Dataviz : comment intégrer des données pertinentes ?

Temps de lecture : 9 min

De nombreuses entreprises ont l’habitude de traiter d’énormes quantités de données grâce à des outils de type tableur, comme Excel. Le but est souvent le même : croiser des données pour en tirer des informations pertinentes pour la prise de décision. Cependant, ce processus de traitement est long, fastidieux et peut facilement comporter des erreurs humaines.

Pour répondre à ces problématiques, de nouvelles pratiques issues des sciences de la donnée ont vu le jour comme la data visualisation.

Seulement, ces nouvelles pratiques ne sont pas magiques. Si vous utilisez toutes vos données sans un minimum de traitement au préalable, vous aurez certainement des résultats, mais pas forcément ceux attendus. Nous allons donc vous expliquer comment intégrer des données pertinentes dans vos outils de dataviz.

Qu’est-ce que la dataviz ?

Le philosophe Confusus disait : « Une image vaut mille mots ». Cette citation résume très bien le rôle de la dataviz. En effet, la data visualisation consiste à utiliser des outils graphiques afin de traduire des données brutes en visuels compréhensibles : graphiques, cartographies, etc. Les données ainsi obtenues sont souvent rassemblées dans un Dashboard ou présentées dans un rapport. Cette vue d’ensemble de données visuelles permet de facilement comprendre les résultats obtenus. Il est alors plus simple d’en tirer des conclusions nécessaires à une prise de décision.

Mais, comme abordé plus haut, la qualité et la véracité des résultats obtenus repose sur la pertinence des données utilisées. Il convient donc de suivre quelques étapes de traitement de données avant de se lancer dans la dataviz :

Cadrer vos besoins de données

La première étape de tout processus de data visualisation consiste à définir vos objectifs et déterminer les données qui vous seront utiles pour les atteindre.

Définir vos objectifs

En data visualisation, définir un objectif signifie proposer une hypothèse et déterminer comment la tester. Pour cela, commencez par vous demander quel problème vous aimeriez résoudre. Imaginons que vous disposiez d’une boutique en ligne. Vous pourriez, par exemple, vous demander : « Pourquoi mon site e-commerce génère moins de vente qu’avant ? ». Ce constat est simple à faire, car vous observez que votre chiffre d’affaires diminue.

Seulement, pour expliquer ce constat, vous devez aller plus loin dans la réflexion et vous servir de votre connaissance métier pour faire des hypothèses. Par exemple, vous savez que de nombreuses mises à jour ont été faites sur votre site Internet récemment. Se pourrait-il que ces modifications aient eu un impact sur le processus d’achat ? Vous savez également que vous rencontrez des problèmes d’approvisionnement pour certains produits. Est-ce que les délais de livraison annoncés peuvent expliquer la baisse des ventes ?

Vous devez ainsi lister toutes les hypothèses pouvant répondre à votre problématique. Grâce à cela, vous pourrez plus facilement déterminer les données que vous devrez intégrer dans votre outil de dataviz.

Déterminer les données nécessaires

Maintenant que vous avez défini un problème, vous devez vous demander quelles sont les données qui vous aideront à y répondre. Il peut s’agir de données quantitatives (numériques), comme des chiffres de vente ou encore des statistiques de visite, ou de données qualitatives (descriptives), telles que des avis clients.

À ce stade, ne vous souciez pas de savoir si vous possédez les données nécessaires. Contentez-vous de lister les données qui vous seraient indispensables. Vous pourrez voir par la suite comment collecter les données que vous ne possédez pas encore.

Collecter les données

Une fois votre objectif cadré et les données nécessaires listées, vous pourrez mettre en place une stratégie de collecte de data. Cette stratégie se base sur un classement des données en trois catégories : 1st party data / 2nd party data / 3rd party data.

Qu’est-ce que les données 1st party ?

Les données de première partie sont des données que vous, ou votre entreprise, avez directement collectées auprès de vos clients ou visiteurs. Il peut, par exemple, s’agir de données de suivi transactionnel ou d’informations provenant du système de gestion de la relation client (CRM) de votre société. D’autres sources de données de première partie peuvent être utilisées comme des enquêtes de satisfaction client, des groupes de discussion, des entretiens ou des observations directes. Toutes ces données sont généralement considérées comme fiables, car elles sont obtenues directement auprès de votre cible.

