Le cycle de l'analyse visuelle

Ce contenu fait partie de Tableau Blueprint, un cadre de maturité qui vous permet de réaliser une évaluation approfondie et d’améliorer la manière dont votre organisation utilise les données pour générer un impact. Pour commencer votre parcours, répondez aux questions de notre évaluation(Le lien s’ouvre dans une nouvelle fenêtre).

L'analyse visuelle n'est pas un processus linéaire. Un utilisateur peut par exemple commencer avec une tâche ou une question précise en tête, trouver des données pertinentes, puis les préparer pour les analyses. Puis, au cours de l'analyse, cette personne se rend compte qu'elle a besoin de données supplémentaires, revient quelques étapes en arrière pour en obtenir, choisit une nouvelle présentation visuelle, et ainsi découvre de nouveaux insights. C'est un cas qui peut se reproduire à chacune des étapes du cycle de l'analyse visuelle.


En BI traditionnelle, il est pratiquement impossible de rester concentré sur son analyse. Une telle approche se caractérise par des étapes incontournables, qui ne permettent pas de tirer parti des indices visuels et des itérations. Tout commence par une collecte des besoins, avant de passer au développement, au test, et enfin au lancement. Avec l'analyse visuelle, les différentes étapes sont beaucoup plus fluides, dans la mesure où la réponse à une question ouvre la porte à de nouvelles questions, et ainsi à de nouvelles découvertes.

Point de départ : les questions

Que vous prépariez une visualisation pour vous ou pour d'autres utilisateurs, le cycle de l'analyse visuelle démarre par une tâche ou par la nécessité de répondre à des questions métier. Lorsque vous interrogez vos données, commencez avec un sujet large, avant de poser des questions toujours plus spécifiques. En reprenant ce modèle, un responsable de centre d'appel pourrait poser les questions suivantes :

  • Combien d'appels sont reçus chaque mois ?
  • D'où proviennent ces appels ?
  • Quels sont les principaux types d'appels ?
  • Quel opérateur prend le plus/le moins d'appels ?

Souvent, la personne qui analyse les données comprend également les questions métier sous-jacentes. Dans d'autres situations, un utilisateur peut s'adresser à vous et vous demander de créer un tableau de bord, en vous expliquant à quelles questions métier il doit répondre. Quel que soit le processus pour ce type de demande d'assistance, les étapes à suivre pour y répondre sont les mêmes.

  • Établissez une relation productive basée sur la confiance. Essayez de comprendre les expériences de vos utilisateurs et de parler la même langue qu'eux.
  • Posez des questions ouvertes, du type « Que voulez-vous que ce tableau de bord vous indique ? », ou « À quelle question voulez-vous trouver une réponse ? », plutôt que « Préférez-vous une courbe de tendance ou un graphique en courbes ? ».
  • Exemples d'utilisation : montrez des tableaux de bord existants et demandez ce qui pourrait permettre de les améliorer.

Obtention des données

Vos utilisateurs ont des questions auxquelles ils peuvent trouver une réponse avec des données, mais savent-ils où trouver la source de données adéquate et comment s'y connecter ? L'incapacité à déterminer où trouver les données adéquates parmi la variété de sources structurées, semi-structurées, brutes ou compartimentées est souvent un facteur bloquant qui empêche les entreprises d'évoluer vers une approche basée sur les données.

Au cours du processus de découverte, l'Enquête données et analytique de Tableau présentée dans le Planificateur Tableau Blueprint permet d'identifier les principales sources de données et la manière dont les données sont distribuées et utilisées dans chaque service ou équipe. Des sources de données spécifiques sont documentées dans l'onglet Cas d'utilisation et sources de données Tableau 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 métier. 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 disponibles sous forme de source de données publiée, les créateurs de contenus peuvent s'y connecter et les analyser. Si elles n'existent pas, les auteurs doivent collaborer avec les gestionnaires de données et utiliser les données dont ils disposent, même s'il ne s'agit que d'échantillons, pour créer des prototypes et gagner du temps. Lorsqu'un ensemble de données complètes sera disponible, il viendra remplacer l'échantillon utilisé.

Choix d'une présentation visuelle

Après avoir obtenu des données, les créateurs de contenus peuvent commencer à les explorer en ajoutant des mesures et des dimensions à la vue. Tableau propose la visualisation la plus efficace. Ce type de visualisation peut être changé à tout moment au cours de la création de contenu. À mesure que les créateurs explorent les données et les encodent visuellement à l'aide d'attributs préattentifs, ils pourront en dériver des informations exploitables.

