Exemples et astuces pour créer des représentations graphiques

1. VISUALISER L‘INFORMATION
L INFORMATION
Exemples et astuces pour créer des représentations graphiques
Unemployment rate - 2011
8
10
6
9,5
4
9
   
2 8,5
0 8
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov
Maximilien Kintz, Lyon, jeudi 16 février 2012
© Fraunhofer

2. Twitter Traces
Harald Bosch, 2011, Université de Stuttgart
© Fraunhofer
2

3. Pourquoi apprendre à visualiser l‘information ?
 Offrir un meilleur niveau de compréhension des données
 Permettre de voir l‘invisble
 Et aussi : données de plus en plus diverses, nombreuses…
Mais…
Mais
 Pièges à éviter
 Le monde est plein de mauvais exemples
 Pas facile de faire simple et efficace
 Besoins de règles et bonnes pratiques, y compris avec les logiciels usuels
© Fraunhofer

4. AU SOMMAIRE…
 Présentation du Fraunhofer IAO
 Visualisation de l‘information : historique et définitions
 Quelques grands principes
 Créer des représentations graphiques simples
 Quelques règles
 Bons et mauvais exemples
 Sources
 Résumé et conclusion
© Fraunhofer
4

5. AU SOMMAIRE…
 Présentation du Fraunhofer IAO
 Visualisation de l‘information : historique et définitions
 Quelques grands principes
 Créer des représentations graphiques simples
 Quelques règles
 Bons et mauvais exemples
 Sources
 Résumé et conclusion
© Fraunhofer
5

6. Fraunhofer Gesellschaft
Fraunhofer-Gesellschaft
Partner for Innovations
© Fraunhofer IAO, IAT University of Stuttgart

7. Profile of Fraunhofer-Gesellschaft
 Founded: 1949
 18 000 employees
 More than 80 research institutes,
of which 60 operate as independent profit centres
 Europe: Brussels (Belgium), Moscow (Russia),
Budapest (Hungary), Jönköping (Sweden),
p ( g y), p g( ),
Bolzano (Italy), et al.
USA: Boston (Massachusetts), Pittsburgh
(Pennsylvania),
Plymouth (Michigan) Providence (Rhode Island),
(Michigan), Island)
College Park (Maryland), Peoria (Illinois)
Asia: Ampang (Malaysia), Beijing (China), Jakarta
(Indonesia), Koramangala Bangalore (Indien), Seoul
(Korea), Singapore, Tokio (Japan)
Middle East: Dubai (United Arab Emirates),
Cairo (Egypt)
© Fraunhofer

8. Joseph von Fraunhofer Fraunhofer-Gesellschaft
(1787 - 1826) (since 1949)
Discovery of the
Di f h Researcher e.g. the President´s
h P id ´
»Fraunhofer Lines« German Future Award in 2004
in the solar spectrum for electrical biochip technology
New methods for Inventor e.g. two new patent
lens processing applications every working day
Managing partner of Entrepreneur e.g. ~ € 463 million revenues from
the Royal Glass Factory industry (approx 4000 contracts) per
(approx.
year
© Fraunhofer

9. Profile of Fraunhofer-Gesellschaft
 Annual research budget: 1.65 billion Euros*
 Including approx. 1.4 billion Euros for contract
research*
 Roughly over 70% of this sum is generated through
 Projects commissioned by industry and
 Publicly funded research projects
y p j
 Roughly 30% is provided by the German state and
federal governments for advanced research
(looking at issues that will be of concern to the economy
and society in general in five or ten years time).
 * Figures for 2010
© Fraunhofer

10. Profile of Fraunhofer-Gesellschaft
 Research & Development
 Applied research to the direct benefit of private
and public enterprises and of interest to the society
 Applied research
 Research on behalf of the German Federal Ministry
of Defence
 Entrepreneurial mindset
 Institutes operate as profit centres
 Spin-offs by Fraunhofer researchers are actively
supported
 Contract partners / Customers
 Industrial and service companies
 Public sector
© Fraunhofer

