SlideShare une entreprise Scribd logo
DESIGNING DATA VISUALIZATIONS
Noah ILIINSKY                                                       avril 2012                                                   Linkedin Tech Talks
                                                 http://www.youtube.com/watch?v=R-oiKt7bUU8
                                                 http://www.youtube.com/watch?v=R


Le présent document est une synthèse d’une conférence
Linkedin Tech talks mise en ligne en avril 2012 dans
                                                2012,
laquelle Noah Illinski (
                       (@noahi) expose les fondamentaux de
la datavisualisation.
Diplômé d’un Master en Communication Technique obtenu à l’Université de Washington et d’une Licence de
Physique de la Faculté de Reed, Noah Iliinski est un développeur informatique aguerri lorsqu’il devient
designer Web. Désormais, il s’emploie à réfléchir à des approches efficaces en matière de conception
visuelle dédiée à la représentation de l’information. Il travaille également dans le secteur du design
d’interface et du design interactif.



Au programme :
 DATAVISUALISATION : DE QUOI PARLONS
                             PARLONS-NOUS ? ................................................................
                                                                            ............................................... 2
      Pourquoi visualiser les données ? ................................
                                        ................................................................................................
                                                                                                        ............................................... 2
      Dataviz vs infographie : ce n’est pas le même combat. ................................................................
                                                                                            ............................................. 3
 D’ABORD CERNER LES OBJECTIFS ET CADRER SON PROJET DE DATAVIZ ................................
                                                              ................................................. 4
                                               convaincre.................................................................
      Explorer… Expliquer. Pour transmettre et convain                                    ............................................... 4
      Production d’information : trois visées possibles… Quelle est la vôtre ?................................
                                                                              ................................................... 5
 PRESENTER LES BONNES DONNEES AUX BONNES CIBLES DE LA BONNE FAÇON ................................
                                                                  ..................................... 6
      Votre public : profilage ................................
                               ............................................................................................................................... 6
                                                                                                                               ...............................
      Vos données : stratégies de représentation et écrémage ................................................................
                                                                                             .......................................... 6
 LA DATAVISUALISATION : PERSPECTIVES .............................................................................................. 7
                                                                                                     ..............................




1/7

                                                                    www.smartwords.eu
                                                                                                                                                     Février 2013
DESIGNING DATA VISUALIZATIONS
Noah ILIINSKY                                           avril 2012                                       Linkedin Tech Talks
                                         http://www.youtube.com/watch?v=R-oiKt7bUU8
                                         http://www.youtube.com/watch?v=R

DATAVISUALISATION : DE QUOI PARLONS
                            PARLONS-NOUS ?

Pourquoi visualiser les données ?
Un amoncellement d’informations collectées peut avoir un effet trompeur et induire le
                      ’informations
lecteur en erreur. En substance, c’est l’  l’organisation des données qui conditionne la
façon dont elles seront perçues ultérieurement. Un graphique avec données
agencées sera beaucoup plus efficace qu’une énumération massive et rébarbative
                                                 e                             rébarbative…
L’exemple du quartet d'Anscombe avec son pendant « datavisualisé » au moyen
de graphes, en est une illustration éloquente : ce tableau foisonnant de chiffres, à la
nomenclature indigeste (I, II, x, y) est idéalement mis à profit par Noah Iliinski pour
ouvrir la réflexion en matière de datav
     rir                            datavisualisation : il l’utilise pour montrer combien la
présentation des données peut influe sur l’appréhension du futur lecteur, et donc le
                                   influer                                       ,
traitement ultérieur qu’il pourra en faire.




               Le quartet d'Anscombe comprend quatre ensembles de données qui possèdent les mêmes
      propriétés statistiques simples, mais qui sont très différents lorsqu'ils sont comparés à l'aide de graphiques.

                                Source : http://fr.wikipedia.org/wiki/Quartet_
                                         http://fr.wikipedia.org/wiki/Quartet_d'Anscombe



Dès le départ, la datavisualisation est donc à considérer comme un outil puissant mis
au service de la perception et de la compréhension humaine : elle donne accès à
                                                       humaines
des données qui pouvaient être obscures au premier abord. Autrement dit visualiser
                                                                          dit,
permet de tirer parti des incroyables aptitudes de la vue et du cerveau
                            es
(« Visualization leverages the amazing abilities of your eyes and brain »).
        lization
Pour ce faire, la dataviz fait intervenir des variations notamment dans la position ou
la couleur, lesquelles viennent mettre en exergue des schémas ou motifs réguliers

