La Data Visualization, souvent appelée « Dataviz », est l’ensemble des techniques qui permettent la transformation visuelle et la synthétisation de données brutes pour les faire parler.
Le saviez-vous?
La « Dataviz » est un procédé de transmission de l’information qui remonte à plusieurs siècles.
Au XVIIIe siècle, l’ingénieur et économiste William Playfair invente l’histogramme, le diagramme circulaire et les séries temporelles, 3 types simples de graphiques toujours largement utilisés de nos jours.
Aujourd’hui, la Dataviz est présente partout, que ce soit dans le dernier rapport d’Analyse de votre site web ou dans les médias les plus mainstream. C’est également un puissant outil de communication que l’on peut mettre à profit en Data Science.
Imaginons le cas où vous venez de terminer une analyse exhaustive d’une base de données comportant les achats et les caractéristiques de nombreux consommateurs. Au cours de votre analyse vous avez dû remarquer tout un tas d’informations très utiles, par exemple, l’impact de la stratégie de promotion décidée par votre entreprise. Vous avez sûrement défini des indicateurs de performance pour crédibiliser votre analyse. Vous vous retrouvez donc avec une quantité importante d’informations chiffrées qui en l’état sont difficilement compréhensibles de tous.
Comment résumer votre analyse de manière intelligible et claire sans passer par des tableaux chiffrés indigestes?
C’est là que la Dataviz entre en scène. La visualisation de données vous offrira un ensemble de techniques permettant la transformation de données brutes et souvent complexes en représentations visuelles accessibles afin de les rendre compréhensibles rapidement au plus grand nombre.
En utilisant des graphiques comme des diagrammes circulaires ou des histogrammes vous parviendrez à synthétiser, organiser votre analyse.
De plus, l’accès aux données devient plus rapide, pertinent et facilite leur partage et leur utilisation par différentes branches.
Vous pourrez raconter l’histoire de votre analyse, faire appel à ce qu’on nomme du storytelling. Mieux qu’illustrer il faut dérouler, à l’aide des outils qu’offre la dataviz les étapes de votre raisonnement jusqu’à la conclusion.
Comment faire de la Dataviz avec Python?
Python s’est imposé comme le langage à utiliser, ces dernières années, pour explorer et analyser des ensembles de données.
L’un des avantages de Python est de pouvoir utiliser ce même langage gratuit et open-source pour de nombreuses tâches de Data Science comme l’exploration de données, l’analyse statistique, le Machine Learning et la visualisation de données.
Matplotlib est la première bibliothèque Python permettant de générer et gérer plusieurs types de graphiques, de manière assez simple et ordonnée.
C’est également la plus utilisée en Data Science avec Python, et la plus répandue dans les formations à la Data Vizualisation.
De nombreuses autres bibliothèques, s’appuyant sur Matplotlib, ont vu le jour permettant de moderniser les graphiques et de rendre encore plus simple leur création.
C’est le cas notamment de Seaborn, très appréciée pour ses graphiques statistiques et sa simplicité déconcertante.
Cette bibliothèque s’utilise en complément de Matplotlib. Pour la gestion avancée du design de votre graphique ; titres, cadre, axes; Matplotlib se révélera indispensable tandis que Seaborn sera plus appréciée pour son esthétique.
