DATA Visualisation

Data

Data

Données numériques qui ont un atout stratégique pour les organisations

Data Visualisation ?

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

Storytelling ?

Capacité de raconter des histoires à partir de données.

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

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

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).

Données décentralisées ?

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

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

Bonnes données + Bon visuel + Bonne histoire ?

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

5 étapes de la Data Visualisation & Storytelling ?

• Comprendre le contexte

• Choisir un visuel efficace

• Éliminer l’encombrement

• Concentrer l’attention

• Raconter une histoire

Donnée (data) ?

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

Processus de transformation de la donnée ?

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

Données quantitatives continues ?

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

Données quantitatives discrètes

Données numériques qui ne prennent que certaines valeurs.

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

Données qualitatives nominales ?

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

(ex : couleur, vidéos)

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)

Binaires ?

Données oarant uniquement 2 options.

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

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.

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.

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)

Sources de données interne ?

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

Sources de données externes ?

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

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

Analyse exploratoire ?

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

Analyse explicative ?

Montrer des éléments spécifiques à un public

Contexte ?

Qui ? Quoi ? Comment ?

Le public est qui ?

le héros de l’histoire que vous racontez.

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 ?

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), …

Charge cognitive ?

Effort mental nécessaire pour assimiler une nouvelle information.

En data visualisation, c’est important de ?

réduire au minimum la charge cognitive éprouvée par votre public.

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

Quel principe de Gestalt est appliqué dans cette illustration ?

c'est le principe de similarité qui est appliqué

Quel principe de Gestalt est appliqué dans cette illustration ?

clôture

Qui suis-je ?

Data Architect

Qui suis-je ?

Data Engineer

Qui suis-je ?

Data Engineer

Qui suis-je ?

Data Scientist

Qui suis-je ?

Data Analyst

Qui suis-je ?

Chief Data Officer

Qui suis-je ?

Data Storyteller

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

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

données visibles ?

données qu’on peut observer

données invisibles ?

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

insight ?

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

quelle caractéristique préattentive est affichée ?

intensité

Pour construire une histoire puissante, il est recommandé de ?

utiliser le pouvoir de la répétition pour rendre notre récit mémorable

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

l’effort mental.

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

La localité du propriétaire de la voiture

La théorie de Gestalt est appelée également la psychologie ?

de la forme.

Quelle est ce type de données ?

données structurées. → car données de clients, facilement lisibles

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

La data storytelling.

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.

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.

Quel principe de perception visuelle est illustré sur cette image ?

La fermeture. = la clôture

un « titre à emporter » veut dire ?

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

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.

Une photo numérique contient uniquement des données structurées.

Faux, elle contient des données semi-structurées.

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.

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>

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.

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.

Nuage de points ?

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

Diagramme en batons horizontal ?

• commence l’axe des Y à zéro

• labeliser clairement les 2 axes

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

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

Diagramme à secteurs ?

• segments = 100%

• ordre de grandeur

• éviter surcharge éléments

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

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.)

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,…

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…

une relation ?

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

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

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

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

Mémoire iconique ?

Mémoire rapide

Mémoire à court terme ?

Mémoire limitée

Mémoire à long terme ?

Mémoire qui se construit tout au long de notre vie

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.

quelle caractéristique préattentive est affichée ?

positionnement

types de caractéristiques/attributs pré attentives ?

• Taille

• Position spatiale

• Couleur

les 2 fonctions des caractéristiques préattentives ?

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

- Créer une hiérarchie visuelle de l’information

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.

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.

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

En data visualisation, il faut s’assurer que ?

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