Contrôler la qualité du processus, en amont et en aval
Les outils de visualisation (carto, mapping, etc.)
FIC1082 v1 Fiche pratique

Contrôler la qualité du processus, en amont et en aval
Les outils de visualisation (carto, mapping, etc.)

Auteur(s) : Véronique MESGUICH

Date de publication : 10 oct. 2021 | Read in English

Logo Techniques de l'Ingenieur Cet article est réservé aux abonnés
Pour explorer cet article plus en profondeur Consulter l'extrait gratuit

Déjà abonné ?

Présentation

1 - Choisir le type de représentation visuelle adapté aux besoins et usages

2 - Distinguer les différentes solutions pour effectuer les bons choix

3 - Choisir le bon format de représentation

4 - Contrôler la qualité du processus, en amont et en aval

5 - Notre conseil

  • 5.1 - Inspirez-vous de représentations visuelles existantes
  • 5.2 - Veillez à utiliser des outils pérennes

6 - Erreurs à éviter

  • 6.1 - Ne vous éparpillez pas dans trop d’outils
  • 6.2 - Ne sous-estimez pas le travail de réflexion en amont
  • 6.3 - Ne vous trompez pas de modèle de représentation
  • 6.4 - Ne négligez pas la confidentialité des données

Sommaire

Présentation

Auteur(s)

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

INTRODUCTION

L’objectif de la visualisation d’information est de « faire parler la donnée » : il s’agit d’en extraire de l’intelligence utile à la prise de décision, de détecter des tendances, de vérifier des hypothèses, ou tout simplement de rendre les données plus claires et lisibles, grâce à une véritable scénographie des données.

La visualisation de l’information s’est démocratisée au cours des dernières années, mais il convient de faire la distinction entre des solutions simples et intuitives d’infographie, et des logiciels souvent complexes de datavisualisation. Il s’agit également de choisir les modèles de représentation véritablement adaptés aux besoins.

Cette fiche permet de se repérer dans la multiplicité des outils et d’effectuer les bons choix, en fonction des besoins et des budgets.

Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 92 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-fic1082

Lecture en cours
Présentation

Article inclus dans l'offre

"Management et ingénierie de l'innovation"

(450 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

4. Contrôler la qualité du processus, en amont et en aval

En amont du projet, il est nécessaire de préparer les données en vue de la datavisualisation ; il peut s’agir en effet de données provenant de différentes sources, dont il faudra uniformiser les formats et qu’il faudra nettoyer afin de les débarrasser d’éventuelles erreurs ou de risques de doublons.

Une solution comme Open Refine peut aider à la préparation et à l’harmonisation des jeux de données. En effet, l’afflux massif d’informations à traiter et l’automatisation de ce traitement peuvent amener à incorporer des données erronées et introduire des erreurs de jugement.

Attention également, en aval cette fois, aux effets induits dans une représentation visuelle par l’échelle, la perspective, des effets 3D… En cartographie par exemple, les choix de fond de carte, de couleurs des données, de projection, ont un impact sur le rendu final de la carte.

Dans un graphique 3D, des effets de perspective en 3D peuvent fausser (de façon volontaire ou non) la perception, par l’utilisateur, des pourcentages représentés.

Il vaut mieux se débarrasser du superflu et des effets inutiles. « Data looks better naked », comme l’indique le site Darkhorseanalytics qui propose de nombreux conseils et bonnes pratiques à ce sujet.

Attention également, dans l’interprétation des datavisualisations, aux fausses corrélations : une corrélation forte entre deux variables, par exemple, n’implique pas un lien de causalité entre elles.

HAUT DE PAGE
Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


Lecture en cours
Contrôler la qualité du processus, en amont et en aval

Article inclus dans l'offre

"Management et ingénierie de l'innovation"

(450 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

Sommaire
Sommaire

    1 Bibliographie

    • McCandless D., Information is Beautiful. Collins, 2009.

    • Few S., Now you see it. 2e édition, Analytics Press, 2021.

    • Lagnel J.M., Manuel de datavisualisation : méthodes – cas pratiques. 2e édition, Dunod, 2021.

    HAUT DE PAGE
    Logo Techniques de l'Ingenieur

    Cet article est réservé aux abonnés.
    Il vous reste 92 % à découvrir.

    Pour explorer cet article Consulter l'extrait gratuit

    Déjà abonné ?


    Article inclus dans l'offre

    "Management et ingénierie de l'innovation"

    (450 articles)

    Une base complète d’articles

    Actualisée et enrichie d’articles validés par nos comités scientifiques.

    Des contenus enrichis

    Quiz, médias, tableaux, formules, vidéos, etc.

    Des modules pratiques

    Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

    Des avantages inclus

    Un ensemble de services exclusifs en complément des ressources.

    Voir l'offre