11. Alliances
within Fraunhofer-Gesellschaft
Fraunhofer Gesellschaft
 Information and Communication Technology*
 Life Sciences
 Light & Surfaces
g
 Microelectronics
 Production
 Materials and Components
 Defence and Security
 * Membership of Fraunhofer IAO
© Fraunhofer

12. Frontline Themes
Tomorrow s
Tomorrow´s Opportunities
 Personal health assistant – the electronic guardian angel
 Bio-functional surfaces – High tech with a sensitive skin
 Food chain Management – Always fresh on the table
g y
 Decentralized integrated water – Saving precious water
 Energy-efficient modernization – More than just a façade
 Solid-state light sources – Bright and efficient illumination
 Energy storage in power grids – Solar- and wind-generated
electricity on demand
 Green power train technologies – New impetus for eco-friendly cars
eco friendly
 Energy self-sufficient sensors and sensor networks – Vigilant clusters
 Visual analytics – A clear overview in the data jungle
 Hybrid material structures – Combining the best of the best
 Integrated localization technology – On the move – quick and safe
© Fraunhofer

13. 
© Fraunhofer IAO, IAT University of Stuttgart

14. Profile of IAO and IAT
www.iao.fraunhofer.de – www.iat.uni-stuttgart.de
www.iat.uni stuttgart.de
 Founded: IAO – 1981
IAT – 1991
 Head of Institute: Prof. Dr.-Ing. Dr.-Ing. E.h.
Dieter Spath
 Budget: 31,5 million Euro, of which 33%
are generated from industrial
contracts
 Staff: 480 employees
 Figures from 2010, including IAT University of Stuttgart
© Fraunhofer

15. Aerial of the Institute Campus in Stuttgart
Fraunhofer IAO and IAT University of Stuttgart
© Fraunhofer IAO, IAT University of Stuttgart

16. The Pillars of Success
Our Areas of Expertise
 Corporate Development and Work Design
Future oriented corporate development I Design of productive work
environments I Interconnect processes efficiently
 Service and Human Resources Management
Make the most of employees’ potential I Target-oriented competence
development I Services with a strong customer focus
 Engineering Systems
Advance Virtual Engineering systematically I Design ergonomics into technical
systems I Rethink the concept of mobility
 Information and Communication Technology
Design intuitive interactive systems I Apply process innovation successfully I
Exploit the full p
p potential of IT
 Technology and Innovation Management
Strengthen innovation capabilities I Develop technology strategies I
Enhance R&D performance
© Fraunhofer

17. Laboratories, Demonstration
and Consulting Centres
Virtual Reality Lab with HyPI 6 (6-wall-Cave), »PIcasso« and Powerwall
Vehicle Interaction Lab Lampo II ServLab
© Fraunhofer

18. Laboratories, Demonstration
and Consulting Centres
Lab Innovation Center (LIC) Office Innovation Center (OIC)
Visual Enterprise Management »Bank and Future« Showcase
( SU )
(VISUM)
© Fraunhofer

19. Laboratories, Demonstration
and Consulting Centres
Interaction Lab Electronic Business Innovation Center
Usability Lab with Visualisation Room and Eye Tracking System m-Lab: Mobile Software Applications
© Fraunhofer

20. Laboratories, Demonstration
and Consulting Centres
LightFusionLab Model Factory
Ergonomy Media Enabled Enterprise Lab New Media Communication Lab
© Fraunhofer

21. Laboratories, Demonstration
and Consulting Centres
»FutureHotel« Showcase »Care 2020« Showcase
© Fraunhofer

22. www.iao.fraunhofer.de
 blog.iao.fraunhofer.de
 wiki iao fraunhofer de
wiki.iao.fraunhofer.de
 m.iao.fhg.de
 https://shop.iao.fraunhofer.de
p p
 www.iao.fraunhofer.de/presse-und-medien/407-rss
i f h f d / d di /407
 https://informationen.iao.fraunhofer.de
© Fraunhofer