2/7

                                                        www.smartwords.eu
                                                                                                                        Février 2013
DESIGNING DATA VISUALIZATIONS
Noah ILIINSKY                                  avril 2012                           Linkedin Tech Talks
                                http://www.youtube.com/watch?v=R-oiKt7bUU8
                                http://www.youtube.com/watch?v=R

facilitant la compréhension. Le cerveau humain est habitué à reconnaître des
schémas récurrents. Il agit sur le mode d’une machine à détecter les motifs
(« a pattern-detecting machine ») : ces motifs visibles à travers les graphes par
                                   )                                      graphes,
exemple, sont un moyen de comparer les différentes informations. De fait, l’esprit
                                                                          e
humain est alors beaucoup plus à même de saisi des tendances, des écarts ou des
               ors                             saisir                  es
évolutions. Dans ce cadre, visuali
                               visualiser une collection de données est un moyen de
donner en un minimum de temps l’aperçu concret d’un phénomène en cours de
                       um               aperçu
réalisation, quel que soit le volume des données dont il est question.
            ,




                   Les données du quartet d'Anscombe représentées graphiquement

                       Source : http://fr.wikipedia.org/wiki/Fichier:Anscombe.svg




Dataviz vs infographie : ce n’est pas le même combat.
                          e
Réaliser des représentations esthétiques, créant un impact sur le destinataire ne doit
                                                                     destinataire,
pas signifier pour autant que l’on perde de vue les principes de la datavisualisation
                                                                         atavisualisation.
Car ce qui différencie avant tout la dataviz de l’infographie, ce sont bien leurs
objectifs. L’ambition première de la dataviz n’est pas esthétique, alors que
             ’ambition                                                      ,
l’infographie place la recherche du beau au premier plan. Ce qu’il convient de retenir
                                                                    il
de la datavisualisation, c’est qu’elle consiste à traduire de façon concrète et
facilement concevable par le cerveau humain un volume d’informations parfois
phénoménal, et ce quel qu’en soit le résultat esthétique. C’est aussi ce qui explique
que les modalités de production des « visualisations » des deux disciplines soient
différentes : les dataviz sont produite par des logiciels, tandis qu’en toute logique les
                               produites                 ,
infographies sont dessinées à la main
                                   main.


3/7

                                              www.smartwords.eu
                                                                                            Février 2013
DESIGNING DATA VISUALIZATIONS
Noah ILIINSKY                            avril 2012                           Linkedin Tech Talks
                              http://www.youtube.com/watch?v=R-oiKt7bUU8
                              http://www.youtube.com/watch?v=R

D’ABORD CERNER LES OBJECTIFS ET CADRER SON PROJET DE
DATAVIZ

Explorer… Expliquer. Pour transmettre et convaincre.
Le traitement des données en termes de datav  datavisualisation passe par deux stades
successifs : celui de l’exploration d’abord, suivi de celui de l’explication. L’exploration
                                                                 explication.
consiste en l’analyse des données brutes pour y déceler des informations
pertinentes. L’explication en est la suite logique : il s’agit de pouvoir transmettre ces
           .
informations : comprises, elles devien
                                 deviendront de la connaissance.
C’est ainsi que la dataviz vient servir un objectif fondamental : la transmission de
                          iz
l’information. Par transmission, nous entendons partage avec une visée
« édificatrice ». Dans ce cadre, le terme « education » employé par Noah Iliinski est
particulièrement parlant : il combine volonté de partage et caractère pédagogique de
la transmission de l’information.
Selon N. Iliinski, cette transmission peut servir deux objectifs : informer ou persuader.
                 ,
Le premier objectif vise à transmettre une information à un destinataire de la manière
la plus neutre possible, tandis que le deuxième s’inscrit dans une démarche plus
subjective marquée par la volonté de rallier autrui à une opinion déterminée.




4/7

                                         www.smartwords.eu
                                                                                          Février 2013
DESIGNING DATA VISUALIZATIONS
Noah ILIINSKY                                        avril 2012                                      Linkedin Tech Talks
                                      http://www.youtube.com/watch?v=R-oiKt7bUU8
                                      http://www.youtube.com/watch?v=R




          Cette datavisualisation de la réforme du système de santé américain prônée par le Parti Démocrate
           permet à son auteur, le Parti Républicain, de faire passer le message d’une extrême complexité.


Production d’information : trois visées possibles… Quelle est la vôtre ?
                                                                   tre
Pour représenter des données de manière adaptée, il importe de déterminer au
préalable l’objectif que vous souhaitez atteindre en « datavisualisant ». Trois visées
                            s                                           .
sont possibles :
      -   informer, autrement dit éclairer votre destinataire ;

      -   convaincre en véhiculant une idée ou un point de vue au quels vous
                                                               auxquel
          souhaitez faire adhérer votre public ;


      -   créer une œuvre d’art. Dans une telle d
                                                démarche, vous ne vous soucie
                                                                         soucierez pas
          vraiment d’impliquer le récepteur de votre message Vous ne cherche pas à
                                                     message. ous      cherchez
          faire comprendre une idée, mais à rendre un contenu attrayant ou émouv
                                                                           émouvant.

