Le cycle de l’analyse visuelle

Ce contenu fait partie de Tableau Blueprint, un cadre de maturité vous permettant d’approfondir et d’améliorer la façon dont votre organisation utilise les données pour générer de l’impact. Pour commencer votre voyage, faites notre évaluation(Le lien s’ouvre dans une nouvelle fenêtre).

L’analyse visuelle est un processus non linéaire. Par exemple, un utilisateur peut commencer par une tâche ou une question initiale, trouver des données pertinentes et les préparer pour l’analyse. Au cours de l’analyse, l’utilisateur se rend compte qu’il a besoin de données supplémentaires, alors il remonte de quelques étapes pour obtenir plus de données, choisir une nouvelle cartographie visuelle et développer une nouvelle perspective. Cet exemple peut être répété pour n’importe laquelle des autres étapes du cycle de l’analyse visuelle.


Le flux d’analyse est difficile, voire impossible à réaliser dans l’aide à la décision traditionnelle. Au lieu d’exploiter la puissance des indices visuels et de l’itération, il est fortement axé sur les jalons. La collecte des besoins mène au développement, puis aux tests, et finalement au lancement. Avec l’analyse visuelle, les étapes deviennent plus fluides, car la réponse à une question conduit souvent à d’autres questions et de nouvelles idées sont découvertes.

Commencer par des questions

Que vous rédigiez pour vous-même ou pour d’autres, le cycle de l’analyse visuelle commence par une tâche ou par des questions d’affaires auxquelles il faut répondre. Lorsque vous posez des questions au sujet des données, commencez par un sujet général, puis ajoutez des précisions à chaque nouvelle question. Par exemple, les questions d’un gestionnaire de centre d’appels, du résumé au détail, peuvent ressembler à ce qui suit :

  • Combien d’appels sont reçus chaque mois?
  • D’où viennent les appels?
  • Quels sont les principaux types d’appels?
  • Qui répond au plus grand ou au moins grand nombre d’appels?

Souvent, la personne qui analyse les données comprend également les questions opérationnelles sous-jacentes. Dans d’autres cas, quelqu’un pourrait venir vous voir pour vous parler du besoin d’un tableau de bord et des questions d’affaires auxquelles il doit répondre. Peu importe le processus de demande de ce genre d’aide, les étapes de la réussite sont semblables.

  • Établir des relations de travail productives fondées sur la confiance. Découvrez leurs expériences et essayez de parler leur langue.
  • Posez des questions ouvertes comme « Que voulez-vous que ce tableau de bord vous dise? » ou « À quelle question voulez-vous répondre? » au lieu de « Voulez-vous un graphique en courbes? » ou « Devrais-je faire une courbe de tendance? »
  • Utilisez des exemples : Montrez des tableaux de bord existants et demandez-leur ce qui pourrait les améliorer.

Obtenir des données

Vos utilisateurs ont des questions auxquelles on peut répondre avec des données, mais savent-ils comment trouver la bonne source de données et s’y connecter? Qu’il s’agisse d’une variété de sources de données structurées, semi-structurées et brutes, ou de données cloisonnées au sein de différents services de l’organisation, savoir où obtenir les bonnes données est l’un des plus grands obstacles pour devenir une organisation guidée par les données.

Au cours du processus de découverte, l’Enquête sur les données et les analyses de Tableau dans le Planificateur Tableau Blueprint a identifié les principales sources de données et la façon dont les données sont distribuées et utilisées au sein de chaque service ou équipe. Des sources de données précises sont documentées dans l’onglet Cas d’utilisation de Tableau et sources de données du Planificateur Tableau Blueprint. Vous devez donner la priorité à celles qui seront les plus utiles en fonction de la taille du public et créer des sources de données publiées dans Tableau Server ou Tableau Cloud.

Au-delà des premiers cas d’utilisation, les créateurs de contenus doivent comprendre comment obtenir des données pour répondre à de nouvelles questions d’affaires. L’enquête sur les données et l’analytique permet de découvrir de nouveaux cas d’utilisation et de vérifier si les données nécessaires sont déjà présentes dans Tableau Server ou Tableau Cloud. Si elles sont déjà accessibles en tant que source de données publiées, les créateurs de contenu peuvent s’y connecter et commencer à les analyser. Si elles n’existent pas, les auteurs devraient collaborer avec les gestionnaires de données et travailler avec les données dont ils disposent, même les fichiers de données d’échantillon, et créer un prototype avec les données disponibles, plutôt que d’attendre de disposer d’un ensemble de données parfaitement opérationnalisé. Une fois l’ensemble de données complet disponible, l’ensemble de données opérationnalisé remplacera l’échantillon.

Choix d’une mise en correspondance visuelle

Après avoir obtenu des données, les créateurs de contenu commenceront à explorer les données en ajoutant des mesures et des dimensions à l’affichage, et Tableau présente aux utilisateurs la visualisation la plus efficace. À tout moment dans la rédaction du contenu, le type de visualisation peut être modifié. Au fur et à mesure que les créateurs explorent les données et les encodent visuellement avec les attributs préattentifs, ils seront en mesure d’en tirer de l’information exploitable.

