2016/2017
Oussama TALEB - Nouha BARNAT - Noureddine BOULANOUAR
Combien de 7 ??
1757896347859654136975258
5487859120352037892007588
1478852147250937896523587
1478234796538756995775202
Combien de 7 ??
1757896347859654136975258
5487859120352037892007588
1478852147250937896523587
1478234796538756995775202
Réponse:16
Faire
Parler
les données
Introduction
...Quand voir , c’est comprendre ou penser
SOMMAIRE
#1 Présentation de DATA Visualisation
#2 Technique et les outils de la DataViz
#3 DataViz appuie la prise de décision
#4 Etude de cas « Software »
Visualisation d’information
Idée
1782 1861 1869 1933
Comparer la taille des villes Tableau poléométrique,
Charles de Fourcroy
Carte des pertes de l’armée napoléonienne durant la
campagne de Russie
Origine de la viande
vendue à Paris
Plan du metro londonien,
Harry Beck
Dataviz... Ce n’est pas nouveau !
Visualisation: 3 domaines
Visualisation
Scientifique
Cartographie
Visualisation
d’information
2000 ans d’histoire
25 ans d’histoire
15 ans d’histoire
Visualisation: 3 disciplines
Design
Informatique
Psychologies
Visualisation : Bénéfices
« Accès aux données »
« Ergonomie » « Rapidité »
« Partage »
Perception temporelle
 Temps de réaction: 200ms pour initier une observation attentive et consciente
 Stimuli séparés de moins de100ms non perçus
Acuité visuelle (un œil en vison de loin)
 Ligne détectable à partir de 0,5" d’arc
 Espace entre lignes détectable à partir de 30" à1’
Vision : contraintes physiologiques
http://blog.santelog.com/
La couleur, une variable visuelle très particulière
Couleur et Visualisation
Couleurs et Visualisations
Compréhension
Densifier
Composantes et codage de la couleur
 RGB non directement interprétable en termes cognitifs
 Nuance (Hue) + Saturation + Luminance  codage recommandé
Codage colorimétrique de l’information
 Teinte  codage qualitatif: différences de sens, de catégorisation
 Luminance & intensité  codage quantitatif: différences de valeurs
 Codage pré-attentif
Couleurs et visualisations
4 au maximum dans un display + une couleur neutre (le fond) et une couleur d’alerte / affichage critique
Pas +10 couleurs sur l’ensemble de l’interface
Eviter le bleu saturé pour des affichages critiques, les caractères ou objets de petite taille
Le bleu périphérique (encadrement) améliore la vision centrale
Eviter les fonds marrons et verts (Mayhew 1992)
plus visible que mais plus fatiguant et plus sensible aux reflets…
Couleurs
#1 – Présentation de DataViz
La Data Viz
La visualisation de données/DataViz est une approche qui permet la présentation des données
synthétisées sous forme visuelle, d'une manière à ce que la présentation soit claire, compréhensible
et esthétique
Pour but de mettre en image des informations/ données chiffrées
 Faire parler les données brutes
 Synthétiser les enjeux essentiels d’un set de données
 Les traduire visuellement
Usage de la DataViz en BI process
DataViz
Quel est le message que vous essayez de transmettre?
A quel public la visualisation est-elle destinée?
Quelles sont les questions de ce public ?
Quelles réponses lui donnez vous?
Cette visualisation réponds elle à toutes les questions?
Les données les plus importantes sont elles mises valeur?
Peut on comprendre la visualisation en 30 s sans informations supplémentaires?
Le choix de mode de visualisation
#2 – Technique de visualisation
...Ou le Camembert n’est pas fait pour tout
Techniques et Mode de visualisation
Plus de 60 types de la data visualisation …
Techniques et Mode de visualisation
Camemberts
Objectif :
Visualiser une répartition relative des données dans un même
secteur
Exemple d’utilisation :
Répartition des ventes par catégorie.
Techniques et Mode de visualisation
Barres
Objectif :
Comparer rapidement des données numériques issues
de catégories différentes
Exemple d’utilisation :
Répartition des ventes par filiale pays
Techniques et Mode de visualisation
Filled-map / Carte remplis
Objectif :
Comparer les données sur une échelle spatiale
Exemple d’utilisation :
Marque : Comparaison des points de ventes
Techniques et Mode de visualisation
Hiérarchie
Objectif :
Hiérarchiser des données ou illustrer une répartition
Exemple d’utilisation :
Communication institutionnelle : Répartition d’un budget
Presse : mots-clés les plus recherchés , twittés
Techniques et Mode de visualisation
Carte de chaleur
Objectif :
Comparer les données de plusieurs catégories à l'aide de
couleurs pour identifier rapidement la densité
Exemple d’utilisation :
Visualiser les votes des électeurs sur un élu dans un pays.
