Ce n'est pas nouveau, les entreprises disposent de quantités gigantesques de données, et les exploiter correctement permet de dégager des avantages concurrentiels importants.
Les cas d’usages sont nombreux pour augmenter la performance de votre business :
- Repérer les segments de marché qui sous-performent pour prévoir des actions marketing adaptées
- Croiser vos données de ventes aux données calendaires, types fêtes religieuses & évènements, pour soutenir vos prédictions financières
- Connaître les périodes d’achats et de consultation préférées de vos clients pour élaborer vos plannings de communication
Mais des enjeux de taille sont à passer pour rendre ces informations accessibles. La donnée doit être travaillée, structurée et rendue lisible : ces travaux sont regroupés sous le nom de datavisualisation.
Les enjeux de la datavisualisation
Plusieurs problèmes se posent avant de « pouvoir faire parler les données ». Tout d’abord : ces données sont souvent stockées de manières inexploitables et demandent à être retravaillées. Par exemple, il n’est pas rare que les CMS* e-commerce stockent les données de ventes dans des formats incompatibles avec vos outils d’analyse, ce qui exige un travail préparatoire avant leur exploitation : reformater les dates, regrouper des colonnes, changer les formats des devises...
Deuxième problème : les personnes les plus demandeuses de ces données, à savoir les décideurs, ont peu de temps à consacrer à l'analyse et sont peu formées aux outils de préparation de la donnée. Une des compétences clés de l’expert en datavisualisation est donc de transformer la question business en besoin d’analyse et ensuite de sélectionner un modèle de représentation adapté.
C'est pourquoi plusieurs domaines d'expertise ont gagné en popularité :
- Data mining et data préparation : rendre la donnée exploitable par les analystes et les outils
- Data quality : s’assurer que la donnée correspond bien à l’information recherchée, déceler les éventuels problèmes de référentiel, de format…
- Datavisualisation : mettre en forme la donnée pour les équipes
- Data analyse : déceler et expliquer les tendances, prévoir les résultats futurs
Vous l’aurez donc compris, la datavisualisation fait partie d’une chaîne de valeur plus grande, mais ne se limite pas à paramétrer des dashboards. Un expert en datavisualisation doit savoir traiter la donnée, la sélectionner, choisir les modèles qui lui donneront le plus de sens pour les utilisateurs et s’assurer de sa qualité.
Comment réussir sa datavisualisation ?
Les compétences clés :
Les 3 compétences indispensables à rassembler pour diffuser la culture de la donnée dans une organisation :
- Expertise data : maîtriser la donnée, son extraction, en assurer la qualité
- Expertise business : comprendre ce que signifie la donnée qu’on exploite, connaître les problématiques du business pour comprendre comment la donnée peut y répondre
- Accompagnement des équipes : formation aux outils mais aussi à l'utilisation des données dans leur métier au quotidien
Cadrer le besoin :
Il est indispensable de dimensionner correctement chaque nouveau projet de dashboard. En effet, les demandes pour des présentations de données ont tendance à se multiplier car elles intéressent potentiellement tous les métiers au sein de l’organisation.
Parmi les questions que vous devez vous poser :
- Qui va utiliser votre datavisualisation et à quelle fréquence ?
- De quelles informations et données auront-ils besoin précisément ? Pour quel usage ?
- Quelles sources de données utiliser ? Doit-on les mettre à jour ? À quelle fréquence ?
- Quel volume de traitement nécessaire ? En temps pour les équipes ? En masse de calcul pour les outils ?
Ces informations vont vous permettre de quantifier le temps et les ressources nécessaires pour chaque demande, et de créer des parcours d’affichage personnalisés en fonction des besoins spécifiques de vos utilisateurs. Vous serez également en mesure de les prioriser et de facilement briefer les équipes sur la nature du travail à réaliser.
Choisir son modèle de représentation
Grâce aux réponses aux questions suivantes vous devriez avoir une vision précise de quelle forme donner à vos données et quels messages clés faire passer.
Gardez en tête que ces données doivent être exploitables facilement par les équipes ce qui signifie en pratique que :
- Les graphiques et tableaux doivent pouvoir s’intégrer facilement dans des présentations si besoin.
- Les équipes doivent pouvoir accéder aux données brutes.
- Les sources, périmètres, et dates de mise à jour des données doivent être consultables.
