• ACCUEIL
  • DIGITAL MARKETING
  • CONTACT
  • MEDIA INSTITUTE
  • NEWSLETTER
  • ACCUEIL
  • DIGITAL MARKETING
  • CONTACT
  • MEDIA INSTITUTE
  • NEWSLETTER
  • ACCUEIL
  • DIGITAL MARKETING
  • CONTACT
  • MEDIA INSTITUTE
  • NEWSLETTER
DataViz : comment s’y prendre?
Partager

DataViz : comment s’y prendre?

3 septembre 2019
-
Posté par Digital21

Aujourd’hui il existe plusieurs outils pour vous aider, vous simplifier le travail avec les données. La bonne nouvelle c’est que beaucoup d’entre elles sont gratuites. Nous pourrions nommer un des premiers dans la queue l’omniprésent Google avec son DataStudio, un outil gratuit jusqu’à une certaine limite de données. Voici plus de joueurs à remarquer : Infogram, Piktochart, DataHero, Rawgraphs, Chart.js… et la liste n’est pas exhaustive. Bien que ces outils aient énormément simplifié la vie, ces systèmes ont toujours besoin des humains qui les auraient dirigés dans le bon sens en donnant les instructions : quelles données à mettre en avant, quels indicateurs à comparer etc. 

Ainsi, une fois les données sont disponibles, c’est la peur de la page blanche qui pourrait nous bloquer. Alors, la première chose à faire est de se poser la question “Pourquoi ces données ont été récoltées, qu’est-ce qu’il y a d’intéressant dans ces données et quelle histoire ces données pourraient nous raconter ?’’ En effet, la partie la plus difficile est d’identifier la question à laquelle vous voulez répondre. Plus la question est concrète, plus claire sera la visualisation. A ne pas paniquer car poser la bonne question ça s’apprend, il y a sa méthodologie selon Ben Fry, l’auteur du livre Visualization Data. Dans son livre il vous guide comment arriver vers la bonne question.

Ben Fry identifie sept étapes dans le processus de visualisation de données : 

Acquérir les données. Cette étape peut être simple, si vous disposez déjà des données sur un format exploitable, par exemple, un fichier texte ou si vous pouvez en avoir accès facilement parce qu’il s’agit des données publiques accessibles sur Internet.  Mais il peut s’avérer que les données ne sont pas disponibles, et la tâche de les récupérer peut être plus complexe.

Analyser. Il s’agit d’établir la relation existante entre les différentes mesures présentes dans les données collectés : par exemple savoir s’il s’agit des étiquettes, des valeurs numériques, des coordonnés géographiques, etc.

Filtrer. Dans cette étape on détermine ce qu’on veut utiliser pour raconter l’histoire, de quoi s’agira la visualisation.

Extraire. On utilise des méthodes statistiques pour obtenir des résultats utilisables pour la création des représentations graphiques. Il peut s’agir de grouper les données, les ranger ou classer.

Représenter.  On commence par une visualisation en utilisant des graphiques courants tels que les diagrammes de barres, lignes, camembert ou autres pour se faire une première idée de comment on peut mieux communiquer les réponses aux questions qu’on veut répondre avec la visualisation.

Raffiner. On commence à travailler avec des graphistes pour arriver à une représentation attirante et claire.

Interagir. On enrichit la visualisation avec la possibilité pour l’utilisateur de naviguer à travers les données retenues lors du filtrage pour comprendre plus des détails associés.

Ce processus de « 7 steps » très complet peut s’avérer nécessaire si vous êtes un data scientiste ou vous faites des visualisations des données pour des projets d’envergure considérables. Dans d’autres cas on peut ne pas avoir besoin de toutes ces étapes ou bien ne pas disposer de temps ou de ressources pour les appliquer. Par exemple, l’étape du raffinement demande typiquement des compétences à la fois dans le graphisme mais aussi dans les outils tels que HTML et CSS qui ne sont pas forcément maîtrisés par tout le monde. Souvent, pour la plupart d’utilisateurs, les possibilités offertes par les outils de visualisation cités tout au début de cet article suffisent.

Il est important de garder à l’esprit les étapes ci-dessous : 

D’abord : en ayant sous la main les données, se poser la bonne question : A quelle question je veux répondre ? Une fois cette question est clairement identifiée, il est possible de suivre un parcours dans les lignes des étapes suivantes :

  • L’analyse initiale des indicateurs

A identifier les variables sur lesquelles on veut baser l’analyse et les tendances qui pourraient exister. Par exemple, y a-t-il une croissance, une décroissance, une corrélation, ou autre lien entre les données qu’il faudra remarquer ? Dans cette étape on fait des itérations pour choisir une liste d’indicateurs candidats qui sont susceptibles de contribuer à l’histoire.

  • Nettoyer et normaliser

 Une fois les indicateurs sont choisis, il faut vérifier que les données qui ont souvent les sources et la provenance variées soient toutes exprimées de la même manière. Par exemple, on utilise toujours le même nom pour une ville ou un pays ? Les unités de mesure ou le format des dates sont-ils les mêmes pour les données provenant des deux côtés de l’Atlantique ? Souvent il y a un travail important à faire pour reformater les données, renommer les colonnes et ainsi finir avec un ensemble de données dont les statistiques ont du sens et expriment les mêmes notions de la même manière.

  • Formuler des hypothèses

 Comme on l’a déjà évoqué, la visualisation arrive quand une simple description de données avec des graphiques ne suffit pas parce qu’il y a les tendances ou les observations qui ne sont pas évidentes au premier abord ou pour un public qui n’aurait pas une familiarité préalable d’analyser les données.  On procède donc à formuler des hypothèses qu’on veut ensuite confirmer ou démentir avec ces données.