Techniques et Mode de visualisation
Boîte à moustaches
Objectif :
Comparer un même caractère dans deux populations de
tailles différentes
Exemple d’utilisation :
comparer les salaires de plusieurs services
Technique et Mode de visualisation
Diagramme de Flux
Objectif :
Représenter un mouvement et des échanges
entre les données
Exemple d’utilisation :
Visualiser les flux de trafic des sites web
Visualisation d’information interactive
Les outils de la visualisation
Synthèse globale
Les outils de la visualisation
Deux produits Qlik
Principales références client :
 Plateforme BI intégrée
 Permet une analyse guidée
 Orienté utilisateurs métier (informaticien)
Les outils de la visualisation
Deux produits Qlik
Principales références client :
 Aucune compétence en informatique
 L’analyse guidée et la modification par ajouts ou modifications de
graphique
 Analyse en Self service
Les outils de la visualisation
Tableau Software
Principales références client :
 Tableau est reconnu par la simplicité de son interface ( Drag & Drop)
 Solide bibliothèque de composants graphiques
 Bases de données (fichiers , relationnelles, Big Data)
#4 – Data Viz Appuie la prise de décision
...Pourquoi les décisionnaire ont besoin de la Data Viz
DataViz appuie la prise de décision
La confusion qui accompagne la surcharge de données
Interprétation difficile
Regrouper les données sur un seul écran
DataViz : données comparées, triées et mises en perspectives  la prise de décision
DataViz: Outil puissant de démocratisation de l’accès à la donnée
Enjeu de taille pour les entreprises
DataViz: le meilleur allié des décisionnaires
La visualisation des données : pan de la stratégie de communication
DataViz appuie la prise de décision
L’objectif d’une data visualisation :
 Pertinence de l’information sélectionnée
 La qualité du visuel organisateur de cette information
 Visibilité face à son public cible
« Bon papier » permet d’être un véritable outil d’aide à la décision
La data visualisation se positionne sur le marché de l’informatique décisionnelle
DataViz appuie la prise de décision
#4 – Etude de cas « Tableau Software »
Merci de Votre attention !

Data viz. pptx

  • 1.
    2016/2017 Oussama TALEB -Nouha BARNAT - Noureddine BOULANOUAR
  • 2.
    Combien de 7?? 1757896347859654136975258 5487859120352037892007588 1478852147250937896523587 1478234796538756995775202
  • 3.
    Combien de 7?? 1757896347859654136975258 5487859120352037892007588 1478852147250937896523587 1478234796538756995775202 Réponse:16
  • 4.
  • 5.
    Introduction ...Quand voir ,c’est comprendre ou penser
  • 6.
    SOMMAIRE #1 Présentation deDATA Visualisation #2 Technique et les outils de la DataViz #3 DataViz appuie la prise de décision #4 Etude de cas « Software »
  • 7.
  • 8.
    1782 1861 18691933 Comparer la taille des villes Tableau poléométrique, Charles de Fourcroy Carte des pertes de l’armée napoléonienne durant la campagne de Russie Origine de la viande vendue à Paris Plan du metro londonien, Harry Beck Dataviz... Ce n’est pas nouveau !
  • 9.
  • 10.
  • 11.
    Visualisation : Bénéfices «Accès aux données » « Ergonomie » « Rapidité » « Partage »
  • 12.
    Perception temporelle  Tempsde réaction: 200ms pour initier une observation attentive et consciente  Stimuli séparés de moins de100ms non perçus Acuité visuelle (un œil en vison de loin)  Ligne détectable à partir de 0,5" d’arc  Espace entre lignes détectable à partir de 30" à1’ Vision : contraintes physiologiques http://blog.santelog.com/
  • 13.
    La couleur, unevariable visuelle très particulière Couleur et Visualisation
  • 14.
  • 15.
  • 16.
    Composantes et codagede la couleur  RGB non directement interprétable en termes cognitifs  Nuance (Hue) + Saturation + Luminance  codage recommandé Codage colorimétrique de l’information  Teinte  codage qualitatif: différences de sens, de catégorisation  Luminance & intensité  codage quantitatif: différences de valeurs  Codage pré-attentif Couleurs et visualisations
  • 17.
