Data Visualisation : 5 conseils de Dataviz pour améliorer votre storytelling

4 min

Avoir accès à de la donnée c’est bien, l’analyser c’est mieux, mais savoir représenter ces analyses grâce à des modèles pertinents et efficace c’est préférable. C’est le travail de la data visualisation.

Dans cet article, nous allons voir comment mettre la dataviz au service d’un storytelling efficace !


La réussite de la dataviz dépend fortement des outils, techniques et modèles mis en place avec ingéniosité pour afficher le plus efficacement un résultat de data analyse. 

 

Or toutes les techniques et tous les moyens de visualisation ne se valent pas : certains sont adaptés uniquement à certaines situations, d’autres sont peu pertinents ou trop simplistes : le travail de Data Analyst est de savoir quelle dataviz choisir pour optimiser les résultats.

 

Voici 5 conseils de data visualisation pour améliorer votre storytelling.

Conseil 1 : La visualisation de données doit s’adapter à son audience et à son but

Savoir à qui l’on s’adresse est extrêmement important avant de commencer à construire sa dataviz. Différents publics ne réagiront pas de la même manière face aux mêmes visualisations. Par exemple si le public n’a pas de connaissances en mathématiques, afficher un diagramme à moustache ne sera pas pertinent car personne ne sera apte à le comprendre.

La subtilité du data analyst est alors de trouver le moyen d’optimiser la sphère de compréhension pour qu’elle soit adaptée à tous ceux qui sont concernés.

Par exemple, la visualisation ci-dessous n’est absolument pas adaptée à un public non-compétent en mathématiques et en représentation spatiale: le storytelling n’est pas adapté.  

Similairement il est impératif de connaître son but et l’information clé que l’on souhaite délivrer. Trop d’informations ou une mauvaise focalisation vont nuire à la bonne compréhension des visualisations en détournant l’attention du public sur des détails inutiles par exemple.

Il faut parfois savoir faire preuve de simplicité pour transmettre au mieux des informations et analyses percutantes.

La multiplicité d’acteurs rend ce graphique globalement illisible, à part peut être 3 acteurs il est impossible de différencier les autres qui se trouvent noyés par l’information.

Conseil 2 : Choisir la bonne visualisation à associer à ses données

Il y a une quasi-infinité de visualisations possibles, et certains sont arrivés à trouver des moyens particulièrement efficaces de visualiser la data. Pour atteindre certains objectifs, et mettre en pratique les conseils que nous venons de voir ensemble plus haut, il faut savoir faire le bon usage des bons outils.

  • Graphique à barres: Ils font partie des visualisations les plus communes. Ils sont particulièrement efficaces pour comparer quelques éléments au sein de la même catégories. Par exemple le nombre de ventes de quelques produits sur une année. 

  • Diagrammes: ils sont utiles pour visualiser la tendance dans une valeur chiffrée ou sur une échelle de tempsCe serait par exemple la visualisation à choisir pour montrer l’évolution d’un PIB d’un pays sur 10 ans. 

  • Nuage de points: Ils servent à mettre en exergue la relation entre deux variables. On peut comparer par exemple la richesse d’un pays et son taux de natalité grâce à cette visualisation. 

  • Graphique circulaire: aussi appelé camembert, ce graphique permet de comparer d’un clin d’œil les proportions au sein d’une population. On pourra par exemple afficher les différents opérateurs téléphoniques dans un pays pour voir les leaders et les challengers. 

 

Il est possible de mélanger plusieurs de ces graphiques pour répondre à une thématique donnée.

Il faut garder en tête que ce ne sont que des exemples relativement basiques et que les thématiques métiers peuvent faire appel à des outils beaucoup plus complexes et détaillés.

Conseil 3 : Il faut veiller à garder une visualisation simple

Parfois l’option la plus efficace notamment d’un point de vu du storytelling est également la plus simple. Il ne faut pas omettre des informations mais savoir lesquels sont nécessaires et lesquels sont superflues. 

En Data Visualisation, le superflu peut très vite être néfaste.

Les graphiques à barre en 3D sont par exemple souvent une perte de temps et d’information car plus difficile sur l’oeil. En effet la 2D rend plus facile la comparaison entre plusieurs barres sans piéger l’oeil. Dans le graphique ci-dessous, difficile de savoir si les bananes et les oranges sont au même rang…

Conseil 4 : Comprendre l’importance du texte dans la visualisation

La dataviz ce n’est pas que des chiffres. Le texte apporte souvent un contexte important pour le lecteur et le storytelling.

Dans la majorité des cas, les légendes sont vitales pour la bonne compréhension des graphiques en data visualisation. Les titres, sous-titres et textes explicatifs permettent également de situer la visualisation et facilitent le parcours de compréhension du lecteur.

Quelques conseils pour le texte au sein d’un graphique:

  • Il faut essayer d’utiliser des phrases courtes, la dataviz doit parler d’elle-même la plupart du temps

  • N’écrire que lorsque cela est nécessaire et sans se répéter, encore une fois, il faut le moins de texte possible. 

  • Il faut éviter d’utiliser des polices ou des couleurs qui peuvent déranger le lecteur

Globalement ce qu’il faut retenir c’est que les textes sont là pour accompagner son parcours, pas le gêner.

Conseil 5 : Savoir utiliser la couleur

Cela peut sembler évident pour apporter une visualisation moins morne et plus attrayante.

La couleur joue également un rôle clé dans la compréhension et l’appréciation du lecteur envers l’analyse qu’elle procure.

Déjà car elle participe à la compréhension globale du lecteur: un flèche verte signifie une augmentation ou diminution positive tandis que son équivalent rouge signifie quelque chose de stérile dans l’imaginaire commun. Dès lors adapter sa palette de couleur devient un enjeu de compréhension voire de tromperie dans certains cas. 

 

Il est également possible de “manipuler” le discours d’une analyse grâce à ceci.

Ce graphe annonce une hausse du cours de l’action de 6%! , et pourtant sa couleur rouge nous fait comprendre un message négatif: nous pourrions être trompés.

 

 

En somme, c’est l’articulation de chacun de ces éléments qui élèvera une visualisation. Avoir l’analyse et la donnée ne sert à rien si celle-ci n’est pas mise en avant de manière intelligente et intelligible la dataviz est essentielle. 

Envie d’apprendre à mettre la dataviz au service d’un meilleur storytelling ? De découvrir toutes ses possibilités ? Notre formation Data Analyst est faite pour vous !

Présentation d'un prgramme informatique symbolisant le style transfer par des technologies dedeep learning
Deep Learning

Deep learning & Style transfer

Avez-vous déjà souhaité pouvoir peindre comme Van Gogh? Reproduire l’esthétique de Monet dans des paysages modernes? Dans cet article, nous allons vous présenter une technique

Lire plus »