  • Vérifier les hypothèses

 Quand on formule les hypothèses et on travaille avec les données pour vérifier si ces dernières correspondent à l’hypothèse formulée, on parle, alors, d’analyse exploratoire, puis qu’on regarde les données de différentes manières, combinant les indicateurs variés pour voir si notre hypothèse est correcte ou bien si on trouve d’autres relations qui peuvent devenir une nouvelle hypothèse. Il arrive qu’on construise des outils de visualisation dont l’objectif est justement de permettre l’exploration des données, comme comparer des pays par rapport à des indicateurs différentes, explorer l’évolution des populations ou adoption des produits, plutôt que suivre une narrative préétablie. L’utilisateur est invité à choisir des variables et à explorer les données pour tirer ses propres conclusions.

  • Choisir une histoire

Un autre type d’analyse est celui qu’on peut appeler explicative. Dans ce cas-là, on décide la narrative de l’histoire à l’avance et la visualisation sert à illustrer et à prouver la conclusion qu’on espère être aussi claire pour l’observateur qui utilise la visualisation.

___

Avez-vous apprécié cet article ?

5/5 - 1 votes au total

Aucune note n'a encore été attribuée 🙁

3 septembre 2019
Email
Aucun commentaire
← ARTICLE PRÉCÉDENT
L’intelligence artificielle dans le secteur du tourisme
ARTICLE SUIVANT →
L'affiliation : un levier du mix marketing délaissé?

Laisser un commentaire

On adore les commentaires !
Cancel Reply

Veuillez patienter...
Envoyer

NEWSLETTER
retina-image

Recevez un récap hebdomadaire ou mensuel, c’est vous qui choisissez !

S'ABONNER 👍
Articles populaires
LES CODES TRADITIONNELS DU LUXE SE SONT-ILS TRANSPORTÉS DANS LE MONDE DU DIGITAL ?
4.7 (15)

LES CODES TRADITIONNELS DU LUXE SE SONT-ILS TRANSPORTÉS DANS LE MONDE DU DIGITAL ?

4.6 (11)

La stratégie omnicanale et le parcours client à Disneyland Paris

4.6 (13)

E-tourisme : l’évolution des modes de consommation des voyageurs

Articles récents
  • Comportements & questionnements des consommateurs face au Marketing d’Influence
    28 février 2023

    Prenons le temps de parler des consommateurs notamment des générations Z et Y qui sont les principales cibles des réseaux sociaux et donc de cette stratégie qu'est le Marketing d'Influence. Notons que dans quelques années seulement, ces catégories de personnes feront parties des deux plus grands groupes de consommateurs de l’hexagone si bien qu’il est essentiel d’améliorer la connaissance de ces catégories pour adapter les expériences clients.

  • L’Intelligence Artificielle : quels sont des champs d’applications stratégiques à moyen et à long terme dans le marketing digital ?
    L’Intelligence Artificielle : quels sont les champs d’application stratégique à moyen et à long terme dans le marketing digital ?
    28 février 2023

    Les champs d'application stratégique de l'intelligence artificielle dans le marketing digital sont nombreux, variés et n’arrêtent pas de grandir. On peut citer par exemple le marketing prédictif, qui permet d'utiliser des algorithmes d'apprentissage automatique pour effectuer des prédictions sur les comportements des clients et leur offrir des expériences personnalisées en temps réel.

  • Croissance des. entreprises avec la personnalisation
    Personnaliser sur son site e-commerce : une précieuse stratégie
    31 janvier 2023

    D’après une étude Salesforce[1], 52% des consommateurs déclarent être susceptibles de changer de …

Pubosphere, blog édité par Media Institute et animé par ses étudiants en stratégie marketing & digitale © Tous droits réservés 2017-2023
Mentions Légales - Politique de cookies - Connexion
DataViz : comment s'y prendre? - Pubosphere
Gérer le consentement aux cookies
Nous utilisons des cookies pour optimiser notre site web et notre service.
Fonctionnel Toujours activé
Le stockage ou l’accès technique est strictement nécessaire dans la finalité d’intérêt légitime de permettre l’utilisation d’un service spécifique explicitement demandé par l’abonné ou l’utilisateur, ou dans le seul but d’effectuer la transmission d’une communication sur un réseau de communications électroniques.
Préférences
Le stockage ou l’accès technique est nécessaire dans la finalité d’intérêt légitime de stocker des préférences qui ne sont pas demandées par l’abonné ou l’utilisateur.
Statistiques
Le stockage ou l’accès technique qui est utilisé exclusivement à des fins statistiques. Le stockage ou l’accès technique qui est utilisé exclusivement dans des finalités statistiques anonymes. En l’absence d’une assignation à comparaître, d’une conformité volontaire de la part de votre fournisseur d’accès à internet ou d’enregistrements supplémentaires provenant d’une tierce partie, les informations stockées ou extraites à cette seule fin ne peuvent généralement pas être utilisées pour vous identifier.
Marketing
Le stockage ou l’accès technique est nécessaire pour créer des profils d’utilisateurs afin d’envoyer des publicités, ou pour suivre l’utilisateur sur un site web ou sur plusieurs sites web ayant des finalités marketing similaires.
Gérer les options Gérer les services Gérer les fournisseurs En savoir plus sur ces finalités
Préférences
{title} {title} {title}