Voici quelques bonnes pratiques à garder en tête (retrouvez une liste d’outils plus bas) :
- Variez les types de représentations : les accumulations de tableaux de données peuvent être difficiles à lire ; privilégiez donc les graphiques : en barres pour les comparaisons, les courbes pour les évolutions, camemberts ou donuts pour les distributions…
Voici quelques modèles de présentation pour vos analyses
source : Prezi
- Proposez des paramètres ou des filtres : utiliser des outils de datavisualisation dynamique (par opposition aux classiques Excel ou Powerpoint) fait que vous n’avez pas à présenter toutes les informations d’un seul coup. Rendant votre point plus lisible et limitant les volumes de traitement.
source : Playfair pour Tableau
- Racontez une histoire : vos données doivent inciter les lecteurs à les explorer pour obtenir la réponse à leur question. Attention à ne pas être trop directifs, car vous ne savez pas toujours quelle information est recherchée : des filtres ou des déclenchements d’informations en cascade permettent à vos utilisateurs de creuser à leur rythme. Vous pouvez également utiliser des étiquettes ou des infobulles pour leur donner du contexte ou les guider.
Source : help center Tableau
Travailler à l’échelle
Comme nous l’avons vu précédemment, l’accès et l’exploitation de la donnée devient un enjeu majeur à tous les niveaux dans les organisations. Les demandes de projets de datavisualisation ou de dashboards risquent donc de rapidement s’accumuler.
Voici quelques conseils pour optimiser la bande passante de vos équipes et accélérer la livraison de vos projets :
- Filtrer et prioriser les demandes en amont : tous les projets n’auront pas le même impact, certaines informations demandées sont peut-être déjà accessibles via d’autres dashboards ou analyses, éviter les doublons…
- Opter pour une direction artistique commune à tous vos rapports, accordée à votre charte
- Designer des canevas et templates d’analyses réutilisables
- Mutualiser au maximum les sources de données utilisées pour limiter les temps de mise à jour
- Automatiser au maximum les processus d’exports et d’actualisation de la donnée (possible notamment avec des outils comme Dataiku)
- Monitorer les utilisations des dashboards et analyses, afin de prioriser vos actions sur les projets les plus utiles à votre organisation
Plus les équipes vont gagner en maturité au sujet de la donnée, plus la complexité de leurs demandes et leurs besoins d’autonomie vont augmenter. Pour cela, il est de plus en plus courant dans les entreprises de laisser la main à certains utilisateurs pour réaliser leurs propres extractions et datavisualisation, c’est ce qu’on appelle la self-BI (pour Self Business Intelligence).
Mais attention, cette self-BI doit être encadrée pour ne pas prendre le risque de faire circuler des données non vérifiées ou erronées voire mettre en péril toute votre infrastructure data. Pour cela, il est important d’accompagner et de former les utilisateurs aux outils mais aussi aux bonnes pratiques en termes de vérification et qualité de la donnée. Certains outils comme Dataiku et Power Bi proposent de délivrer des licences avec des droits dégradés à des utilisateurs pour pouvoir explorer la donnée sans la plupart des droits d’administration ou de modification.
Pour résumer, un projet de représentation visuelle des données réussi réunit 3 ingrédients : des informations accessibles, de qualité et présentées de manière explicite. Bien cadrer la demande en amont et s’organiser en interne est également indispensable. Il faut toujours garder en tête que la datavisualisation va au-delà de la prise en main d’outils : elle demande une capacité d’analyse et une compréhension des enjeux business et de la donnée.
Quels outils choisir ?
Il existe de nombreuses solutions permettant de faire de la datavisualisation sur le marché. Choisir la bonne solution demande de connaître votre besoin afin d’obtenir la couverture fonctionnelle adaptée sans faire exploser les coûts.
Excel / Powerpoint : les classiques
Toutes les entreprises commencent à transformer des données via Excel pour les diffuser sur PowerPoint. Avec de nombreux add-ons comme Thinkcell et Power Pivot, il est possible de réaliser des dashboards convaincants sur des volumes élevés de données, au prix de plusieurs heures de paramétrages qui vont vous demander une maîtrise avancée d'Excel.