Il est essentiel de choisir le type de présentation visuelle adéquat pour le type d'analyse à réaliser, afin de faciliter les découvertes et la prise de décisions. Il existe cinq principaux types de présentation visuelle, qu'il est nécessaire pour les créateurs et utilisateurs de bien comprendre :

  • Comparaison, représentée par une barre
  • Présentation spatiale, représentée par une carte
  • Présentation temporelle, représentée par une ligne
  • Comparaison de deux mesures, représentée par un nuage de points
  • Nombre précis, représenté par un tableau de texte

Afficher les données

Les visualisations Tableau dévoilent souvent des éléments inattendus, comme des relations, des tendances ou des valeurs inhabituelles. Une découverte surprenante peut stimuler votre processus de réflexion, et vous encourager à approfondir votre analyse ou à poursuivre votre exploration sous un nouvel angle. Le modèle d'interaction de Tableau est basé sur le concept de changement incrémentiel : lorsque vous effectuez une action (un filtrage, par exemple), Tableau affiche instantanément le résultat.

En quoi le changement incrémentiel est-il important ? Il nous permet d'explorer intuitivement un vaste panel de visualisations possibles, pour nous aider à trouver celle qu'il nous faut. Il nous permet de nous focaliser sur l'exploration, phase pendant laquelle les questions que nous nous posons trouvent des réponses, mais soulèvent également de nouvelles questions. Il nous permet également d'apprendre l'analytique visuelle à notre propre rythme. Nous pouvons créer des représentations complexes des données de manière incrémentielle tout en prenant notre temps, au fur et à mesure que nous apprenons à regarder les informations. L'interface de Tableau se base sur le processus consistant à affiner de manière incrémentielle une question pour la transformer en réponse. Chaque utilisateur Tableau, pas uniquement les analystes, doit être capable de déduire des informations pertinentes à partir des données pour prendre des décisions.

Déduction d'insights

L'analyse et la visualisation des données étaient autrefois deux tâches bien distinctes. Un analyste devait exécuter des requêtes ou écrire des calculs pour obtenir des réponses à partir d'une source de données, puis exporter les résultats sous la forme d'un graphique bien spécifique. Mais si l'interrogation des données devient un processus visuel, vous pouvez explorer vos données d'une manière plus enrichissante et plus efficace. Avec l'analytique visuelle, vous pouvez tirer des enseignements au fur et à mesure que vous élaborez l'analyse et que vous découvrez de nouvelles opportunités à explorer.

Dans le domaine des données, l'esprit critique consiste à faire des découvertes et à les communiquer de manière optimale et percutante. L'analytique visuelle permet de poser des questions et de trouver des réponses de manière intuitive en continuant à rechercher des causes profondes.

Que vous soyez créateur de contenus (analyste, développeur ou data scientist par exemple) ou utilisateur d'informations, il est important que vous fassiez faire preuve d'esprit critique avec les données lorsque vous prenez des décisions. Vous devez vous poser les questions suivantes au fur et à mesure que vous déduisez des insights :

  • Quelle question dois-je poser ?
  • La réponse que j'obtiens est-elle fiable ?
  • Ai-je la possibilité de déterminer si mes données sont utiles ou non ? Si elles sont correctes ?
  • Est-ce que j'utilise toutes les informations factuelles ? Suis-je en train de chercher à confirmer des préjugés ?

Action et partage

Le partage des découvertes conduit à la prise de décisions, pour aboutir à des résultats et des solutions. Les découvertes sont inutiles si elles ne sont pas partagées. Vous pouvez partager différents types de contenus via Tableau Server ou Tableau Cloud :

  • Flux Tableau Prep : les flux Tableau Prep peuvent être publiés sur Tableau Server ou Tableau Cloud, puis planifiés 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 à un extrait que vous pouvez actualiser de manière programmée. Pour en savoir plus, consultez les pages Meilleures pratiques pour les sources de données publiées et L’accès à des données gouvernées grâce au serveur de données Tableau.
  • Classeurs : les classeurs contiennent vos vues, tableaux de bord, histoires et connexion de données. Vous pouvez inclure des ressources locales telles que des images d’arrière-plan et un géocodage personnalisé, si elles résident sur un emplacement auquel le serveur ou d’autres utilisateurs Tableau ne peuvent pas accéder.

Il peut être utile d'établir une liste de contrôle pour vérifier que le contenu publié d'un tableau de bord répond aux besoins et apporte une réponse aux questions métier souhaitées. Les gestionnaires de données interviennent également pour vérifier la pertinence d'une source de données intégrée et son aptitude à être publiée et certifiée. Outre la vérification de la justesse des données et des calculs, la validation de contenu doit également inclure un passage en revue du branding, de la mise en page, de la mise en forme, des performances, des filtres, des actions de tableau de bord, ainsi que des cas particuliers en matière de comportement, lesquels seront effectués par l'administrateur de site ou le responsable du projet. Pour en savoir plus sur la validation, la promotion et la certification de contenu, consultez la rubrique La gouvernance dans Tableau.

Merci de vos commentaires !Avis correctement envoyé. Merci