Préparer les données
Datavisualisation, outil d’exploitation et d’exploration des données

Il est illusoire de penser que les données trouvées dans les différentes sources seront prêtes à l’emploi.

L’analyste devra appliquer plusieurs traitements successifs :

• contrôle des aberrations et des extrêmes avec suppression éventuelle ;

• homogénéisation des données lorsque cela est possible (qu’il s’agisse de données chiffrées à convertir ou de noms à uniformiser par exemple) ; cf. figure « Exemple de traitement d’homogénéisation des noms proposé par Open Refine ». Open Refine est un outil qui permet de retraiter les données, de les uniformiser, ou de les dédoublonner ;

• structuration des données en exploitant par exemple des solutions de segmentation (Web scrapping) ou d’extraction d’entités nommées ;

• exploitation des données (traitements statistiques, spatialisation, exploration, analyse).

On constate ainsi que la représentation graphique des données est un simple élément à l’intérieur d’une démarche plus globale, qui vise à rendre les données exploitables de façon graphique.

La phase la plus importante est surtout celle de la structuration des données : elle devra permettre de représenter les relations entre des entités qui figureront sur la carte. Cette étape est essentielle, surtout pour préserver la richesse des données et mener une exploitation efficace sous un angle relationnel.

Prenons un exemple très simple : un e-mail écrit par M. Durand à M. Dupont en destinataire principal et M. Martin en copie. Il va falloir imaginer structurer la donnée recueillie (une base d’e-mails) afin de matérialiser ces échanges. Les modalités de la structuration seront définies à partir d’un questionnement. On se demandera, par exemple, comment scorer la relation. Un destinataire non principal doit-il se voir attribuer la même intensité sur la relation ? Quel est le sens de la relation ? Ensuite, en fonction de chaque e-mail traité et recueilli, il faudra consolider les relations entre les entités (ici les émetteurs et destinataires).

Les relations et liens entre les entités à représenter peuvent bien entendu être beaucoup plus complexes : il peut s’agit de personnes se côtoyant au sein d’une entreprise ou d’un cercle d’influence, de co-déposants autour d’un...