Il est essentiel de choisir le type de mise en correspondance visuelle approprié pour le type d’analyse afin d’obtenir des renseignements exploitables et de passer à l’action. Les créateurs de contenu et les consommateurs devraient comprendre cinq principaux types de mises en correspondance visuelles :

  • Comparaison, représentée sous la forme d’une barre
  • Spatiale, représentée sous forme de carte
  • Temporelle, représentée par une ligne
  • Comparaison de deux mesures, représentées sous la forme d’un nuage de points
  • Nombre précis, représenté sous la forme d’un tableau de texte

Afficher les données

Les visualisations Tableau montrent souvent les imprévus : relations, valeurs inhabituelles et tendances. Une découverte surprenante stimule le processus de pensée, encourageant une analyse plus approfondie ou un chemin d’exploration différent. Le modèle d’interaction de Tableau repose sur le concept de changement progressif : chaque fois que vous effectuez une action (p. ex., un filtre), Tableau affiche instantanément le nouveau résultat.

Pourquoi le changement progressif est-il important? Il nous permet d’explorer intuitivement un grand espace de visualisations possibles afin de trouver la bonne. Cela nous permet de nous concentrer sur la tâche d’exploration, où les questions mènent non seulement aux réponses, mais aussi à d’autres questions. Il nous permet également d’apprendre l’analytique visuelle à notre propre rythme. Nous pouvons construire des représentations sophistiquées de données lentement et progressivement alors que nous apprenons à analyser l’information. L’interface de Tableau est basée sur le processus de raffinement progressif d’une question en réponse. Chaque utilisateur de Tableau, et pas seulement les analystes, doit pouvoir tirer des renseignements utiles des données et fonder ses décisions sur les données.

Extraire de l’information exploitable

L’analyse et la visualisation des données étaient autrefois des tâches distinctes. Un analyste devait exécuter des requêtes ou rédiger des calculs pour obtenir des réponses d’une source de données, puis exporter les résultats sous forme de tableau ou de graphique précis. Mais en rendant le processus d’interrogation de données visuel, vous explorez vos données d’une manière plus riche et plus significative. Grâce à l’analyse visuelle, vous pouvez construire une analyse et en tirer des renseignements utilisables simultanément, au fur et à mesure que d’autres interrogations se présentent.

La pensée critique à l’égard des données consiste à trouver des enseignements et à les communiquer de façon optimale et attrayante. L’analyse visuelle rend intuitives les questions que vous vous posez à propos de vos données, et les réponses que vous obtenez, que vous soyez un créateur ou un consommateur, alors que nous continuons à nous demander « pourquoi ».

La pensée critique à l’égard des données est importante pour le processus décisionnel, tant pour les créateurs de contenu (souvent des analystes, des développeurs ou des scientifiques de données) que pour les consommateurs d’information. Les deux groupes devraient se poser les questions suivantes au fur et à mesure qu’ils acquièrent des connaissances :

  • Quelle question dois-je poser?
  • Et quand j’obtiens la réponse, est-ce que je lui fais confiance?
  • Ai-je la possibilité de me demander si mes données sont utiles? Si elles sont exactes?
  • Est-ce que j’utilise tous les faits? Est-ce que j’essaie de confirmer les préjugés que j’ai?

Agir (Partager)

Les résultats partagés mènent à des actions, à des résultats et à des solutions. En fait, les découvertes non partagées sont inutiles. Vous pouvez partager différents types de contenus à l’aide de Tableau Server ou de Tableau Cloud :

  • Flux Tableau Prep : Les flux Tableau Prep peuvent être publiés sur Tableau Server ou Tableau Cloud, puis programmés de manière à s’exécuter lorsque vous en avez besoin avec Tableau Prep Conductor.
  • Sources de données publiées : Vous pouvez publier les sources de données que d’autres personnes peuvent utiliser pour créer de nouveaux classeurs. Une source de données peut contenir une connexion directe (ou en direct) à votre base de données ou un extrait que vous pouvez actualiser selon une programmation. Pour en savoir plus, consultez Meilleures pratiques pour les sources de données publiées et Activation de l’accès aux données régies avec Tableau Data Server.
  • Classeurs : Les classeurs contiennent vos vues, tableaux de bord, histoires et connexion de données. Vous pouvez inclure des ressources locales, comme des images d’arrière-plan et du géocodage personnalisé, si ces éléments sont hébergés à un endroit auquel le serveur ou les autres utilisateurs Tableau n’ont pas accès.

Une liste de contrôle du tableau de bord est une ressource utile pour s’assurer que le contenu publié répond à l’objectif et aux questions opérationnelles. Les gestionnaires de données interviennent également pour vérifier la pertinence d’une source de données intégrée et son aptitude à être publiée et certifiée. Au-delà de l’exactitude des données et des calculs, la validation du contenu doit également inclure un examen du choix de la marque, de la mise en page, de la mise en forme, des performances, des filtres, des actions du tableau de bord et des comportements des cas périphériques par l’administrateur de site ou le responsable du projet. Pour en savoir plus sur la validation, la promotion et la certification du contenu, consultez l’article sur la La gouvernance dans Tableau.

Merci de vos commentaires!Votre commentaire s été envoyé avec succès. Merci!