Cependant, ce n’est pas la fonction pour laquelle ces outils ont été créés, et vous allez rapidement vous retrouver face à leurs limites : lenteurs de traitement, peu d’interactivité avec les données, peu de fonctionnalités collaboratives, peu de robustesse, manque de support…
Salesforce / Power BI / Zoho / etc. : les solutions spécialisées
De nombreuses solutions se sont positionnées sur le marché de l’analyse et de la visualisation de données. Ces acteurs ont pour point fort de vous permettre de traiter de larges quantités de données provenant de sources variées.
De plus, ces outils ont des interfaces simplifiées pour transformer vos données et vous offrent de fortes possibilités de personnalisation. Ils permettent également plus d’interactivité pour l’utilisateur final, avec diverses fonctionnalités de filtrage, des possibilités de créer des vues personnalisées…
Tableau et Power BI appartiennent à de grands éditeurs de logiciels (Salesforce et Microsoft respectivement), des solutions indépendantes comme Zoho Analytics existent.
Dataiku : la solution tout en un
L’outil se présente comme un Data Science Studio, qui permet de traiter, transformer, stocker et partager vos données via un seul environnement centralisé. La datavisualisation est une partie du scope fonctionnel de l’outil, ce qui offre l’avantage aux équipes data de gagner du temps sur leurs projets. Ils peuvent en effet gérer l’intégralité des tâches, de l’extraction à la mise en forme, dans un seul espace.
De plus, Dataiku offre la possibilité d’automatiser et d’améliorer vos process de travail grâce à des modèles prédictifs ou de machine learning. C’est ce qui rend l’outil attractif auprès des équipes de Data Scientists et de Data Engineers.
En contrepartie, l’environnement est très dense et donc difficile d’accès aux équipes non techniques. De plus, son modèle de facturation à la licence et aux requêtes le rend en général plus onéreux qu’un outil spécialisé en datavisualisation. Dataiku est donc à privilégier si vous avez déjà une équipe data bien staffée et fonctionnelle.
L’avantage d’un environnement multi-solutions
Chacune des solutions présentées a ses avantages et ses inconvénients. De plus, vos collaborateurs ont leurs habitudes de travail et leurs outils de préférence. Pour ces raisons, il est fréquent que les entreprises, en gagnant en maturité dans leur culture de la donnée, cumulent les outils.
Ainsi par exemple, les équipes peuvent utiliser l’environnement Dataiku pour la préparation des sources de données puis une solution comme Tableau ou PowerBI pour les mettre en forme. De plus, certaines équipes sont souvent plus à l’aise avec des extractions de données brutes manipulables dans Excel. Tandis que Power Point reste l’outil indispensable pour partager vos données en comités ou aux équipes exécutives. Et soyons honnêtes : il semble impossible d’empêcher vos collaborateurs d’utiliser Excel !
L’objectif d’un environnement de datavisualisation est de fournir diverses options à vos équipes afin qu’ils puissent utiliser la solution qui leur convienne. Il prévaut également de monitorer les utilisations pour s’assurer de ne pas maintenir des solutions en doublons, avec des scopes fonctionnels non-exploités et qui représentent du gaspillage de ressources.
En parallèle, il est important de mettre en place un pilotage continu pour accompagner et former les utilisateurs qui en ont besoin, pour recueillir les feedbacks et mettre à jour les dashboards, maintenir les modèles à jour…
En résumé, la datavisualisation est un périmètre important de la data, qui nécessite des expertises transverses aussi bien techniques qu’en gestion de projet.
Comment Keley peut vous accompagner dans vos démarches de datavisualisation ?
Chez Keley, notre double expertise en transformations digitales et en Data nous permet de vous accompagner de la conception de votre stratégie jusqu’à la production. Nos consultants aux expertises transverses peuvent intervenir dans toutes les étapes de vos démarches de Datavisualisation.
- Cadrage du besoin business : faire émerger et cadrer les besoins, travailler une vision cible cohérente par rapport aux ressources disponibles et prioriser de premiers cas d’usage
- Accompagnement sur l’organisation et le déploiement des outils : accompagnement sur le choix des outils et des process de production, déploiement de gabarits d’analyses et paramétrage de vos outils de dashboarding
- Industrialisation complète de la démarche et de la production des dashboards : formation et management des équipes, de production mise en place de démarches d’amélioration continue et d’audit de qualité de la donnée
*CMS = Content Managing System, le système qui permet de piloter et de mettre à jour les contenus de votre site internet.