23. Webmining Cockpit
© Fraunhofer

24. Ontologie de l‘artisanat en Allemagne
© Fraunhofer
24

25. AU SOMMAIRE…
 Présentation du Fraunhofer IAO
 Visualisation de l‘information : historique et définitions
 Quelques grands principes
 Créer des représentations graphiques simples
 Quelques règles
 Bons et mauvais exemples
 Sources
 Résumé et conclusion
© Fraunhofer
25

26. 6200 av. JC
Carte de Çatalhöyük (Turquie)
Reconstitution
© Fraunhofer
26

27. 3000 av. JC
Tablette d‘Uruk (Mésopotamie) : distribution de grain au temple (?)
Metropolitan Museum of Art
© Fraunhofer
27

28. 50 av. JC
Zodiaque de Dendérah, Égypte
Musée du Louvre
© Fraunhofer
28

29. XVIIe
Descartes
Graphes 2D de fonctions mathématiques
© Fraunhofer
29

30. XVIIIe
William Playfair, Écosse
Diagrammes en colonnes, en lignes et circulaires
© Fraunhofer
30

31. XVIIIe
Importations et exportations de l‘Écosse 1780-1781 (1786)
p p
William Playfair, Écosse
Diagrammes en colonnes, en lignes et circulaires
© Fraunhofer
31

32. XIXe
Carte du Dr. Snow, épidémie de choléra à Londres, 1854
© Fraunhofer
32

33. XIXe
Carte fi
C t figurative des pertes successives en hommes de l'A é F
ti d t i h d l'Armée Française
i
dans la campagne de Russie 1812-1813 (1869)
Charles Joseph Minard, ingénieur civil francais
© Fraunhofer
33

34. 1932
Plan du métro de Londres, Harry Beck
© Fraunhofer
34

35. 1967
Jacques Bertin
Cartographe francais
1967
Sémiliogie graphique
Théorie et définitions
© Fraunhofer
35

36. 1977
John Tukey, statisticien
Boîtes à moustaches
1er quartille
q 3e quartille
q
Minimum Médiane Maximum
ou… ou…
© Fraunhofer
36

37. 1983
Edward Tufte
The Visual Display
of Quantitative Information
Chartjunk
Data-ink ratio
Lie factor
…
cf. plus tard
© Fraunhofer
37

38. Années 1990
Ben Shneiderman, Treemaps (ici : Newsmap) pour données hierarchisées
© Fraunhofer
38

39. 2005 – Sparklines
Tufte, visualisations intenses,
de la taille d‘un mot
Intégration dans tableaux ou texte
Possibilité d‘indiquer clairement
la valeur courante et le cadre des
valeurs acceptables
l bl
© Fraunhofer
39

40. 2005 – Sparklines
Eytan Adar et al., Why We Search: Visualizing and Predicting User Behavior, 2007
© Fraunhofer
40

41. 2005 – Bullet graphs
100%
80%
Excellent
60%
Bon
Moyen
40%
Courant
Objectif
20%
0%
Pommes Poires
Stephen Few
p
Différence objectif / courant
Bullet graph vertical possible avec Excel
© Fraunhofer
41

42. 2011 – Gestaltlines
Ulrik Brandes and Bobo Nick, Asymmetric Relations in Longitudinal Social Networks, 2011
© Fraunhofer
42

43. Visualisation de l‘information
Classification
Visualisation
Visualisation de données
Visualisation
i li i
Visualisation
de
scientifique
i tifi
l‘information
© Fraunhofer
43

44. Visualisation ou Visualisation de données
Définition
La visualisation ou la visualisation de données couvre
tous les types de représentations visuelles qui facilitent
l‘exploration, l
l l i l‘analyse et l communication d d
l la i i de données.
Les termes visualisation de l‘information et
visualisation scientifique désignent des
sous-ensembles d la visualisation d d
bl de l i li ti de données.
é
S. Few, Now You See It, Analytics Press, 2009.
© Fraunhofer
44

