Visualisation des données : sachez les mettre en scène

Depuis plusieurs années, la visualisation de données (data visualisation ou dataviz en anglais) permet dans les domaines des médias, de la finance, de la santé, du sport… de pouvoir partager un point de vue à travers une représentation graphique sur un ensemble de données volumineuses et hétérogènes. Pour être efficace auprès d’un auditoire précis, une « bonne » visualisation nécessite des connaissances mathématiques, statistiques, informatiques, en sciences sociales et en marketing.

Depuis les années 2000 et l’avènement d’Internet, les données sont en permanence autour de nous, avec nos mobiles et nos objets connectés (télévisions, voitures, montres…). Le plus souvent, on voit simplement la restitution de ces données sur un tableau de bord, dans une application mobile, via un chiffre exprimant une tendance lors des journaux télévisés, ou encore sur une carte lors de la présentation de la météo. Ces restitutions demandent des traitements préalables importants ! Ces opérations sont généralement réalisées dans des infrastructures « cloud » pouvant traiter les données en temps réels. Sans acquisition ni transformation au préalable de ces éléments, il est difficile de pouvoir en offrir une visualisation intelligible aux utilisateurs demandeurs.

Des sociétés se sont donc créées pour proposer des solutions simples de visualisation de données. Le plus couramment, les projets d’entreprise dans ce domaine sont initialisés pour créer une solution adaptée à un public de responsables devant prendre des décisions. D’après une étude de Qlik-BARC-Cognizant menée entre septembre et octobre 2016 auprès de deux cent cinquante responsables d’entreprises en Europe, on apprend que 20 % des entreprises utilisent le data storytelling comme moyen d’acquérir un avantage concurrentiel. Plusieurs formations se sont créées ou ont évolué au sein des universités et des écoles d’ingénieur françaises pour répondre à cette nouvelle demande.

Les enjeux de la visualisation de données couplée à la problématique du Big Data restent les mêmes qu’auparavant, d’un point de vue utilisateur, en cherchant à délivrer les informations sous la forme la plus représentative pour le public visé. Cependant, la problématique des données volumineuses ajoute une dose de complexité pour faire ressortir les « quelques » informations les plus importantes dans la masse. Ces dernières ne peuvent être obtenues que par des ateliers itératifs plaçant les utilisateurs finaux (les décideurs) au centre de la démarche : une information qui ne serait nécessaire que dans le cas d’un problème précis ne doit pas être affichée en permanence, car elle nuit à la visualisation générale.