Qu’est-ce que les données 2nd party ?

Pour enrichir votre analyse, il est possible de consolider vos données avec celles recueillies par une source secondaire. Il s’agit souvent de données de suivi sur l’activité d’un site Web, d’une application ou de réseaux sociaux. Mais, il peut aussi s’agir de données plus spécifiques comme des historiques d’achat en ligne ou des données d’expédition.

Ces données de seconde partie sont généralement les data de première partie d’autres organisations. Vous pouvez vous les procurer directement auprès d’une entreprise partenaire ou via des marchés privés.

Qu’est-ce qu’une donnée 3rd party ?

Les données tierces sont des données qui ont été collectées et agrégées à partir de nombreuses sources par une organisation tierce. Souvent (mais pas toujours), les données tierces contiennent une grande quantité de données non structurés (big data).

De nombreuses organisations (Data Brokers) collectent et revendent des mégadonnées pour créer des rapports sur un secteur d’activité ou pour mener des études de marché. Il faut cependant faire attention avec ce type de données, car leur traçabilité et leur fiabilité peuvent être douteuses. Il convient donc d’étudier la qualité et la conformité RGPD de ces entreprises avant d’utiliser leurs données.

Il est également possible d’utiliser des jeux de données mises à disposition par les états : les Open Data. Par exemple, en France, le Service public de la donnée met à disposition diverses données de référence comme une base des adresses nationales ou encore une base Siren des entreprises.

Préparer les données

Une fois que vous êtes en possession de toutes les données nécessaires, l’étape suivante consiste à les préparer pour l’analyse. Cette phase est cruciale pour vous assurer de travailler avec des données de haute qualité. Les principales tâches de préparation des données consistent à les nettoyer :

• Suppression des erreurs majeures, des doublons et des valeurs aberrantes, qui sont inévitables lors de l’agrégation de données provenant de nombreuses sources.
• Suppression des données indésirables : extraction des observations non pertinentes qui n’ont aucune incidence sur l’analyse que vous envisagez.
• Structuration des données : correction des fautes de frappe ou des problèmes de mise en page pour pouvoir cartographier et manipuler vos données plus facilement.
• Comblage des principales lacunes : pendant que vous structurez vos données, vous pouvez identifier des données manquantes et les combler.

Cette étape de nettoyage des données est souvent longue et fastidieuse. Les analystes de données passent d’ailleurs souvent plus de temps à préparer les données qu’à les analyser. Cela peut paraître excessif mais la moindre donnée erronée peut avoir un impact important sur vos résultats.

Des outils pour vous aider à nettoyer vos données

Le nettoyage manuel de grandes quantités de données peut être intimidant. Heureusement, il existe de nombreux outils disponibles pour rationaliser ce processus : les ETL (Extract, Transform, Load). Ils permettent de nettoyer et de mettre en forme de gros jeux de données.

Des ETL open source gratuits, tels que OpenRefine, sont excellents. Cependant, ils peuvent vite manquer de fonctionnalités pour le traitement de très grands ensembles de données. Dans ce cas, des bibliothèques Python, comme Pandas, sont plus adaptées, mais elles nécessitent de maîtriser ce langage de programmation.

Nous avons récemment utilisé Dataiku qui permet de créer et de fournir des données et des analyses avancées grâce à un éditeur wysiwyg.

De nombreux logiciels payants permettent de nettoyer vos données. Cependant, il n’est pas toujours nécessaire d’utiliser ce type d’outils. En effet, certaines solutions de dataviz très performantes intègrent des systèmes de gestion de la qualité des données.

Utiliser un outil de dataviz adapté

Une fois vos données brutes collectées (voir même nettoyées), vous aurez besoin de les analyser et de visualiser les résultats obtenus de façon claire et précise. De nombreux outils de data visualisation permettent d’interpréter vos données à l’aide de diagrammes, de graphiques et autres outils visuels. Vous devez donc trouver celui qui répondra à vos besoins.