45. Visualisation de l‘information
Définition
La visualisation de l‘information est l‘utilisation de
représentations visuelles, interactives et assistées par
ordinateur d d
di de données abstraites pour f ili
b i faciliter l
la
cognition.
S. Card, J. Mackinlay, B. Shneiderman,
Readings in Information Visualization, Academic Press, 1999.
© Fraunhofer
45

46. Visualisation scientifique
Définition
Par opposition, la visualisation scientifique est la
représentation visuelle de données scientifiques
physiques.
h i
S. Card, J. Mackinlay, B. Shneiderman,
Readings in Information Visualization, Academic Press, 1999.
© Fraunhofer
46

47. Visualisation scientifique
Définition
La visualisation est une méthode de calcul. Elle
transforme le symbolique en géométrique et permet aux
chercheurs d b
h h d‘observer lleurs simulations et calculs. La
i l i l l
visualisation propose des méthodes pour voir l‘invisible.
McCormick, B.H., T.A. DeFanti, M.D. Brown, Visualization in Scientific
Computing,Computer Graphics Vol. 21.6, November 1987
© Fraunhofer
47

48. Visualisation scientifique
Définition
La visualisation scientifique concerne l‘exploration de
données et d‘informations de telle sorte qu‘il est possible
de
d comprendre l d
d les données. Son b est d ff i un
but d‘offrir
meilleur niveau de compréhension des données et
d encourager
d‘encourager de nouvelles découvertes en s‘appuyant sur
s appuyant
la capacité des humains à visualiser.
K.W. Brodlie, L.A. Carpenter, R.A. Earnshaw, J.R. Gallop, R.J. Hubbard, A.M.
Mumford, C.D. Osland, P. Quarendon, Scientific Visualization,Techniques
and Applications,Springer-Verlag, 1992.
Applications,Springer Verlag,
© Fraunhofer
48

49. Visualisation scientifique
Définition
Une définition simple de la visualisation peut être
l‘association (mapping) de données à des représentations
qui peuvent être percues. Les types d
i d‘associations
i i
peuvent être visuels, auditifs, tactiles etc., ou une
combinaison de ceux ci
ceux-ci.
J. Foley and B. Ribarsky, Next-generation Data Visualization Tools, in
Scientific Visualization, 1994, Advances and Challenges, Academic Press.
© Fraunhofer
49

50. AU SOMMAIRE…
 Présentation du Fraunhofer IAO
 Visualisation de l‘information : historique et définitions
 Quelques grands principes
 Créer des représentations graphiques simples
 Quelques règles
 Bons et mauvais exemples
 Sources
 Résumé et conclusion
© Fraunhofer
50

51. Pipeline de la visualisation
Données (bases, simulations, capteurs…)
Acquisition
Données brutes
Filtrage
Données de visualisation
Association (mapping)
Représentation pouvant être rendue
Données
D é Rendu
Processus Visualisation
© Fraunhofer
51

52. Principes de la forme
Gestaltprinzipien
Christian von Ehrenfels, Autriche, 1912
Max Wertheimer, Allemagne, 1923
 Bonne forme
 Bonne continuité
 Proximité
 Similitude (forme taille couleur orientation)
(forme, taille, couleur,
 Clôture
 Destin commun : des parties en mouvement ayant la même trajectoire
p y j
sont perçues comme faisant partie de la même forme.
Ces lois agissent en même temps et se concurrencent !
© Fraunhofer
52

53. Bonne forme
Un ensemble de parties informe (comme des
groupements aléatoires de points) tend à être perçu
d’abord (
d b d (automatiquement) comme une forme, cette
i ) f
forme se veut simple, symétrique, stable.
© Fraunhofer
53

