Data-Viz-3D

Après le graphisme et l’ergonomie des tableaux de bord, entrons maintenant dans le vif des données avec ce dernier post de notre série spéciale « Data visualisation ». Passons en revue les différents diagrammes et types de graphique appropriés à vos analyses et interprétations. Ici, pas de place au hasard.

 

KPI : pour un pilotage global

Utilisez le type de graphique « KPI » qui vous donne un chiffre précis et immédiat selon la période d’analyse définie.

 

Visuel de KPI

 

En pratique : mettez bien en évidence ces chiffres sur votre tableau de bord, en haut de votre écran par exemple, de manière à les visualiser immédiatement. Pour en savoir plus, lisez notre article sur la mise en page des tableaux de bord.

 

Graphique à barres : comparer des valeurs

Préférez plutôt des graphiques à barres qui proposent un aperçu précis pour comparer des valeurs entre elles.

 

graphique à barres horizontal et graphique à barres vertical

 

En pratique :

  • Verticaux ou horizontaux, les graphiques à barres se prêtent bien aux comparaisons de catégories (sources de trafic, produits vendus, etc.).
  • Pensez aux graphiques à barres « empilés » pour obtenir une profondeur d’analyse plus importante et analyser plusieurs éléments simultanément.

 

Courbe : suivre une évolution

Les courbes mettent en avant des grandes tendances en prenant en compte le facteur temps.

 

Courbe évolution

 

En pratique :

  • Le changement de granularité (c’est-à-dire l’affichage du jour, semaine, mois, ou année) vous permet d’affiner votre analyse ou au contraire de prendre du recul pour obtenir une vue globale.
  • Si vous avez plusieurs courbes, le mode « aire empilée » met en exergue des ensembles de données relatifs à chaque élément analysé.

 

Camembert : afficher des proportions

Le camembert (mais aussi les représentations en « donut », ou « demi-donut ») est naturellement adapté à la mise en avant d’éléments dominants d’un tout, dont la somme est égale à 100%.

 

Graphique Donut

 

En pratique :

  • Attention, n’affichez pas plus de 6 éléments dans un camembert au risque de ne pas pouvoir distinguer les segments représentant de faibles valeurs.
  • La comparaison entre plusieurs diagrammes circulaires n’est pas évidente, du fait qu’il est difficile d’évaluer la taille de chaque segment.
  • En termes de mise en page, ils prennent plus de place que d’autres types de graphiques car ils nécessitent l’ajout d’une légende.

 

Diagramme à bulles : établir des corrélations

Les diagrammes à bulles sont utiles pour déceler des corrélations entre plusieurs métriques. Chaque point correspond à une catégorie, laquelle a plus ou moins de poids selon sa grosseur et sa position sur le graphique.

 

Diagramme à bulles

 

En pratique :

  • Des couleurs différentes permettent de distinguer chaque catégorie, et la transparence des cercles met en lumière les relations qu’on peut établir entre eux.
  • Attention, limitez là aussi le nombre d’éléments à analyser pour garantir une bonne lisibilité.

 

Tableau : pour un suivi éditorial

Adaptés au suivi de contenus éditoriaux, les tableaux de données sont utiles pour mesurer la performance de vos articles, qui nécessitent l’affichage de titres plus ou moins longs.

 

Tableau de donné analytiques

 

En pratique :

  • Associez des courbes de tendances (« sparklines ») en face de chaque article pour suivre son évolution en termes de trafic.
  • En complément du tableau, la représentation graphique en nuages de mots apporte une information éditoriale intéressante en mettant en avant les sujets les plus populaires.

 

Carte de chaleur : déterminer des facteurs d’intersection

Elle permet de comparer les données de différentes dimensions, et de constater leur interdépendance, à l’aide de variation de couleurs chaudes et froides.

 

carte de chaleur (heatmap)

 

En pratique :

  • Les couleurs (plus ou moins franches) vous permettent de déterminer la concentration de plusieurs facteurs d’intersection.
  • En un coup d’œil, repérez par exemple l’impact d’une source de trafic au cours d’une journée précise.
  • Les éléments placés en abscisses et ordonnées peuvent être de différentes natures (période, métriques, dimensions).

 

Matrice de rétention : mesurer l’engagement sur les apps

Le graphe (ou matrice) de rétention est utilisé pour mesurer le succès d’une application mobile. L’étude du taux de rétention sur une période d’observation relativement longue (plusieurs jours ou semaines) vous permet d’analyser la récurrence d’utilisation d’une appli.

 

Matrice de rétention

 

En pratique :

  • Sur un graphe de rétention, la période analysée se retrouve aussi bien dans le sens lecture horizontal que vertical.
  • Pour aller plus loin sur ce sujet, consultez notre dernier article sur la façon de lire un graphe de rétention.

 

Il existe beaucoup d’autres représentations visuelles, ou de combinaisons de graphiques qui permettent d’interpréter vos données. Les outils AT Internet peuvent bien sûr vous permettre d’ajouter l’ensemble de ces représentations à vos tableaux de bord de pilotage.

Pour finir cette série, voici nos 2 derniers conseils :

  • Commenter vos résultats: documentez vos graphiques en fonction de vos interlocuteurs et de leur niveau de connaissance en Digital Analytics (définition de métrique, tendances qui se dégage, nuance à comprendre…).
  • Apporter votre touche perso : n’hésitez pas à vous approprier l’outil analytique en intégrant le logo de votre entreprise, ou toute donnée externe utile : image, tweets, commentaires FB, données météo, …

 

Bonne analyse !

Auteur

Responsable éditorial. Bernard est en charge de la stratégie de contenus pour AT Internet. Il possède une expérience de 10 ans dans le domaine du Content Marketing. Ses sujets de prédilection : le data marketing, les stratégies d'Inbound, la communication éditoriale web et les digital analytics.

Comments are closed.