Dans data visualization (représentation visuelle des données), il y a deux notions, celle de données, d’une part, et d’autre part celle de visualisation ou de représentation graphique. La démocratisation des outils de data visualization ne doit pas masquer la complexité qui se trouve dans le rapprochement, apparemment anodin, de deux notions, celle du traitement de la donnée et celle de représentation visuelle d’informations. Le succès d’un projet de data visualization repose bel et bien dans une mise en oeuvre harmonieuse de ces deux disciplines qui font appel à des corps de métiers très éloignés l’un de l’autre pour donner naissance à une nouvelle discipline, la data expérience.

A quoi sert la data visualization ?

La data visualization est la mise à disposition de tableaux de bords. Elle sert pour des utilisateurs qui ne sont pas statisticiens mais qui vont, grâce à ces tableaux, trouver des outils de pilotage ou naviguer de manière simple dans la donnée pour se faire une opinion sur un état des lieux et prendre des décisions.
La data visualization permet d’avoir des rapports visuels facilitant le suivi d’une activité, ou de naviguer dans la donnée grâce à un système de filtres pour valider des hypothèses, sans avoir à réaliser de calculs ou avoir de connaissances en statistiques.

A qui s’adresse la data visualization ?

La consommation de rapports de data visualization s’adresse à public large au sein de l’entreprise ou auprès de publics externes ciblés (clients, fournisseurs, etc.). Là où un mathématicien sera à l’aise avec la donnée brute et se fera une opinion sur une manière « abstraite », la data visualization va permettre d’activer des ressorts liés à l’émotion, à la sensibilité grâce à la représentation visuelle (jeux sur les couleurs, jeux sur les écarts, sur la typologie de représentation imagées du type météo, etc.).

Quelles compétences pour un projet de data visualization ?

La discipline de la data visualization est par essence pluridisciplinaire. Elle fait appelle à des compétences UX pour la compréhension des attentes métiers, de ceux qui vont avoir à consommer les rapports de données. Cette même personne va aussi identifier les données sources, vérifier leur qualité et identifier les indicateurs à produire. Cette personne, chez k-ciopé, s’appelle le data steward. Elle travaille avec deux autres personnes aux compétences complémentaires :
1- Un designer, qui va travailler sur les parcours utilisateurs et sur la mise en forme visuelle de la de la donnée. C’est un travail d’architecture de l’information, d’ergonomie et de graphisme.
2- Un data engineer, qui va travailler sur le flux d’alimentation de la donnée pour l’automatiser, que ce soit pour se connecter à la source de données, la récupérer, la stocker, la transformer et la réinjecter dans l’outil de data visualization.
Ensuite, le data engineer ou le data steward, en fonction de ses compétences, pourra faire l’intégration des rapports dans l’outil de data visualization et travailler sur le mode de mise à disposition des utilisateurs.

Comment est consommée la data visualization ?

Les outils sont prévus pour avoir différents modes de mise à disposition. Elle peut être disponible dans un espace en ligne de l’outil, intégré dans un site web ou encore dans l’intranet de l’entreprise. Force est de constater qu’il est souvent très inefficace d’en rester aux modes de mise à disposition standards qui nécessite de la part des utilisateurs d’aller chercher l’information. Pour assurer le succès d’un tel projet dans la durée, il est absolument primordial de réfléchir à la manière dont les utilisateurs vont être amenés à utiliser ces rapports. En effet, la mise en oeuvre d’un premier rapport complet génère souvent beaucoup d’engagement de part sa nouveauté, puis l’enthousiasme retombe.
« Où se trouve le rapport déjà ? C’est quoi mon mot de passe ? On est sûr que les chiffres sont bons ? C’était bien ce premier rapport mais ce n’est plus ma préoccupation, j’ai besoin de nouveaux indicateurs ». Autant de remarques qui nous conduisent à mettre en oeuvre deux types de solutions :
1- Pour la consommation d’indicateurs en « run », c’est à dire que c’est une consultation périodique de tendances qui ne nécessite pas de naviguer dans la donnée. Dans ce cas, il faut privilégier l’envoi des rapports par mail.
2- Les indicateurs doivent évoluer en fonction des enjeux métier du moment, c’est pourquoi le travail ne peut pas être figé mais nécessite des évolutions au fil de l’eau, sur un rythme trimestriel.

Quel outil ?

Il existe plusieurs centaines d’outils de data visualization. De nombreux sites proposent des comparatifs pertinents sur lesquels il n’est pas nécessaire de revenir ici. Chez k-ciopé, nous avons fait le choix de nous concentrer, de manière non exclusive, sur Power BI. Ce choix est poussé par une demande croissante du marché où les grandes entreprises et institutions ont pris le virage d’Azure et d’office 365. Pour des raisons de licence, de gestion des utilisateurs et d’intégration dans l’environnement de travail du collaborateur, c’est un choix qui va faciliter grandement le déploiement des rapports en interne. C’est un outil puissant qui bénéficie d’une très large communauté de formateurs et de spécialiste. La reprise en main par le client de rapports créés n’est jamais un frein. Cela ne signifie pas pour autant que se tourner vers d’autres solutions, comme tableau.io, ou la création de rapports en développement spécifiques ne sont pas pertinents. C’est un choix qui doit s’adapter à la réalité du projet et à l’environnement de l’entreprise.

Conclusion

Il faut retenir qu’un projet de data vizualisation est réussi quand on respecte les bonnes pratiques suivantes :

* S’appuyer sur la puissance de la pluridisciplinarité
* Penser au parcours de consommation de l’information
* Rendre robuste l’alimentation de la donnée
* Accepter l’évolutivité des indicateurs en fonction des enjeux métiers du moment
* Opter pour la solution technique qui s’adapte le plus à l’environnement de l’entreprise

– Thierry Bembaron –