Bien comprendre le potentiel de la Data Visualisation

DataViz : il est compliqué de faire simple

Mais derrière son apparente simplicité, la DataViz n'est pas simpliste.

« Tout le monde connaît les traditionnels camemberts ou les histogrammes. Mais l'intérêt d'un bon logiciel de Dataviz, c'est d'intégrer des représentations plus originales, mieux adaptées au type d'information à représenter et qui apportent une vraie valeur dans l'interprétation des données », souligne Christophe Jouve, Solution Architect chez Qlik .

Le Solution Architect étaye ses propos d'un exemple. « Lorsque vous analysez le chiffre d'affaires de votre réseau de points de vente, c'est intéressant de le représenter sous forme de points de grosseurs variables, sur une carte géographique, et de mettre un code couleur pour voir ceux qui ont atteint leur objectif, par exemple ».

Cet exemple positionne bien la Data Viz comme l'interface graphique la plus ergonomique possible de l'analytique - qu'elle soit dédiée aux métiers, en appui de la Data Discovery ou aux Data Scientists en appui du Data Mining.

La Data Visualisation n'est pas qu'une couche graphique

Raphaël Savy, d'Alteryx, décrit d'ailleurs la Data Visualisation comme « l’étape finale du processus d’analyse des données ». Quel qu'il soit. Le Directeur de l’Innovation de SAS, Mouloud Dey, ajoute qu'elle « permet aussi bien aux experts métiers qu'aux experts analytiques de partager des résultats et des hypothèses ». Pour les Data Scientists, ces analystes experts, « la DataViz est d’un grand secours pour les phases initiales d’une étude », constate Mouloud Dey. La Data Visualisation est donc bien différente du Data Mining, mais elle peut aussi lui être reliée en amont.

Le Directeur de l’Innovation de SAS souligne un autre point. La Data Viz représente des informations, mais elle permet aussi de les « comprendre » et de les « comparer ».

« Les techniques de Data Viz permettent de représenter toutes sortes d’informations [...] et d’en isoler des tendances, des anomalies, des schémas récurrents ou des corrélations. Différents niveaux de filtres et de navigation permettent d’explorer et d’étudier différentes hypothèses, d’apprécier le caractère global ou plus spécifique du domaine d’étude. Mais aussi de comparer ou différencier les situations (Avant / Après, National / Régional, Produit A / Produit B) », répond-il au MagIT.

Un véritable outil décisionnel

Christophe Jouve, de Qlik, confirme en continuant de dérouler son exemple. Une fois les chiffres d'affaires des points de vente d'un réseau modélisés, il est possible d'ajouter les adresses des clients - pour visualiser la zone de chalandise des magasins - et de faire passer la DataViz du stade de simple outil de présentation graphique bien léché à celui de véritable outil décisionnel, pour déterminer de nouvelles implémentations. « Mais pour faciliter l'analyse, il faut que ces graphiques soient dynamiques, qu'ils permettent par exemple de zoomer ou de sélectionner une partie du graphique pour affiner l'analyse. Et que tous les indicateurs et graphes associés, qui s'affichent dans votre tableau de bord, soient recalculés à la volée », prévient le Solution Architect.

Quoi qu'il en soit, pour Mouloud Dey, ces capacités de comparaisons - simples mais de plus en plus puissantes - expliqueraient grandement l'attrait des utilisateurs métiers pour la Data Viz qui, « grâce à des UI appropriées, simplifient et améliorent de nombreux aspects de la phase de Data Discovery ». Et motorise même aujourd'hui la « Modern BI » telle que décrite par le Gartner.