[Groupe K2] Data visualisation & Data Storytelling : quand les compétences techniques ne suffisent plus pour exploiter ses données

11/12/2022 - 4 min. de lecture

[Groupe K2] Data visualisation & Data Storytelling : quand les compétences techniques ne suffisent plus pour exploiter ses données - Cercle K2

Cercle K2 neither approves or disapproves of the opinions expressed in the articles. Their authors are exclusively responsible for their content.

Yann Levy est Data Analyst, Expert BI et Fondateur de ATEYA.

---

Croissance des volumes de données : pourquoi parle-t-on désormais "d’or numérique" ? 

Chaque jour, 2 500 000 000 000 000 000 (17 zéros !) bytes de données sous toutes les formes (interactions, déplacements, transactions, etc.) sont générés, soit l’équivalent d’une feuille Excel complète pour chaque être humain, chaque jour. On estime que 90 % de l’intégralité des données produites l’ont été au cours des deux dernières années. 

Pour les organisations, l’exploitation de ces données devient un avantage concurrentiel. En effet, l’organisation qui sait collecter, mettre en qualité, analyser et exploiter ces données bénéficie d’atouts considérables : 

  • Compréhension de son activité : suivi d’indicateurs financiers et non financiers, des tendances par produit ou zone géographique, de la saisonnalité, etc.
  • Compréhension de ses clients : exploitation de données qualitatives, algorithmes de classification pour segmenter ses clients, analyse des comportements d’achat, etc.
  • Prévisions : projections de séries temporelles (chiffre d’affaires, commandes, etc.), régressions, etc.

Or, l’Humain ne peut tirer de conclusions à partir de données brutes. C’est pour cela que des outils de Data Visualisation sont utilisés pour analyser les données et présenter ces analyses sous forme de visuels qui serviront de supports de communication. 

 

L’avènement des solutions de data visualisation : comment visualiser et comprendre ces données ? 

Les recherches poussées en matière de data visualisation sont très récentes. Cependant, le besoin d’utiliser des visuels pour comprendre des données et en tirer des conclusions remonte lui à plusieurs siècles. L’exemple du Dr John Snow est souvent étudié. Dès 1854, il est convaincu que le choléra se transmet par l’eau. Il va donc faire apparaître les cas sur une carte de Londres et démontrer une corrélation entre le nombre de cas et la proximité géographique avec une pompe à eau. 

               

Source : www.theguardian.com – chaque trait noir représente un malade et la concentration autour de la pompe saute aux yeux immédiatement.

L’objectif n’est alors pas uniquement de présenter les données de façon intelligible, mais bien de présenter les données afin qu’elles permettent une prise de décision éclairée et efficace. Dante Vitagliano (Fondateur de Trailmapper) définit la data visualisation comme "(…) le langage de la prise de décisions. Les bons graphiques transmettent efficacement les informations. Les excellents graphiques communiquent les informations et améliorent la prise de décision".

Les usages sont presque infinis aujourd’hui : du monde du sport à la médecine, en passant par l’art, le journalisme et l’éducation. Toutefois, les entreprises demeurent les plus grandes utilisatrices de rapports de data visualisation. À leur échelle, la data visualisation est considérée comme la dernière étape d’une stratégie data bien plus globale (collecte de données, ERP, data lakes & data warehouses, CRM, solutions de Business Intelligence, etc.). 

Malgré toutes les avancées techniques dans le domaine, Scott Berinato (journaliste à la Harvard Business Review) constate en 2020 que les entreprises ne parviennent pas à tirer des conclusions à partir des données collectées. 

Et si visualiser les données n’était pas suffisant pour prendre de meilleures décisions ?

 

L’émergence du Data Storytelling : et s’il était possible d’aller encore plus loin dans la communication avec les données ? 

La démocratisation des outils de data visualisation est très récente. Les grands outils du marché ont commencé à faire leur apparition au milieu des années 2000 (2003 pour Tableau, 2015 pour Power BI et 2016 pour Google Data Studio). Avant cette période, la réalisation de graphiques était réservée à des scientifiques ou à des profils très techniques. 

Alors que les avancées technologiques ont redéfini les normes, pour beaucoup, l’exercice de data visualisation se concentre sur la création de graphiques dans un outil dédié. Or, cette approche néglige l’histoire sous-jacente. C’est pour cela que le Data Storytelling est apparu : présenter des données au sein d’une structure narrative. 

L’ouvrage fondateur sur le sujet, "Storytelling with Data", a été publié en 2014 par Cole Nussbaumer Knaflic. La thèse générale invite le lecteur à replacer les données dans un contexte en plus d’utiliser des visuels clairs et à adapter le message à son audience (durée, niveau de vue, format, moyen de communication par exemple). On en revient à l’objectif de base de la data visualisation : communiquer efficacement et aider à prendre la bonne décision au bon moment. 

Pourquoi c’est efficace ? Depuis la nuit des temps, les Hommes ont toujours communiqué par des histoires. C’est pourquoi des histoires bien construites seront bien plus marquantes qu’une accumulation de faits et de chiffres. Aussi, les histoires sont capables de faire appel aux émotions de l’audience quand la neuroscience a prouvé que la plupart des décisions étaient guidées par les émotions plutôt que par la logique. 

Alors, quelles sont les solutions à notre disposition pour s’assurer de l’impact de notre communication ? Comment être sûr que le message a été transmis et compris ? Si l’on en revient à l’article de Scott Berinato, le journaliste préconise six compétences clés à retrouver dans les équipes projet dont l’objectif final est de communiquer le résultats d'analyses de données : 

  1. Préparation des données
  2. Analyse des données
  3. Expertise métier
  4. Gestion de projets
  5. Graphisme
  6. Storytelling

La solution vient d’une diversité des compétences et donc des profils. L’analyse des données, aussi complexe soit-elle, ne présente aucune valeur si elle ne répond pas à une problématique métier bien identifiée et si elle n’est pas présentée de manière à convaincre et/ou faire agir son audience. 

Yann Levy

 

Cette Tribune s'inscrit dans le cadre du Groupe K2 "Enjeux du Big Data" composé de :

Kevin Dumoux est Co-créateur du Cercle K2, Conseil en Stratégie, Transformations digitales et M&A - Messaoud Chibane (PhD) est Directeur du MSc Finance & Big Data, NEOMA Business School, Lauréat du Trophée K2 "Finances" 2018 - Shirine Benhenda (PhD) est Experte en Biologie moléculaire, données OMICS - Sonia Dahech est Directrice CRM, Trafic et Data omnicanal chez BUT - Franck DeCloquement est Expert en intelligence stratégique, Enseignant à l'IRIS et l'IHEDN, Spécialiste Cyber - Franck Duval est Administrateur des Finances publiques, Directeur adjoint du pôle gestion fiscale, DDFiP 92 - Yara Furlan est Trader Social Media chez Publicis Media - Jean-Baptiste Harry est HPC & AI Solution Architect & pre sales EMEA chez NEC Europe - Timothé Hervé est Risk Manager à la Banque de France - Aurélie Luttrin est Président, Eokosmo - Yann Levy est Data Analyst, Expert BI - François Marchessaux est Senior Partner, Franz Partners - Conseil en Stratégie & Management - Aurélie Sale est Coach Agile chez Renault Digital - Jun Zhou est Entrepreneur, Lecturer & Consultant in Chinese Social Media

---

TELECHARGER LE RAPPORT

 

11/12/2022

Dernières publications