    4 au maximumdans un display + une couleur neutre (le fond) et une couleur d’alerte / affichage critique Pas +10 couleurs sur l’ensemble de l’interface Eviter le bleu saturé pour des affichages critiques, les caractères ou objets de petite taille Le bleu périphérique (encadrement) améliore la vision centrale Eviter les fonds marrons et verts (Mayhew 1992) plus visible que mais plus fatiguant et plus sensible aux reflets… Couleurs
  • 18.
  • 19.
    La Data Viz Lavisualisation de données/DataViz est une approche qui permet la présentation des données synthétisées sous forme visuelle, d'une manière à ce que la présentation soit claire, compréhensible et esthétique Pour but de mettre en image des informations/ données chiffrées  Faire parler les données brutes  Synthétiser les enjeux essentiels d’un set de données  Les traduire visuellement
  • 20.
    Usage de laDataViz en BI process DataViz
  • 21.
    Quel est lemessage que vous essayez de transmettre? A quel public la visualisation est-elle destinée? Quelles sont les questions de ce public ? Quelles réponses lui donnez vous? Cette visualisation réponds elle à toutes les questions? Les données les plus importantes sont elles mises valeur? Peut on comprendre la visualisation en 30 s sans informations supplémentaires? Le choix de mode de visualisation
  • 23.
    #2 – Techniquede visualisation ...Ou le Camembert n’est pas fait pour tout
  • 24.
    Techniques et Modede visualisation Plus de 60 types de la data visualisation …
  • 25.
    Techniques et Modede visualisation Camemberts Objectif : Visualiser une répartition relative des données dans un même secteur Exemple d’utilisation : Répartition des ventes par catégorie.
  • 26.
    Techniques et Modede visualisation Barres Objectif : Comparer rapidement des données numériques issues de catégories différentes Exemple d’utilisation : Répartition des ventes par filiale pays
  • 27.
    Techniques et Modede visualisation Filled-map / Carte remplis Objectif : Comparer les données sur une échelle spatiale Exemple d’utilisation : Marque : Comparaison des points de ventes
  • 28.
    Techniques et Modede visualisation Hiérarchie Objectif : Hiérarchiser des données ou illustrer une répartition Exemple d’utilisation : Communication institutionnelle : Répartition d’un budget Presse : mots-clés les plus recherchés , twittés
  • 29.
    Techniques et Modede visualisation Carte de chaleur Objectif : Comparer les données de plusieurs catégories à l'aide de couleurs pour identifier rapidement la densité Exemple d’utilisation : Visualiser les votes des électeurs sur un élu dans un pays.
  • 30.
    Techniques et Modede visualisation Boîte à moustaches Objectif : Comparer un même caractère dans deux populations de tailles différentes Exemple d’utilisation : comparer les salaires de plusieurs services
  • 31.
    Technique et Modede visualisation Diagramme de Flux Objectif : Représenter un mouvement et des échanges entre les données Exemple d’utilisation : Visualiser les flux de trafic des sites web
  • 32.
  • 33.
    Les outils dela visualisation Synthèse globale
  • 34.
    Les outils dela visualisation Deux produits Qlik Principales références client :  Plateforme BI intégrée  Permet une analyse guidée  Orienté utilisateurs métier (informaticien)
  • 35.
    Les outils dela visualisation Deux produits Qlik Principales références client :  Aucune compétence en informatique  L’analyse guidée et la modification par ajouts ou modifications de graphique  Analyse en Self service
  • 36.
    Les outils dela visualisation Tableau Software Principales références client :  Tableau est reconnu par la simplicité de son interface ( Drag & Drop)  Solide bibliothèque de composants graphiques  Bases de données (fichiers , relationnelles, Big Data)
  • 37.
    #4 – DataViz Appuie la prise de décision ...Pourquoi les décisionnaire ont besoin de la Data Viz
  • 38.
    DataViz appuie laprise de décision La confusion qui accompagne la surcharge de données Interprétation difficile Regrouper les données sur un seul écran
  • 39.
    DataViz : donnéescomparées, triées et mises en perspectives  la prise de décision DataViz: Outil puissant de démocratisation de l’accès à la donnée Enjeu de taille pour les entreprises DataViz: le meilleur allié des décisionnaires La visualisation des données : pan de la stratégie de communication DataViz appuie la prise de décision
  • 40.
    L’objectif d’une datavisualisation :  Pertinence de l’information sélectionnée  La qualité du visuel organisateur de cette information  Visibilité face à son public cible « Bon papier » permet d’être un véritable outil d’aide à la décision La data visualisation se positionne sur le marché de l’informatique décisionnelle DataViz appuie la prise de décision
  • 42.
    #4 – Etudede cas « Tableau Software »
  • 43.
    Merci de Votreattention !