54. Bonne continuité
© Fraunhofer

55. Bonne continuité - conséquences
5
4
3
2
1
0
1 2 3 4
© Fraunhofer
55

56. Similitude : forme
© Fraunhofer
56

57. Similitude : taille
© Fraunhofer
57

58. Similitude : couleur
© Fraunhofer
58

59. Similitude : couleur - conséquences
5
4
3
2
1
0
A B C D
© Fraunhofer
59

60. Similitude : orientation
© Fraunhofer
60

61. Proximité
© Fraunhofer
61

62. Proximité – conséquences
Nom Prénom Année
Minard Charles Joseph 1869
Playfar William 1786
Tufte Edward 1983
© Fraunhofer
62

63. Clôture
© Fraunhofer
63

64. Combinaisons et priorités
© Fraunhofer
64

65. Combinaisons et priorités - conséquences
Nom Prénom Année
Minard Charles Joseph 1869
Playfar William 1786
Tufte
T f Edward
Ed d 1983
© Fraunhofer
65

66. AU SOMMAIRE…
 Présentation du Fraunhofer IAO
 Visualisation de l‘information : historique et définitions
 Quelques grands principes
 Créer des représentations graphiques simples
 Quelques règles
 Bons et mauvais exemples
 Sources
 Résumé et conclusion
© Fraunhofer
66

67. Couleurs
 Saturation (couleurs vives ou fades) ou valeur (couleurs claires ou
sombres) : ordre mais pas de valeur
 Teinte : pas d‘ordre
d ordre
1 ?
© Fraunhofer
67

68. Couleurs
Daltonisme : environ 10 % des hommes, 1 % des femmes
 Éviter les combinaisons rouge / vert
 Ne pas utiliser la couleur comme seul discriminant
Illustration : http://blog robbowley net
http://blog.robbowley.net
© Fraunhofer
68

69. Précision
 Longueur : précis, grille possible pour aider
 Position 2D (x, y) : précis, grille possible
 Angles, surfaces : pas précis, possible, grille pas possible
 Volumes : quasi impossible
=1
=?
=?
=1
© Fraunhofer
69

70. Précision : conséquences
 Pas de 3D (sauf cas très particuliers)
 Pas de visualisation de données simples avec des surfaces ou des angles
 Privilégier diagrammes en lignes, en colonnes…
8
6
4
 
2
0
© Fraunhofer
70

71. Shame on Fox News
© Fraunhofer
71

72. Automne 2012 à Stuttgart…
Bleu: 1,747 milliards, rouge: 1,229 milliards  différence: 40% !
© Fraunhofer
72

73. Même sans 3D…
3 8
7 6
4
4
2
0
5
© Fraunhofer
73

74. Shame on Fox News… again!
Unemployment rate - 2011
p y
10
9,5
9
8,5
8
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov
© Fraunhofer
74

75. Rapport données / encre (Data-ink ratio)
Avant tout, montrez les données !
Rapport données / encre = proportion du graphique dédié à la présentation,
sans redondance de données informatives
redondance,
= encre utilisée pour présenter des données / encre utilisée en tout pour
imprimer le graphique
Encre qui présente des données
Rapport données / encre =
Encre utilisée pour i
E tili é imprimer l graphique
i le hi
© Fraunhofer
75

76. Redondance inutile
50 50
42
40 40
30 30
20 20
10 10
0 0
A A
© Fraunhofer
76

77. Chartjunk
Déchets graphiques
Ne pas distraire, ne pas déformer, ne pas masquer les données
Le plus simple est souvent le mieux…
© Fraunhofer
77

78. Coefficient de distorsion (Lie factor)
Différence en valeur : (27,5 - 18) / 18 : 53 %
Différence en représentation : (5,3 - 0,6) / 0,6 : 783 %
Coefficient de distorsion : 783 / 53 = 17,8
© Fraunhofer
78

79. Tableaux
Bordures et espacement :
 Utiliser l‘espacement pour séparer les valeurs
 É
Éventuellement, utiliser des couleurs de fond discrètes
 Éventuellement, utiliser des bordures discrètes (grises)
Alignement :
 Aligner les nombres à droite précision constante
droite,
 Aligner les dates à gauche, format qui donne une taille constante
 Aligner le texte à gauche
g g
 Aligner les en-têtes de colonnes comme le contenu
 Répeter les en-têtes sur chaque page
© Fraunhofer
79