Quel que soit l’objectif de communication d’une dataviz, N. Iliinski insiste sur le
                                                                 nski
caractère essentiel de choix réalisés en amont, à bon escient et dans un but précis
                                                                  ans


5/7

                                                     www.smartwords.eu
                                                                                                              Février 2013
DESIGNING DATA VISUALIZATIONS
Noah ILIINSKY                            avril 2012                          Linkedin Tech Talks
                             http://www.youtube.com/watch?v=R-oiKt7bUU8
                             http://www.youtube.com/watch?v=R

(« intentional choices ») par le « maître d’œuvre » du projet. En d’autres termes une
                                                                           termes,
« bonne visualisation » est assujettie à la définition préalable d’un but sous
                                                                          sous-tendant
la représentation graphique des données.


PRESENTER LES BONNES DONNEES AUX BONNES CIBLES DE LA BONNE FAÇON

Votre public : profilage
Pour bien atteindre votre cible, il est nécessaire d’ d’établir son portrait-robot de la
                                                                             robot,
« contextualiser ». Il s’agira de vous adapter à la spécificité de ses besoins, de ses
rêves, de ses espoirs et de ses goûts. En concevant votre dataviz, vous devez tenir
compte de son jargon, de son identité, de ses usages et de son environnement de
travail. Cela revient à personnaliser vos « visualisations » en fonction de votre pu
                                                                                   public,
afin de lui présenter, voire de lui révéler une information qui sera éloquente pour lui.
                                    révéler,

Vos données : stratégies de représentation et écrémage
Dans sa volonté de représenter les données d façon percutante, le maître d’œuvre
                                                de                         tre
ou « designer » de la dataviz doit veiller à transmettre un contenu qui soit structuré,
pour pouvoir être assimilé. Dans cette optique, il s’agit d’expurger l’ensemble des
données, pour ne garder que le contenu pertinent. Diviser, catégoriser, individualiser
                                          pertinent.                    individualiser,
découper et regrouper les données sont autant de tâches qui participe à ce
                                                                     participent
processus.
C’est pourquoi vous devrez vous intéresser à la nature de votre contenu, c’est
                          ez                           ure                  c’est-à-dire
à ses différentes propriétés. Il s’agira de mettre en cohérence ces propriétés avec les
                                                                 es
moyens que vous utiliserez pour la représenter.
Pour retranscrire visuellement les propriétés des données et leurs relations vous
                                                                        relations,
pouvez utiliser différentes représentations : angles, formes diverses, texture
                                                                       textures… Mais
au-delà de la grande variété de ces éléments graphiques, deux éléments jouent un
    delà
rôle primordial : leur positionnement et leur couleur.
Dans ce contexte, N. Iliinski repre
                                 reprend à son compte les principes du Web designer
                                                                         u
Moritz Stefaner, spécialiste de la datavisualisation. Il insiste sur le fait qu’
                                                                             qu’une bonne
transcription visuelle réside avant tout dans le positionnement des élément tandis
                                                                         éléments,
que l’usage de la couleur s’avère des plus complexes (« Position is everything. Color
                        leur
is difficult »). En effet, la perception que l’on a des couleurs et le sens qu’on leur
                            a
donne tiennent plus à des conventions culturelles (ex. : le bleu pour les garçons - le
                 t
rose pour les filles, le rouge pour symboliser le chaud - le bleu pour le froid qu’aux
                                   ur                                         froid)
modalités de fonctionnement du cerveau. La couleur est source de significations


6/7

                                         www.smartwords.eu
                                                                                         Février 2013
DESIGNING DATA VISUALIZATIONS
Noah ILIINSKY                          avril 2012                          Linkedin Tech Talks
                            http://www.youtube.com/watch?v=R-oiKt7bUU8
                            http://www.youtube.com/watch?v=R

multiples qui peuvent prêter à confusion C’est pourquoi jouer sur la saturation ou
                                 confusion.
l’intensité aura nettement plus d’impact que le choix d’une couleur donnée.
                                                                          .
En revanche, la disposition des éléments dans l’espace est soumise à un « ordre »
que l’esprit humain est apte à saisir directement : un bon positionnement permet
donc de mettre en relation des données de manière immédiatement intelligible pour
le cerveau.

LA DATAVISUALISATION : PERSPECTIVES
La dataviz est en pleine expansion… Aux dires de Noah Illiinsky, la prochaine
                             pansion…
décennie devrait même voir un boom expon
                                      exponentiel dans ce domaine, sous l’effet des
avancées du calcul informatique et des outils multimédia.
Au final, cette nouvelle discipline, qui mêle aux problématiques S.I. les enjeux liés à
                                   ,
la stratégie d’entreprise, est en passe de devenir l’un des éléments clés de la
Business Intelligence.




