Lors du séminaire sur la visualisation des données qui a eu lieu le 31 octobre 2024, plusieurs de ses aspects nous ont été présentés. Les intervenants ont expliqué que la visualisation des données permet de simplifier l’information pour la rendre accessible à tous, ce qui facilite ainsi la prise de décision. L’objectif de la visualisation est de communiquer des informations complexes de manière percutante et d’aider les personnes à interpréter plus rapidement les données. Cet aspect est important dans tous les secteurs d’activité, qu’il s’agisse de la finance, du marketing ou encore des sciences.
Comme le souligne Stephen Few dans son livre, l’objectif principal de la visualisation est de représenter graphiquement des informations qui seraient sinon plus difficiles à appréhender sous forme de textes ou de tableaux. Cette transformation permet de mettre en exergue des modèles et des anomalies de manière visuelle que les données brutes seules ne dévoilent pas forcément.
La visualisation simplifie les données complexes en les décomposant en éléments visuels faciles à analyser. D’après le livre de Colin Ware, notre cerveau est plus apte à identifier des modèles visuels qu’à analyser des données brutes. La structure des visualisations, en particulier les graphiques en réseaux, peut aider les personnes qui les analysent à mieux comprendre les relations complexes entre différents points de données.
Les techniques de visualisation
Pendant la présentation, il a été souligné trois techniques principales de visualisation que nous allons passer en revue :
- Comparaison :
Ce graphique permet, comme son nom l’indique, de comparer facilement des valeurs et des proportions. Les graphiques à barres, par exemple, sont couramment utilisés pour comparer les valeurs entre différentes catégories. Les comparaisons sont souvent simplifiées par l’utilisation de couleurs et de tailles proportionnelles, ce qui améliore l’interprétation rapide des différences entre les différentes variables.
Figure 1: Diagramme en barres affichant des dénombrements de fréquence pour des données d’enquête, Screenshot du site jmp.com, 2024
- Évolution :
Ce type de graphique montre les tendances dans le temps pour une variable. Les graphiques linéaires et en aires sont idéaux pour visualiser l’évolution des données dans le temps. L’ajout de couleurs et d’annotations aux graphiques temporels permet d’attirer l’attention sur certains événements ce qui a pour but de favoriser une compréhension plus nuancée des différentes tendances par exemple.
Figure 2 : Graphique linéaire, Screenshot du site datavizcatalogue.com, 2024
- Corrélation :
Celui-ci met en évidence les relations entre les données. Les graphiques de dispersion permettent de visualiser la relation entre deux variables. En statistiques, la corrélation est mesurée par des coefficients et elle joue un rôle crucial dans énormément de domaines. Ce type de graphiques est particulièrement utile pour mettre en lumière des patterns cachés, ce qui en fait un outil essentiel pour analyser des données complexes.
Figure 3 : Diagramme de dispersion du score synthétique de mathématiques en fonction du QI, Nicolas Gauvrit, 2018
Ces techniques offrent des bases solides pour organiser les données visuellement, de manière claire et efficace.
De plus, la visualisation ne peut se faire sans des outils de visualisation qui permettent de générer ces différents graphiques. Il existe par exemple le logiciel R, Power BI ou encore Excel que l’on connait tous. Pour avoir un aperçu des différents outils qui existent avec leurs avantages, vous pouvez les consulter ici.
« Overview first, zoom and filter, then details on demand”
Avec l’arrivée des technologies numériques, la visualisation interactive est devenue un outil précieux pour l’exploration des données et on ne peut pas parler de visualisation de données sans parler de Ben Shneiderman. Il est très connu dans le milieu et il propose à travers son article « The eyes have it: a task by data type taxonomy for information visualizations » que l’interaction avec les données par le biais de filtres, de zooms et d’autres mécanismes d’exploration dynamique permet aux utilisateurs de découvrir des insights plus profonds. Ces techniques offrent une expérience d’analyse plus engageante et permettent aux utilisateurs de poser leurs propres questions aux données ce qui facilite grandement la personnalisation de l’affichage. Je vous invite vivement à le lire si vous voulez aller plus loin dans ce domaine.
Les défis et limites de la visualisation
Malgré les avantages de la visualisation des données, il existe des défis inhérents auxquels il faut faire attention. Christa Kelleher et Thorsten Wagener ont évoqué dans un article les problèmes d’interprétation lorsque des visualisations sont mal conçues ou trop complexes. Une surcharge d’informations ou un manque de clarté peut en effet produire l’effet inverse et ainsi nuire à l’efficacité des visualisations et cela peut même créer de la confusion chez les utilisateurs. Vous trouverez sur ce blog des exemples de mauvaises visualisations à ne pas reproduire.
Pour terminer, la visualisation de données est bien plus qu’un simple moyen de présenter des informations. C’est avant tout un outil clé pour donner du sens à des données compliquées et prendre des décisions éclairées. Que ce soit pour comparer des éléments, analyser des tendances ou découvrir des relations, elle permet de rendre les données compréhensibles en un coup d’œil.
Bibliographie
FEW, Stephen, 2012. Show Me the Numbers: Designing Tables and Graphs to Enlighten. 2nd. Oakland, CA, USA : Analytics Press. ISBN 978-0-9706019-7-1.
KELLEHER, Christa et WAGENER, Thorsten, 2011. Short communication: Ten guidelines for effective data visualization in scientific publications. Environ. Model. Softw. Vol. 26, no 6, pp. 822‑827. DOI 10.1016/j.envsoft.2010.12.006.
SHNEIDERMAN, B., 1996. The eyes have it: a task by data type taxonomy for information visualizations. In : Proceedings 1996 IEEE Symposium on Visual Languages, pp. 336‑343. septembre 1996. DOI 10.1109/VL.1996.545307.
WARE, Colin, 2004. Information Visualization: Perception for Design: Second Edition. In : Information Visualization: Perception for Design: Second Edition. journalAbbreviation: Information Visualization: Perception for Design: Second Edition
Figures
Diagramme en barres, [en ligne]. Disponible à l’adresse : https://www.jmp.com/fr_fr/statistics-knowledge-portal/exploratory-data-analysis/bar-chart.html [consulté le 17 novembre 2024].
Figure 3-Diagramme de dispersion du score synthétique de mathématiques…, ResearchGate [en ligne]. Disponible à l’adresse : https://www.researchgate.net/figure/Diagramme-de-dispersion-du-score-synthetique-de-mathematiques-PSAT-en-fonction-du-QI_fig1_326106641 [consulté le 17 novembre 2024].
Graphique linéaire – En savoir plus sur cette visualisation et les outils pour la créer, [en ligne]. Disponible à l’adresse : https://datavizcatalogue.com/FR/methodes/graphique_lineaire.html [consulté le 17 novembre 2024].
Laisser un commentaire