Datavisualisation : les 5 pièges à éviter

Bien s’entourer est primordial. Il serait dommage de cantonner le travail de datavisualisation à un seul périmètre métier. Ouvrir le projet à d’autres services qui pourraient profiter d’un outil de datavisualisation pour les aider à piloter leur activité permet de rentabiliser la mise en place de l’outil tout apportant de la valeur ajoutée aux différents services. Administrateurs de vente, responsables contenu ou encore commerciaux, chacun pourrait, bénéficier d’une donnée spécifique claire et limpide. Il ne suffit pas que les métiers soient simplement considérés, ils doivent être réellement impliqués et actifs dans la mise en place pour que l’outil soit au plus proche de leurs besoins.

Outre les utilisateurs finaux, il peut également être intéressant d’identifier les équipes qui sont déjà initiées aux problématiques data, ce qui permettra de les inclure dans le projet en avance de phase et avancer plus rapidement et sereinement sur la mise en place.

La datavisualisation est un outil puissant pour autant qu’il réponde à de vraies problématiques métiers. La définition des objectifs de chaque typologie d’utilisateurs est la pierre angulaire du succès de la dataviz.

Prenons un exemple concret et imaginons une régie publicitaire. On pourrait se dire que l’objectif principal est de visualiser le chiffre d’affaires. Certes, cette donnée est fondamentale, mais peut-être qu’il serait intéressant pour les commerciaux d’avoir une visibilité sur le pourcentage d’espaces publicitaires vendus et le prix de vente , le tout couplé aux objectifs de ventes qui leurs sont assignés. Ou bien, il peut être intéressant de connaître l’investissement de chaque marque dans les publicités. Chaque métier ou profil utilisateur doit pouvoir mettre en avant les KPI qui lui seront réellement utiles pour son business et sa prise de décision.

Sélectionner la donnée à analyser est éminemment stratégique. La facilité, souvent dictée par la peur de manquer plus tard, est de vouloir intégrer la totalité des données. Avec un ensemble de données trop large, il devient difficile de s’y retrouver pour les utilisateurs finaux. Avec une masse de données démesurée, les outils peuvent connaître des latences de traitement ce qui représentent un réel frein à l’adoption et à l’usage, puisque l’un des objectifs de la dataviz est justement de faire gagner du temps. L’autre risque majeur est de noyer les informations clés parmi le flot de données existantes. In fine, vouloir prendre en considération l’exhaustivité des données peut s’avérer contre-productif.

Le choix de la donnée et de ses possibilités d’analyse est déterminant. Le but intrinsèque d’une application de dataviz et d’aider à la compréhension des données. Si cet objectif n’est pas parfaitement réalisé, l’application perd de son intérêt. En règle générale, on observe rapidement que seuls quelques axes d’analyses sont utilisés. Ce sont parfois des indicateurs relativement “simples”, comme la temporalité (année, mois…), les produits, pays ou villes, qui permettent d’appréhender la dataviz tout en répondant à des enjeux métiers.

Une fois que vous avez clairement établi votre besoin de dataviz, la question de l’outil va naturellement se poser. Il existe pléthore d’outils qui peuvent vous aider dans votre tâche, pour autant, tous ne correspondent pas à vos besoins. Dans les facteurs de choix, il est important de prendre en compte l’existant au sein de votre entreprise. 

Par exemple, si votre base de données est gérée avec un outil Microsoft Azure, alors il est intéressant de considérer Power BI qui facilite l’interconnexion. Pour prendre ces décisions, il est recommandé de faire appel à des experts qui connaissent parfaitement les outils du marché et sauront vous guider sur les technologies les plus adaptées à vos besoins, vos contraintes et votre budget.

La rapidité et simplicité de lecture sont des éléments essentiels à un tableau de bord réussi. Si cette problématique peut paraître de prime abord anecdotique, elle est loin de l’être. Les utilisateurs finaux des tableaux de bord vont chacun avoir des approches et des usages différents : les managers et directeurs vont avoir besoin d’une vue agrégée avec des chiffres globaux qui les aide à la décision, alors que d’autres auront besoin d’avoir un niveau de détail très fin pour gérer leur portefeuille de clientèle ou les résultats d’audience d’une émission par exemple. Il faut donc que chacun ait accès la donnée qui le concerne sans avoir d’effort à fournir. Dans ce cas il existe une méthode très utile que l’on appelle DAR (ou Dashboard, Analysis, Reporting) qui va permettre de partir du plus général au plus précis.

• Le Dashboard affiche l’information la plus importante avec le moins d’interaction possible,
• L’Analysis permet aux utilisateurs d’explorer leurs données de manière interactive,
• Le Reporting représente la granularité la plus fine avec des données détaillées qui permettent aux utilisateurs d’identifier un cas précis.