7/7

                                       www.smartwords.eu
                                                                                      Février 2013

Contenu connexe

Similaire à Noah iliinsky présente la dataviz

Ideation phase: "As many ideas as I have"
Ideation phase: "As many ideas as I have"Ideation phase: "As many ideas as I have"
Ideation phase: "As many ideas as I have"
charlesbail
 
"Dataviz"? la visualisation de données 201213
"Dataviz"? la visualisation de données 201213"Dataviz"? la visualisation de données 201213
"Dataviz"? la visualisation de données 201213
christophe tallec
 
Data Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big DataData Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big Data
Vincent Lagorce
 
La compétence numérique, cadre de travail évolutif pour le design d'interface...
La compétence numérique, cadre de travail évolutif pour le design d'interface...La compétence numérique, cadre de travail évolutif pour le design d'interface...
La compétence numérique, cadre de travail évolutif pour le design d'interface...
Vincent Beneche
 
Des données au savoir : big data et data mining
Des données au savoir : big data et data miningDes données au savoir : big data et data mining
Des données au savoir : big data et data mining
Pierre-Alain Four
 
Musette Numérique de l'Actif - livrable final
Musette Numérique de l'Actif - livrable finalMusette Numérique de l'Actif - livrable final
Musette Numérique de l'Actif - livrable final
Fing
 
Infographie : communiquer et produire de l’information visuelle au CDI
Infographie : communiquer et produire de l’information visuelle au CDIInfographie : communiquer et produire de l’information visuelle au CDI
Infographie : communiquer et produire de l’information visuelle au CDI
Claire Chignard
 
Infographie : communiquer et produire de l’information visuelle au CDI
Infographie : communiquer et produire de l’information visuelle au CDIInfographie : communiquer et produire de l’information visuelle au CDI
Infographie : communiquer et produire de l’information visuelle au CDI
Claire Chignard
 
IA C'EST MON DADA : Conference introduction machine learning et IA
IA C'EST MON DADA : Conference introduction machine learning et IAIA C'EST MON DADA : Conference introduction machine learning et IA
IA C'EST MON DADA : Conference introduction machine learning et IA
Halszka de Breza
 
081001 Option Entrepreneuriat Cours Visualisation
081001 Option Entrepreneuriat Cours Visualisation081001 Option Entrepreneuriat Cours Visualisation
081001 Option Entrepreneuriat Cours Visualisation
Amaury de Buchet
 
Antonio CASILLI - Régimes de production des visualisations de données
Antonio CASILLI - Régimes de production des visualisations de donnéesAntonio CASILLI - Régimes de production des visualisations de données
Antonio CASILLI - Régimes de production des visualisations de données
Bodyspacesociety Blog
 
SI et Digital. Dissertation.
SI et Digital. Dissertation.SI et Digital. Dissertation.
SI et Digital. Dissertation.
Arnaud Descamps
 
Méthodes d’analyse en intelligence économique
Méthodes d’analyse en intelligence économiqueMéthodes d’analyse en intelligence économique
Méthodes d’analyse en intelligence économique
INNOVATION COPILOTS
 
La visualisation de données comme outil pour découvrir et partager des idées ...
La visualisation de données comme outil pour découvrir et partager des idées ...La visualisation de données comme outil pour découvrir et partager des idées ...
La visualisation de données comme outil pour découvrir et partager des idées ...
philogb
 
Guide la prise de parole en public
Guide la prise de parole en publicGuide la prise de parole en public
Guide la prise de parole en publicYannick HAJJAR
 
Guide la prise de parole en public
Guide la prise de parole en publicGuide la prise de parole en public
Guide la prise de parole en public
aurelien malecki
 
Infographie et e sidoc
Infographie et e sidocInfographie et e sidoc
Infographie et e sidoc
Claire Chignard
 
Les multiples facettes du rapport texte/image
Les multiples facettes du rapport texte/imageLes multiples facettes du rapport texte/image
Les multiples facettes du rapport texte/image
Cécile Bernet
 
Compte rendu de la journée « Urban Data Design Day » du 15 novembre 2016
Compte rendu de la journée « Urban Data Design Day » du 15 novembre 2016Compte rendu de la journée « Urban Data Design Day » du 15 novembre 2016
Compte rendu de la journée « Urban Data Design Day » du 15 novembre 2016
3dd espace de concertation
 

Similaire à Noah iliinsky présente la dataviz (20)

Ideation phase: "As many ideas as I have"
Ideation phase: "As many ideas as I have"Ideation phase: "As many ideas as I have"
Ideation phase: "As many ideas as I have"
 
"Dataviz"? la visualisation de données 201213
"Dataviz"? la visualisation de données 201213"Dataviz"? la visualisation de données 201213
"Dataviz"? la visualisation de données 201213
 
Data Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big DataData Visualisation, Business Intelligence et Big Data
Data Visualisation, Business Intelligence et Big Data
 
La compétence numérique, cadre de travail évolutif pour le design d'interface...
La compétence numérique, cadre de travail évolutif pour le design d'interface...La compétence numérique, cadre de travail évolutif pour le design d'interface...
La compétence numérique, cadre de travail évolutif pour le design d'interface...
 
