dimanche, mai 8, 2016 DataviSUALISATION QQOCQP?

Transcription

1 dimanche, mai 8, 2016 DataviSUALISATION QQOCQP?

2 QQOCQP Qui Quoi Où Comment Quand Pourquoi Quoi Pourquoi Quand Qui Comment Où

3 Quoi? Datavisualisation Présenter et représenter les données de manière à les rendre compréhensibles Traitement de données complexes pour les afficher simplement

4 POURQUOI?

5 Pourquoi? Donnée Information Connaissances Décision

6 Pourquoi? retenir / mémoriser comprendre / analyser communiquer Série2

7 Pourquoi? Le quartet d Anscombe Propriété Moyenne des x 9.0 Valeur Variance des x 10.0 Moyenne des y 7.5 Variance des y 3.75 Corrélation entre les x et les y Équation de la droite de régression linéaire Somme des carrés des erreurs relativement à la moyenne Y=3+0,5 x 110,0 dia/file:anscombe%27s_quartet_3.svg

8 Mentir avec les graphiques Il y a trois sortes de mensonges : Mensonges Les sacrés mensonges Les statistiques

9 Mentir avec les graphiques Modèles temporels (zoom sur une partie) Proportion Point de départ des axes, échelles Graphe Facteur de mensonge = valeur 2 valeur1 valeur 1 valeur 2 valeur1 valeur 1 Données

10

11

12 Rayon x2 Surface x2

13 Junk chart

14 Simple is better! 3 règles de Edward Tufte : Retirer le décorum et les fioritures Effacer ce qui est redondant ou qui n est pas de la donnée Par-dessus tout montrer les données => Maximisation «data-ink»

15 Simple is better! On ne cherche pas la simplicité en tant que telle! On cherche à montrer des choses complexes avec une économie de moyens!

16 Simple is better!

17 QUAND?

18 Quand : Histoire Représentation d informations géographiques sous forme de carte Oresme 1370 (lien entre variables) temps (x) et vitesse (y)

19 Qui : Histoire William Playfair 1786 : The Commercial and Political Atlas

20 Histoire John Snow (1854) Nightingale (1850)

21 Histoire Minard (1869)

22

23 Théorisation Willard C Brinton : 1914 puis 1939 Graphic presentation : en telechargement ici : Bertin (1967) : la sémiologie graphique Cleveland et Mc Gill (1984) : spr/readings/cleveland.pdf Quelques études et tests scientifiques pour évaluer la lisibilité des graphiques :

24 COMMENT?

25 Comment : Storytelling La datavisualisation permet de raconter une histoire avec les données. Vous pouvez guider le lecteur dans l histoire datavisualisation statique L utilisateur peut créer sa propre histoire avec des datavisualisations interactives

26 Call to Action! Données Lecteur Objectif Structure

27 Les 7 phases de la datavisualisation acquérir les données transformer filtrer explorer représenter affiner interagir

28 Phase 1- Acquisition des données Binaires (oui / non) Qualitatives Nominales: listes Ordinales / catégorielles Quantitatives discrètes continues Pour en savoir plus :

29 Phase 1- Acquisition des données Webscraping ou crawler : 2 objectifs Récupérer des données sur Internet Les structurer Exemple les horaires d avion Import.io Visualscraper Grepsr Webscraper.io Octoparse 80legs

30 2 - Traitement des données Exemples de transformations Pdf vers Excel Unités Dates Référentiels Open Refine (anciennement Google Refine)

31 3 Filtrer les données Dans un sondage : Ne pas répondre ou répondre «non applicable» est différent de données manquantes Eliminer les points qui peuvent poser problèmes

32 4 Explorer les données Calculer certains indicateurs Moyenne Médiane Mod Ecart type Etc.

33 4 Explorer les données

34 Invariant / composante Cotation d une action Temps et valeur Quelle action? X, Y, Z Quelle bourse? Paris, Londres Cours de clôture ou d ouverture? En euros, en $ en? Les composantes : ce qui va varier Invariant : ce qui pourrait varier mais que l on choisit. Par exemple, l action X au cours de clôture en euros

35 Variables visuelles de Bertin Forme Orientation Taille Saturation / valeur Couleur Position Texture

36 Perception / variable rétinienne Associative Grain, couleur, orientation et forme sont des variables rétiniennes associatives. Taille et valeur sont plutôt dissociatives. Sélective La perception sélective est utilisée pour extraire une catégorie d'information ou pour opposer des catégories. Toutes les variables rétiniennes sont sélectives. Ordonnée Une perception est dite ordonnée si on arrive à ordonner spontanément les catégories de signes sans faire appel à la légende. Seuls le grain, la valeur et la taille sont ordonnés. Quantitative Seule la taille est quantitative.

37 Extension Mackinlay Nominal Ordinal Quantitative Position OK OK OK Size OK OK ~ Grey (value) OK OK ~ Texture OK ~ X Color OK X X Orientation OK X X Shape OK X X

38 Quelle représentation? Objectif : relation, distribution, évolution, comparaison, composition => A quelle question souhaitez-vous répondre? Quel type? Diagramme, réseau ou carte Nombre de composantes Type de composantes Longueur des composantes Implantation : point, ligne, surface

39 Phase 5 les types de représentation Temporelle Proportion Relation Différence Spatiale

40 Données Temporelles Ligne continue, aires ou aires empilées Graphe en barres Barres empilées Nuage de points avec régression

41 Proportions Camemberts ou Pie chart Aires ou barres empilées Treemap

42 Relations Nuage de points Petits multiples Pie chart Stemplots (pour les distributions) Horaires de train 1m m m m m m m

43 Différences faces_for_evaluations_of_us_judges.svg Heatmap Visage de Chernoff Graphiques en étoile ou Nightingale

44 Cartes Choroplethes Mesh map ou grid square Anamorphose ou cartogramme Isochrone

45 Types de graphiques

46 Comment : Développement D3.JS (vega, dimple, nvd3) CartoDB Tableau Create.ly Datawrapper charts.livegap.com Google charts Sanddance de Microsoft Excel : Power BI Power map Adds-on Geographic heat map Cartes bing Plotly Comparateur :

47 OU?

48 Où Reportings Journaux Infographies Partout dans le monde!

49 Couleurs Attention les couleurs peuvent avoir des sens différents

50 POUR FINIR

51 Tips and tricks Ne perdez pas de vue l objectif de votre audience Choisissez le bon type de graphique Choisissez la bonne couleur Mettez en avant l information importante La forme suit la fonction Fournissez le contexte (et les données sources) Mettez de l interactivité uniquement si nécessaire

52 Simple is better! La datavisualisation ne cherche pas la simplicité en temps que telle! Elle cherche à montrer des choses complexes avec une économie de moyens!

53 Salon data 19 Septembre Cité des congrès Nantes

54 Liens

55 Q & R?