80. Devise de la recherche visuelle d‘information
1996, Ben Shneiderman
1. Vue d‘ensemble
2. Zoomer et filtrer
3.
3 Détails à la demande
© Fraunhofer
80

81. Vue d‘ensemble > Zoomer et filtrer > Détails à la demande
1430 actions, cours à la clôture des marchés, 52 semaines
© Fraunhofer
81

82. Vue d‘ensemble > Zoomer et filtrer > Détails à la demande
© Fraunhofer
82

83. Vue d‘ensemble > Zoomer et filtrer > Détails à la demande
Logiciel : TimeSearcher (gratuit pour usage non commercial)
© Fraunhofer
83

84. Exercice
Source : S. Few, Show Me The Numbers
© Fraunhofer
84

85. Années ? Monnaie ?
Exercice
Grille 3D
ll Grille inutile
Fond gris
Trop d‘indications
sur l‘axe
Objets 3D
Précision inutile !
Données discrètes reliées
Trimestres mis
en avant ?
Trop de catégories
Orientation
Source : S. Few, Show Me The Numbers
© Fraunhofer
85

86. Exemple de solution
 Relier par un trait les
variables continues
 Associer par les couleurs
les capacités identiques
 Trois graphiques clairs plutôt
qu‘un seul chargé
 Axes aussi simples que possible
 Échelle adaptée
Source : S. Few, Show Me The Numbers
© Fraunhofer
86

87. AU SOMMAIRE…
 Présentation du Fraunhofer IAO
 Visualisation de l‘information : historique et définitions
 Quelques grands principes
 Créer des représentations graphiques simples
 Quelques règles
 Bons et mauvais exemples
 Sources
 Résumé et conclusion
© Fraunhofer
87

88. Jacques Bertin
© Fraunhofer
88

89. Edward R. Tufte
© Fraunhofer
89

90. Stephen Few
© Fraunhofer
90

91. Stephen Few
© Fraunhofer
91

92. Robert L. Harris
© Fraunhofer
92

93. David McCandless
© Fraunhofer
93

94. 2000
McCandless : l‘esthétique avant l‘information
© Fraunhofer
94

95. Sources – Sites Web et cours
http://www.perceptualedge.com/ (lettre d‘information)
http://www.edwardtufte.com (forum)
http://infosthetics.com/
http://junkcharts.typepad.com/
http://www.excelcharts.com/blog/
http://www excelcharts com/blog/
http://www.informationisbeautiful.net/
Cours d‘introduction aux systèmes graphiques interactifs et
cours de visualisation, Prof. T. Ertl, Université de Stuttgart
© Fraunhofer
95

96. AU SOMMAIRE…
 Présentation du Fraunhofer IAO
 Visualisation de l‘information : historique et définitions
 Quelques grands principes
 Créer des représentations graphiques simples
 Quelques règles
 Bons et mauvais exemples
 Sources
 Résumé et conclusion
© Fraunhofer
96

97. À retenir
 Montrer les (bonnes) données, faire passer le message
 Séparer décoration et information
 3D jamais utile, souvent nuisible
 Privilégier les lignes droites aux courbes, les longeurs aux surfaces
 Alléger ce qui peut l‘être éviter la redondance les grilles qui
l‘être, redondance,
emprisonnent les données
 Attention aux couleurs
© Fraunhofer
97

98. Maximilien Kintz
Chercheur et consultant Fraunhofer IAO
consultant,
Web and Business Intelligence
Fouille, analyse et présentation de données sur Internet
maximilien.kintz@iao.fraunhofer.de
Nobelstr. 12, 70569 Stuttgart (Allemagne)
Twitter @webintelligenz
http://www.innovation-mining.net/
+49 711 970-2182
© Fraunhofer