Des données au savoir : big data et data mining
Des données au savoir : big data et data miningDes données au savoir : big data et data mining
Des données au savoir : big data et data mining
 
Musette Numérique de l'Actif - livrable final
Musette Numérique de l'Actif - livrable finalMusette Numérique de l'Actif - livrable final
Musette Numérique de l'Actif - livrable final
 
Infographie : communiquer et produire de l’information visuelle au CDI
Infographie : communiquer et produire de l’information visuelle au CDIInfographie : communiquer et produire de l’information visuelle au CDI
Infographie : communiquer et produire de l’information visuelle au CDI
 
Infographie : communiquer et produire de l’information visuelle au CDI
Infographie : communiquer et produire de l’information visuelle au CDIInfographie : communiquer et produire de l’information visuelle au CDI
Infographie : communiquer et produire de l’information visuelle au CDI
 
IA C'EST MON DADA : Conference introduction machine learning et IA
IA C'EST MON DADA : Conference introduction machine learning et IAIA C'EST MON DADA : Conference introduction machine learning et IA
IA C'EST MON DADA : Conference introduction machine learning et IA
 
081001 Option Entrepreneuriat Cours Visualisation
081001 Option Entrepreneuriat Cours Visualisation081001 Option Entrepreneuriat Cours Visualisation
081001 Option Entrepreneuriat Cours Visualisation
 
Antonio CASILLI - Régimes de production des visualisations de données
Antonio CASILLI - Régimes de production des visualisations de donnéesAntonio CASILLI - Régimes de production des visualisations de données
Antonio CASILLI - Régimes de production des visualisations de données
 
SI et Digital. Dissertation.
SI et Digital. Dissertation.SI et Digital. Dissertation.
SI et Digital. Dissertation.
 
Méthodes d’analyse en intelligence économique
Méthodes d’analyse en intelligence économiqueMéthodes d’analyse en intelligence économique
Méthodes d’analyse en intelligence économique
 
La visualisation de données comme outil pour découvrir et partager des idées ...
La visualisation de données comme outil pour découvrir et partager des idées ...La visualisation de données comme outil pour découvrir et partager des idées ...
La visualisation de données comme outil pour découvrir et partager des idées ...
 
Guide la prise de parole en public
Guide la prise de parole en publicGuide la prise de parole en public
Guide la prise de parole en public
 
Guide la prise de parole en public
Guide la prise de parole en publicGuide la prise de parole en public
Guide la prise de parole en public
 
Dataviz by RichAnalysis
Dataviz by RichAnalysisDataviz by RichAnalysis
Dataviz by RichAnalysis
 
Infographie et e sidoc
Infographie et e sidocInfographie et e sidoc
Infographie et e sidoc
 
Les multiples facettes du rapport texte/image
Les multiples facettes du rapport texte/imageLes multiples facettes du rapport texte/image
Les multiples facettes du rapport texte/image
 
Compte rendu de la journée « Urban Data Design Day » du 15 novembre 2016
Compte rendu de la journée « Urban Data Design Day » du 15 novembre 2016Compte rendu de la journée « Urban Data Design Day » du 15 novembre 2016
Compte rendu de la journée « Urban Data Design Day » du 15 novembre 2016
 

Plus de Jérôme Delacroix

La gouvernance des robots intervention jm_besnier_cap_digital
La gouvernance des robots intervention jm_besnier_cap_digitalLa gouvernance des robots intervention jm_besnier_cap_digital
La gouvernance des robots intervention jm_besnier_cap_digital
Jérôme Delacroix
 
Le prêt participatif : gagner de l'argent tout en s'engageant sur un projet
Le prêt participatif : gagner de l'argent tout en s'engageant sur un projetLe prêt participatif : gagner de l'argent tout en s'engageant sur un projet
Le prêt participatif : gagner de l'argent tout en s'engageant sur un projet
Jérôme Delacroix
 
Le Sens Du Mot Ouvert Google
Le Sens Du Mot Ouvert GoogleLe Sens Du Mot Ouvert Google
Le Sens Du Mot Ouvert Google
Jérôme Delacroix
 
Forum Usages Cooperatifs Brest08
Forum Usages Cooperatifs Brest08Forum Usages Cooperatifs Brest08
Forum Usages Cooperatifs Brest08
Jérôme Delacroix
 
Cooperatique Wiki Acsel Gfii
Cooperatique Wiki Acsel GfiiCooperatique Wiki Acsel Gfii
Cooperatique Wiki Acsel Gfii
Jérôme Delacroix
 
