Je fais suite à mon post « Les best practices pour raconter l’histoire derrière les chiffres » en m’intéressant aujourd’hui à la
Visualisation de données ou dataviz
Nous l’avons lu et relu ces derniers temps, « une image vaut mille mots », mais elle vaut surtout un million de lignes de données! Elle permet de naviguer dans la surabondance de data, et d’offrir un point de vue unique sur une information jusque-là illisible.
Le rapport de l’UNECE intitulé « Making Data meaningful » nous donne encore une fois les best practices en la matière :
Quelle visualisation ?
Les analystes disposent de toutes sortes de visualisations, de la plus simple à la plus sophistiquée, mais qu’on utilise un simple Excel ou qu’on maîtrise Tableau Desktop, elles ont toutes en commun de devoir respecter les points suivants :
- Avoir un sujet
- Connaitre son audience
- Aller droit au but
- Comprendre le contexte dans lequel nous communiquons
Les cartes
Elles sont utiles pour illustrer les différences ou similarités dans des régions géographiques, et mettre en évidence des informations difficiles à visualiser dans un graphe ou un tableau.
Les cartes géographiques ont vu leur utilisation se développer avec l’apparition des outils de visualisation de données qui en ont démocratisé l’usage, comme Tableau Desktop. Auparavant coûteuse et compliquée, l’utilisation de logiciels capables de créer des cartes embarquant des statistiques géographiques est désormais à la portée de tous les utilisateurs.
Lorsque j’ai réalisé le Tableau de bord sur la qualité de vie en OCDE, l’utilisation d’une carte pour visualiser la qualité de vie dans l’OCDE s’est imposée d’elle-même.
Dans cet exemple, j’ai utilisé la méthode Choroplèthe, à savoir différentes couleurs ou motifs pour montrer les variations par pays et faciliter les comparaisons.
En ce qui concerne les couleurs, il est généralement admis que plus la couleur est foncée, plus grande est la valeur de la statistique (par ex : densité de population). Mais on peut également utiliser des codes couleurs reconnus de tous, comme par exemple le bleu pour des températures froides.
Dans l’exemple ci-dessus, j’ai utilisé un code couleur universellement reconnu : vert=ok, orange=alerte, rouge=problème. Ce code parfois décrié est pourtant identifiable par tous et permet donc une analyse rapide et pertinente de l’indicateur par son audience !
En remplacement des couleurs, on voit souvent des ronds ou des symboles dont la taille augmente proportionnellement à la valeur de la donnée analysée. Comme dans cette visualisation de David Mccandeless, dans lequel il analyse la présence des femmes au board des entreprises.
Comme toujours dans la visualisation de données, pensez à votre audience et au meilleur moyen de faire passer le message. S’il existe une association de couleurs naturelle dans l’imaginaire collectif, il reste préférable de l’utiliser même au détriment de votre originalité ou de votre propre charte graphique.
Lorsque vient le moment de choisir les couleurs, le moins possible est toujours le choix le plus safe. Et n’oubliez pas d’y adjoindre un titre, une légende et la source des données utilisée.
Les graphiques
Ils peuvent être extrêmement efficaces pour exprimer des résultats clés ou illustrer une présentation mais attention à ne pas en faire un puzzle impossible à reconstruire en voulant utiliser trop de dimensions.
Un bon graphique est un « paragraphe de données » qui
- Permet la comparaison,
- Donne la vue d’ensemble,
- Met en forme l’information principale, sans ajouter de données supplémentaires à assimiler,
- A une mise en forme visuelle logique.
Pour qu’il soit efficace, il est préférable de suivre les recommandations suivantes :
- Nommer les axes,
- Identifier les mesures (%, €, Années, …),
- Utiliser des lignes pleines (au lieu de pointillés ou de formes originales trop distrayantes),
- Eviter les points qui surchargent les lignes, les colonnes, les parts de camemberts, …, et ne changent pas la compréhension de la tendance par exemple,
- Démarrer l’axe des Y au point zéro. Sinon clairement identifier la valeur de départ,
- Indiquer la source de données,
- Donner des définitions si nécessaires et expliquer la méthodologie.
En ce qui concerne les information écrites,
- Se contenter du minimum,
- Eviter les abréviations et les acronymes,
- Ecrire les étiquettes de gauche à droite (oui, cela semble évident, et pourtant …)
- Eviter les légendes sauf sur une carte,
- Utiliser des mots courts.
Et si vous voulez en savoir plus, je vous propose cet article sympa qui montre ce qu’il ne faut pas faire,
et propose les solutions correspondantes : Comment rater un graphique
Les tableaux de données
Contrairement aux graphiques, ils ne sont pas là pour montrer la vue d’ensemble, mais ils viennent en complément d’un texte et représentent des chiffres de façon concise et bien organisée pour faciliter l’analyse, et surtout ils évitent de truffer votre texte de statistiques.
On respectera les règles suivantes :
- Une décimale (si nécessaire) sera suffisante. Deux si vous estimez que cela fera vraiment la différence,
- Utiliser les séparateurs de centaines, de préférence un espace pour éviter la traduction dans plusieurs langues,
- Aligner les chiffres à droite facilite la lecture et la comparaison des données,
- Ne laisser pas de cellule vide qui peut être mal interprétée. Le vide signifie t’il zéro ou non applicable ? A vous de le dire.
- Afficher les données par ordre chronologique quand il s’agit de données temporelles, ou tout autre ordre logique (le nombre d’emails envoyés avant le nombre d’emails ouverts par ex)
- De trop grands tableaux signifient trop de données à analyser. Si nécessaire, compartimenter le tableau pour une lecture optimale,
- Eviter de surcharger le tableau de texte. Un tableau permet de lire des chiffres, pas du texte,
- Contrairement aux graphiques, des « titres de données » sont encouragés à condition d’être courts et descriptif,
- Un code couleur à l’intérieur de votre tableau permettra de donner une dimension supplémentaire à l’information.
Par exemple :
Ceci est un extrait du tableau de données réalisé pour mon post sur les indicateurs de performance Email. Ici pas de « big picture », toutes les données sont disponibles. On voit clairement grâce à la disposition et au code couleur:
- Les top 3 performers (en vert),
- Le secteur ayant la moins bonne performance (en rouge),
- Le positionnement du B2B par rapport aux autres secteurs (sur la première ligne),
- La moyenne de chaque indicateur (sur la dernière ligne).
Et pour finir, si vous avez 20 minutes devant vous, détendez-vous en en apprenant d’avantage sur la dataviz dans cette vidéo avec le même David Mccandeless déjà cité plus haut, The beauty of data visualization
Et bien sur, si cela vous a donné envie d’avoir votre propre tableau de bord ou dataviz, contactez nous !
A bientôt