Comment trouver votre outil de dataviz ?

Face aux nombreux outils de data visualisation disponibles sur le marché, il est indispensable de définir vos besoins pour trouver celui qui vous correspond. Pour cela, vous pouvez vous poser quelques questions :

• Combien suis-je prêt à investir dans un logiciel de dataviz ?
• De quelles fonctionnalités ai-je besoin (collaboration, intégration, etc.) ?
• Ai-je besoin d’outils de visualisation spécifiques ?

Vous devez imaginer l’usage que vous en aurez, définir qui en aura l’utilité et prendre en compte toutes les spécificités de votre projet de data visualisation pour faire les bons choix.

3 exemples d’outils de data visualisation

Pour illustrer l’importance de trouver l’outil de dataviz qui répond à vos attentes, nous allons vous en présenter 3 que nous avons récemment utilisé. Vous allez ainsi voir à quel point ils sont différents :

Power BI

Power BI de Microsoft est une suite d’outils de visualisation de données et d’analyse commerciale. Il offre des outils pour analyser, transformer et visualiser facilement des données brutes, y compris la possibilité de créer des modèles réutilisables. Le logiciel vous permet d’intégrer vos applications, afin de fournir des rapports et des tableaux de bord en temps réel. L’interface est conviviale et offre d’excellentes capacités de visualisation des données.
Pour qui : Si votre entreprise utilise déjà des outils Microsoft Business Suite et que vous avez une équipe d’utilisateurs expérimentés d’Excel, alors Power BI pourrait vous convenir.

Tarifs : Version gratuite ou plan pro à partir de 9,99$

Lien : https://powerbi.microsoft.com/fr-fr/

Looker Studio (anciennement Data Studio)

Looker Studio est un outil de visualisation de données gratuit conçu pour aider les utilisateurs à donner vie à leurs données. Étant donné que l’outil est édité par Google, il se connecte facilement à d’autres fonctionnalités, telles que Sheets et AdWords. Vous pouvez également télécharger des données à partir de nombreuses autres sources de données. Tout configurer est simple et rapide si vous avez déjà un compte Google.

Pour qui : Lokker Studio est un excellent outil de visualisation de données, en particulier pour les startups et les entrepreneurs, car l’utilisation de l’outil est gratuite et ne nécessite pas de compétences techniques particulières.

Tarifs : Gratuit
Lien : https://lookerstudio.google.com

Kibana

Kibana est un outil open source de visualisation de données. Il fonctionne avec le moteur d’indexation ElasticSearch et permet de mettre en forme les données en tableaux de bord dynamiques et interactifs. Très puissant, il permet d’élaborer des schémas complexes de données.

Pour qui : Kibana est très puissant mais nécessite l’utilisation de ElasticSearch et de bonnes connaissances techniques pour récupérer les données et les injecter dans l’outil. Il est donc à privilégier pour les projets d’envergure avec des besoins très spécifiques.

Tarif : Gratuit
Lien : https://www.elastic.co/fr/kibana/

Intégrer vos données

La dernière étape consiste à intégrer vos données dans votre outil de Dataviz. Gardez en tête votre objectif principal pour paramétrer l’outil et concevoir des tableaux de bord ou rapport personnalisés pertinents. Vous n’aurez plus, ensuite, qu’à analyser les résultats obtenus à l’aide des graphiques et cartographies. Vous devriez ainsi déduire des informations pouvant répondre à votre problématique de départ. Si ce n’est pas le cas, essayez d’autres paramétrages ou importez de nouvelles données.

Conclusion

Comme d’habitude, nous espérons que cet article aura pu vous être utile. Si vous avez suivi toutes les étapes mentionnées dans cet article, vous devriez obtenir des résultats pertinents avec votre outil de Dataviz. Si ce n’est pas le cas, ou que vous avez besoin de vous faire accompagner dans votre projet de visualisation de données, n’hésitez pas à contacter nos experts en Dataviz. Notre équipe est à votre écoute et saura répondre à vos besoins.