Presentation_wiki
Presentation_wikiPresentation_wiki
Presentation_wiki
Jérôme Delacroix
 

Plus de Jérôme Delacroix (7)

La gouvernance des robots intervention jm_besnier_cap_digital
La gouvernance des robots intervention jm_besnier_cap_digitalLa gouvernance des robots intervention jm_besnier_cap_digital
La gouvernance des robots intervention jm_besnier_cap_digital
 
Le prêt participatif : gagner de l'argent tout en s'engageant sur un projet
Le prêt participatif : gagner de l'argent tout en s'engageant sur un projetLe prêt participatif : gagner de l'argent tout en s'engageant sur un projet
Le prêt participatif : gagner de l'argent tout en s'engageant sur un projet
 
Le Sens Du Mot Ouvert Google
Le Sens Du Mot Ouvert GoogleLe Sens Du Mot Ouvert Google
Le Sens Du Mot Ouvert Google
 
Forum Usages Cooperatifs Brest08
Forum Usages Cooperatifs Brest08Forum Usages Cooperatifs Brest08
Forum Usages Cooperatifs Brest08
 
Centrale Cooperatique07
Centrale Cooperatique07Centrale Cooperatique07
Centrale Cooperatique07
 
Cooperatique Wiki Acsel Gfii
Cooperatique Wiki Acsel GfiiCooperatique Wiki Acsel Gfii
Cooperatique Wiki Acsel Gfii
 
