3 aspects clés de l'analyse graphique afin d'optimiser votre visualisation des données

Que ce soit pour votre quotidien ou pour la visualisation de données lors de l'analyse graphique, de manière consciente ou inconsciente, vous identifiez et traitez constamment des schémas récurrents. Imaginez que vous alliez dîner dans un restaurant que vous ne connaissez pas. C'est votre première venue dans ce restaurant, néanmoins vous vous attendez à ce que les choses se déroulent comme suit :

• Vous êtes accueilli par un hôte ou une hôtesse qui vous conduit à une table.
• Le serveur vient se présenter et prend votre commande de boissons.
• Lorsqu'il revient avec vos boissons, il prend votre commande de plats.
• Au cours du repas, le serveur s'arrête de temps à autre à votre table pour s'assurer que tout va bien et remplir vos verres.
• Après le repas, le serveur vous demande aimablement si vous désirez un dessert.
• Suite à votre refus, il sort l'addition de sa poche ou va la chercher à la caisse pour vous.
• Vous payez et quittez le restaurant.

Ceci est un exemple parmi d'autres de schémas psychologiques (à ne pas confondre avec un schéma de base de données) qui font partie de votre quotidien. Ces modèles permettent à des groupes sociaux de se comporter de manière similaire et de répondre efficacement à des situations qui varient. Ces schémas sont si puissants et intégrés que tout bouleversement du modèle peut provoquer une confusion difficile à surmonter. Prenons un exemple extrême : imaginez que vous arrivez dans le restaurant donné en exemple et que le serveur vous apporte l'addition avant que vous vous soyez assis à une table.

Le modèle du restaurant suit un ordre intuitif, si bien qu'il y a peu de risques qu'il change beaucoup, mais vous créez également des schémas personnels basés sur votre propre expérience et votre vision du monde. Ces préconceptions vous épargnent de longues réflexions : ayant déjà connu des situations similaires, vous savez comment y faire face et comment vous comporter.

Les schémas jouent un rôle important dans la visualisation des données, car ils ont un impact décisif sur les deux plus grands avantages de la visualisation de données : l'accélération de la découverte d'informations exploitables et l'amélioration de l'exactitude de ces découvertes. Appuyez-vous sur les schémas de votre auditoire pour améliorer son expérience. Si vous bouleversez ses schémas, vous risquez de perdre votre auditoire.

Cet article présente trois méthodes pour exploiter les schémas et optimiser votre visualisation des données.

Les cartes nous aident à appréhender les données, car, outre les données elles-mêmes, elles fournissent un contexte spatial facilitant nos analyses. Observez le graphique à barres suivant. Il affiche les prix par section des billets pour le Super Bowl 50 :

La visualisation des données est réussie et conforme aux meilleures pratiques. En outre, ce graphique renferme vraiment des informations exploitables. Néanmoins, l'ajout d'un contexte spatial clarifie immédiatement l'analyse, même si vous ne connaissez pas le stade dans lequel a lieu le match :

Je peux me baser sur le schéma que j'ai créé dans ma tête à partir de mes expériences passées d'achat de billets d'évènements sportifs, pour savoir que les places les plus près du centre du terrain sont les plus chères. Cela va me permettre d'analyser la situation plus vite, car il est beaucoup plus rapide de déterminer si les chiffres du graphique à barres me semblent logiques ou si une anomalie, donc un bouleversement de mon schéma, me saute aux yeux (par exemple, les billets des gradins inférieurs sont moins chers que ceux des gradins supérieurs). Dans ce cas, ce bouleversement va générer des informations exploitables.

Selon l'histoire que vous essayez de raconter, une telle carte peut être plus utile, voire remplacer, un graphique à barres. Pour ma visualisation du coût des billets du Super Bowl 50 affichée ci-dessus, j'ai choisi d'utiliser la carte du stade et un graphique à courbes.

Une image vaut mille mots. Le deuxième schéma capable d'améliorer la visualisation des données est la représentation par des icônes, des formes ou des symboles. La frontière est mince entre les visuels qui améliorent une visualisation des données et ceux qui la rendent illisible. Mais lorsque les visuels sont correctement réalisés, ils fournissent beaucoup plus d'informations que les mots.

Au niveau le plus élémentaire de la perception, pensez à la valeur ajoutée d'un signe « + » ou « - » lorsqu'il précède un nombre sur un tableau de bord. Lorsque ce simple caractère est utilisé pour montrer un changement positif ou négatif dans un indicateur clé de performance, il accélère la découverte d'informations exploitables et augmente l'exactitude de ces découvertes. Les flèches ou les triangles pointant vers le haut ou vers le bas produisent le même effet.

C'est un exemple de base, mais de nombreux visuels fonctionnent de cette façon, car nous avons des notions préconçues de leur signification. Jetez un coup d'œil à la navigation que j'ai utilisée dans ma visualisation, « The Odds of Going Pro in Sports » (Les chances de devenir un professionnel du sport) :

J'ai utilisé des icônes à la place des mots pour illustrer les différents sports. Je trouve que cela rend la vue plus attrayante. En outre, les icônes ont l'avantage de réduire, et souvent d'éliminer les barrières linguistiques.

Dans un autre exemple, j'ai utilisé une carte polygonale d'un joueur de football pour illustrer les parties du corps qui causent le plus de commotions cérébrales dans la NFL :

J'aurais pu me contenter de faire un graphique à barres en fonction des sources de commotion. C'est une approche acceptable, mais en superposant la carte de chaleur et la silhouette du joueur, l'observateur peut exploiter ses schémas psychologiques existants pour appréhender la vue et découvrir des informations exploitables.

Je suis sûr que, malgré vous, vous associez la couleur verte à ce qui est bien et la couleur rouge à ce qui est mal. Je ne sais pas d'où vient cet a priori, mais il semble bien ancré en nous. C'est un schéma. Vous n'avez pas besoin d'apprendre à votre auditoire la signification du rouge et du vert ; il le sait (ou pense qu'il le sait, alors attention !).

Je ne recommande pas cette combinaison de couleurs, à la fois pour des raisons scientifiques (daltonisme) et des raisons personnelles (je trouve que c'est laid). Néanmoins, c'est un exemple de schéma que vous pouvez utiliser pour aider votre public à comprendre vos visualisations de données.

Tenez compte des associations naturelles que fait l'auditoire pour l'aider à dégager plus rapidement des informations exploitables et à améliorer l'exactitude de leurs découvertes. Cela fonctionne dans les deux sens, alors attention à ne pas bouleverser complètement leurs schémas. Si vous composez une visualisation sur les fruits, ne colorez pas les oranges en violet et les raisins en orange.

Si vous utilisez une couleur ne faisant pas partie des palettes de couleur courantes, à savoir le vert et le rouge ou le bleu et l'orange, soyez cohérent afin que votre auditoire s'habitue à votre manière d'utiliser les couleurs et la comprenne.

L'utilisation réfléchie de ces trois schémas vous aide à tirer le maximum des deux plus grands avantages de la visualisation des données : l'accélération de la découverte d'informations exploitables et l'amélioration de l'exactitude de ces découvertes. Gardez à l'esprit que votre auditoire a ses propres idées préconçues qu'il faut éviter de perturber si vous voulez qu'il tire parti de votre visualisation des données.

À quels autres schémas psychologiques pensez-vous lorsque vous créez vos visualisations de données ? Faites-nous part de vos commentaires ci-dessous. Pour plus de conseils, d'astuces et de visualisations de Ryan Sleeper, consultez son blog et sa page de profil Tableau Public. Vous pouvez aussi le contacter par le biais son compte Twitter @ryanvizzes.