chaque graphique et chaque axe a besoin d’un titre

3. Étiqueter plutôt que légender

4. Vérifier le type et le contraste des couleurs

5. Utiliser des espaces blancs

→ Ça augmente la lisibilité en aidant à délimiter et à distinguer les différentes sections sans compter uniquement la couleur

New cards
86

En data visualisation, il faut s’assurer que ?

TOUT LE MONDE, pas seulement nous ou quelques personnes comprenne l’intérêt de la visualisation.

New cards

Explore top notes

note Note
studied byStudied by 23 people
... ago
5.0(1)
note Note
studied byStudied by 4 people
... ago
5.0(1)
note Note
studied byStudied by 8 people
... ago
5.0(1)
note Note
studied byStudied by 5 people
... ago
4.5(2)
note Note
studied byStudied by 24954 people
... ago
4.5(105)
note Note
studied byStudied by 1200 people
... ago
4.5(2)
note Note
studied byStudied by 87 people
... ago
5.0(1)
note Note
studied byStudied by 12 people
... ago
5.0(1)

Explore top flashcards

flashcards Flashcard (100)
studied byStudied by 4 people
... ago
5.0(1)
flashcards Flashcard (35)
studied byStudied by 20 people
... ago
5.0(1)
flashcards Flashcard (22)
studied byStudied by 6 people
... ago
5.0(1)
flashcards Flashcard (61)
studied byStudied by 26 people
... ago
5.0(1)
flashcards Flashcard (45)
studied byStudied by 3 people
... ago
5.0(1)
flashcards Flashcard (165)
studied byStudied by 19 people
... ago
5.0(1)
flashcards Flashcard (40)
studied byStudied by 6 people
... ago
5.0(1)
flashcards Flashcard (471)
studied byStudied by 65 people
... ago
5.0(1)
robot