Presentation_wiki
Presentation_wikiPresentation_wiki
Presentation_wiki
 

Noah iliinsky présente la dataviz

  • 1. DESIGNING DATA VISUALIZATIONS Noah ILIINSKY avril 2012 Linkedin Tech Talks http://www.youtube.com/watch?v=R-oiKt7bUU8 http://www.youtube.com/watch?v=R Le présent document est une synthèse d’une conférence Linkedin Tech talks mise en ligne en avril 2012 dans 2012, laquelle Noah Illinski ( (@noahi) expose les fondamentaux de la datavisualisation. Diplômé d’un Master en Communication Technique obtenu à l’Université de Washington et d’une Licence de Physique de la Faculté de Reed, Noah Iliinski est un développeur informatique aguerri lorsqu’il devient designer Web. Désormais, il s’emploie à réfléchir à des approches efficaces en matière de conception visuelle dédiée à la représentation de l’information. Il travaille également dans le secteur du design d’interface et du design interactif. Au programme : DATAVISUALISATION : DE QUOI PARLONS PARLONS-NOUS ? ................................................................ ............................................... 2 Pourquoi visualiser les données ? ................................ ................................................................................................ ............................................... 2 Dataviz vs infographie : ce n’est pas le même combat. ................................................................ ............................................. 3 D’ABORD CERNER LES OBJECTIFS ET CADRER SON PROJET DE DATAVIZ ................................ ................................................. 4 convaincre................................................................. Explorer… Expliquer. Pour transmettre et convain ............................................... 4 Production d’information : trois visées possibles… Quelle est la vôtre ?................................ ................................................... 5 PRESENTER LES BONNES DONNEES AUX BONNES CIBLES DE LA BONNE FAÇON ................................ ..................................... 6 Votre public : profilage ................................ ............................................................................................................................... 6 ............................... Vos données : stratégies de représentation et écrémage ................................................................ .......................................... 6 LA DATAVISUALISATION : PERSPECTIVES .............................................................................................. 7 .............................. 1/7 www.smartwords.eu Février 2013
  • 2. DESIGNING DATA VISUALIZATIONS Noah ILIINSKY avril 2012 Linkedin Tech Talks http://www.youtube.com/watch?v=R-oiKt7bUU8 http://www.youtube.com/watch?v=R DATAVISUALISATION : DE QUOI PARLONS PARLONS-NOUS ? Pourquoi visualiser les données ? Un amoncellement d’informations collectées peut avoir un effet trompeur et induire le ’informations lecteur en erreur. En substance, c’est l’ l’organisation des données qui conditionne la façon dont elles seront perçues ultérieurement. Un graphique avec données agencées sera beaucoup plus efficace qu’une énumération massive et rébarbative e rébarbative… L’exemple du quartet d'Anscombe avec son pendant « datavisualisé » au moyen de graphes, en est une illustration éloquente : ce tableau foisonnant de chiffres, à la nomenclature indigeste (I, II, x, y) est idéalement mis à profit par Noah Iliinski pour ouvrir la réflexion en matière de datav rir datavisualisation : il l’utilise pour montrer combien la présentation des données peut influe sur l’appréhension du futur lecteur, et donc le influer , traitement ultérieur qu’il pourra en faire. Le quartet d'Anscombe comprend quatre ensembles de données qui possèdent les mêmes propriétés statistiques simples, mais qui sont très différents lorsqu'ils sont comparés à l'aide de graphiques. Source : http://fr.wikipedia.org/wiki/Quartet_ http://fr.wikipedia.org/wiki/Quartet_d'Anscombe Dès le départ, la datavisualisation est donc à considérer comme un outil puissant mis au service de la perception et de la compréhension humaine : elle donne accès à humaines des données qui pouvaient être obscures au premier abord. Autrement dit visualiser dit, permet de tirer parti des incroyables aptitudes de la vue et du cerveau es (« Visualization leverages the amazing abilities of your eyes and brain »). lization Pour ce faire, la dataviz fait intervenir des variations notamment dans la position ou la couleur, lesquelles viennent mettre en exergue des schémas ou motifs réguliers 2/7 www.smartwords.eu Février 2013
  • 3. DESIGNING DATA VISUALIZATIONS Noah ILIINSKY avril 2012 Linkedin Tech Talks http://www.youtube.com/watch?v=R-oiKt7bUU8 http://www.youtube.com/watch?v=R facilitant la compréhension. Le cerveau humain est habitué à reconnaître des schémas récurrents. Il agit sur le mode d’une machine à détecter les motifs (« a pattern-detecting machine ») : ces motifs visibles à travers les graphes par ) graphes, exemple, sont un moyen de comparer les différentes informations. De fait, l’esprit e humain est alors beaucoup plus à même de saisi des tendances, des écarts ou des ors saisir es évolutions. Dans ce cadre, visuali visualiser une collection de données est un moyen de donner en un minimum de temps l’aperçu concret d’un phénomène en cours de um aperçu réalisation, quel que soit le volume des données dont il est question. , Les données du quartet d'Anscombe représentées graphiquement Source : http://fr.wikipedia.org/wiki/Fichier:Anscombe.svg Dataviz vs infographie : ce n’est pas le même combat. e Réaliser des représentations esthétiques, créant un impact sur le destinataire ne doit destinataire, pas signifier pour autant que l’on perde de vue les principes de la datavisualisation atavisualisation. Car ce qui différencie avant tout la dataviz de l’infographie, ce sont bien leurs objectifs. L’ambition première de la dataviz n’est pas esthétique, alors que ’ambition , l’infographie place la recherche du beau au premier plan. Ce qu’il convient de retenir il de la datavisualisation, c’est qu’elle consiste à traduire de façon concrète et facilement concevable par le cerveau humain un volume d’informations parfois phénoménal, et ce quel qu’en soit le résultat esthétique. C’est aussi ce qui explique que les modalités de production des « visualisations » des deux disciplines soient différentes : les dataviz sont produite par des logiciels, tandis qu’en toute logique les produites , infographies sont dessinées à la main main. 3/7 www.smartwords.eu Février 2013
  • 4. DESIGNING DATA VISUALIZATIONS Noah ILIINSKY avril 2012 Linkedin Tech Talks http://www.youtube.com/watch?v=R-oiKt7bUU8 http://www.youtube.com/watch?v=R D’ABORD CERNER LES OBJECTIFS ET CADRER SON PROJET DE DATAVIZ Explorer… Expliquer. Pour transmettre et convaincre. Le traitement des données en termes de datav datavisualisation passe par deux stades successifs : celui de l’exploration d’abord, suivi de celui de l’explication. L’exploration explication. consiste en l’analyse des données brutes pour y déceler des informations pertinentes. L’explication en est la suite logique : il s’agit de pouvoir transmettre ces . informations : comprises, elles devien deviendront de la connaissance. C’est ainsi que la dataviz vient servir un objectif fondamental : la transmission de iz l’information. Par transmission, nous entendons partage avec une visée « édificatrice ». Dans ce cadre, le terme « education » employé par Noah Iliinski est particulièrement parlant : il combine volonté de partage et caractère pédagogique de la transmission de l’information. Selon N. Iliinski, cette transmission peut servir deux objectifs : informer ou persuader. , Le premier objectif vise à transmettre une information à un destinataire de la manière la plus neutre possible, tandis que le deuxième s’inscrit dans une démarche plus subjective marquée par la volonté de rallier autrui à une opinion déterminée. 4/7 www.smartwords.eu Février 2013
  • 5. DESIGNING DATA VISUALIZATIONS Noah ILIINSKY avril 2012 Linkedin Tech Talks http://www.youtube.com/watch?v=R-oiKt7bUU8 http://www.youtube.com/watch?v=R Cette datavisualisation de la réforme du système de santé américain prônée par le Parti Démocrate permet à son auteur, le Parti Républicain, de faire passer le message d’une extrême complexité. Production d’information : trois visées possibles… Quelle est la vôtre ? tre Pour représenter des données de manière adaptée, il importe de déterminer au préalable l’objectif que vous souhaitez atteindre en « datavisualisant ». Trois visées s . sont possibles : - informer, autrement dit éclairer votre destinataire ; - convaincre en véhiculant une idée ou un point de vue au quels vous auxquel souhaitez faire adhérer votre public ; - créer une œuvre d’art. Dans une telle d démarche, vous ne vous soucie soucierez pas vraiment d’impliquer le récepteur de votre message Vous ne cherche pas à message. ous cherchez faire comprendre une idée, mais à rendre un contenu attrayant ou émouv émouvant. Quel que soit l’objectif de communication d’une dataviz, N. Iliinski insiste sur le nski caractère essentiel de choix réalisés en amont, à bon escient et dans un but précis ans 5/7 www.smartwords.eu Février 2013
  • 6. DESIGNING DATA VISUALIZATIONS Noah ILIINSKY avril 2012 Linkedin Tech Talks http://www.youtube.com/watch?v=R-oiKt7bUU8 http://www.youtube.com/watch?v=R (« intentional choices ») par le « maître d’œuvre » du projet. En d’autres termes une termes, « bonne visualisation » est assujettie à la définition préalable d’un but sous sous-tendant la représentation graphique des données. PRESENTER LES BONNES DONNEES AUX BONNES CIBLES DE LA BONNE FAÇON Votre public : profilage Pour bien atteindre votre cible, il est nécessaire d’ d’établir son portrait-robot de la robot, « contextualiser ». Il s’agira de vous adapter à la spécificité de ses besoins, de ses rêves, de ses espoirs et de ses goûts. En concevant votre dataviz, vous devez tenir compte de son jargon, de son identité, de ses usages et de son environnement de travail. Cela revient à personnaliser vos « visualisations » en fonction de votre pu public, afin de lui présenter, voire de lui révéler une information qui sera éloquente pour lui. révéler, Vos données : stratégies de représentation et écrémage Dans sa volonté de représenter les données d façon percutante, le maître d’œuvre de tre ou « designer » de la dataviz doit veiller à transmettre un contenu qui soit structuré, pour pouvoir être assimilé. Dans cette optique, il s’agit d’expurger l’ensemble des données, pour ne garder que le contenu pertinent. Diviser, catégoriser, individualiser pertinent. individualiser, découper et regrouper les données sont autant de tâches qui participe à ce participent processus. C’est pourquoi vous devrez vous intéresser à la nature de votre contenu, c’est ez ure c’est-à-dire à ses différentes propriétés. Il s’agira de mettre en cohérence ces propriétés avec les es moyens que vous utiliserez pour la représenter. Pour retranscrire visuellement les propriétés des données et leurs relations vous relations, pouvez utiliser différentes représentations : angles, formes diverses, texture textures… Mais au-delà de la grande variété de ces éléments graphiques, deux éléments jouent un delà rôle primordial : leur positionnement et leur couleur. Dans ce contexte, N. Iliinski repre reprend à son compte les principes du Web designer u Moritz Stefaner, spécialiste de la datavisualisation. Il insiste sur le fait qu’ qu’une bonne transcription visuelle réside avant tout dans le positionnement des élément tandis éléments, que l’usage de la couleur s’avère des plus complexes (« Position is everything. Color leur is difficult »). En effet, la perception que l’on a des couleurs et le sens qu’on leur a donne tiennent plus à des conventions culturelles (ex. : le bleu pour les garçons - le t rose pour les filles, le rouge pour symboliser le chaud - le bleu pour le froid qu’aux ur froid) modalités de fonctionnement du cerveau. La couleur est source de significations 6/7 www.smartwords.eu Février 2013
  • 7. DESIGNING DATA VISUALIZATIONS Noah ILIINSKY avril 2012 Linkedin Tech Talks http://www.youtube.com/watch?v=R-oiKt7bUU8 http://www.youtube.com/watch?v=R multiples qui peuvent prêter à confusion C’est pourquoi jouer sur la saturation ou confusion. l’intensité aura nettement plus d’impact que le choix d’une couleur donnée. . En revanche, la disposition des éléments dans l’espace est soumise à un « ordre » que l’esprit humain est apte à saisir directement : un bon positionnement permet donc de mettre en relation des données de manière immédiatement intelligible pour le cerveau. LA DATAVISUALISATION : PERSPECTIVES La dataviz est en pleine expansion… Aux dires de Noah Illiinsky, la prochaine pansion… décennie devrait même voir un boom expon exponentiel dans ce domaine, sous l’effet des avancées du calcul informatique et des outils multimédia. Au final, cette nouvelle discipline, qui mêle aux problématiques S.I. les enjeux liés à , la stratégie d’entreprise, est en passe de devenir l’un des éléments clés de la Business Intelligence. 7/7 www.smartwords.eu Février 2013