Les types de visualisation de données - les nuls

Une visualisation de données est une représentation visuelle conçue pour transmettre la signification et l'importance des données et des données. Étant donné que les visualisations de données sont conçues pour un large éventail d'audiences, d'objectifs différents et de niveaux de compétences différents, la première étape pour concevoir une excellente visualisation de données consiste à connaître votre audience .

Les auditoires sont de toutes formes, formes et tailles. Vous pourriez concevoir quelque chose pour les lecteurs jeunes et énervés du magazine Rolling Stone , ou peut-être vous avez besoin de concevoir une visualisation pour transmettre des résultats scientifiques à un groupe de recherche. Il est possible que votre public se compose de membres du conseil d'administration et de décideurs organisationnels, ou peut-être que vous concevez un morceau qui est destiné à susciter un chahut avec les membres d'une organisation locale de base.

Étant donné que chaque public sera composé d'une catégorie unique de consommateurs, chacun avec ses besoins uniques de visualisation des données, il est essentiel de clarifier exactement pour qui vous concevez. Dans les paragraphes, vous apprendrez à connaître les trois principaux types de visualisations de données et comment choisir celui qui répond le mieux aux besoins de votre public.

Raconter des données pour les décideurs organisationnels

Parfois, vous devez concevoir des visualisations de données pour un public moins technique, peut-être pour aider les membres de ce public à prendre des décisions d'affaires mieux informées. Le but de ce type de visualisation est de dire à votre public l'histoire derrière les données. Dans la narration de données, le public dépend de vous pour donner un sens aux données qui se cachent derrière la visualisation, puis transformer des aperçus utiles en histoires visuelles qu'il peut comprendre.

Avec data storytelling , votre objectif devrait être de créer une visualisation hautement focalisée et sans encombrement afin que les membres de votre public puissent rapidement extraire le sens sans trop d'effort. Ces visualisations sont mieux livrées sous la forme d'images statiques, mais les décideurs plus avisés peuvent préférer disposer d'un tableau de bord interactif qu'ils peuvent utiliser pour faire un peu d'exploration et de simulation.

Présentation des données pour les analystes

Si vous concevez pour une foule d'analystes logiques et calculateurs, vous pouvez créer des visualisations de données plutôt ouvertes. Le but de ce type de visualisation est d'aider les membres du public à explorer visuellement les données et à tirer leurs propres conclusions.

Lorsque vous utilisez des techniques de présentation de données , votre objectif devrait être d'afficher un grand nombre d'informations contextuelles qui aident les membres de votre auditoire à faire leurs propres interprétations.Ces visualisations doivent inclure des données plus contextuelles et moins ciblées, afin que les gens puissent y accéder, analyser les données par eux-mêmes et tirer leurs propres conclusions. Ces visualisations sont mieux livrées sous forme d'images statiques ou de tableaux de bord dynamiques et interactifs.

Conception de l'art des données pour les activistes

Vous pourriez concevoir pour un public d'idéalistes, de rêveurs et de faiseurs de changements. Lorsque vous concevez pour ce public, vous voulez que votre visualisation de données fasse une remarque! Vous pouvez supposer que votre membre d'audience typique n'est pas si analytique. Ce que ces gens manquent de compétences en mathématiques, cependant, ils compensent plus que dans de solides convictions.

Ces personnes considèrent votre visualisation de données comme un moyen de faire une déclaration. Lors de la conception pour cet auditoire, l'art des données est la voie à suivre. L'objectif principal de l'art des données est de divertir, de provoquer, d'agacer ou de faire tout ce qu'il faut pour faire une déclaration forte, claire et exigeante. L'art des données a peu ou pas de narration et n'offre pas de place aux téléspectateurs pour former leurs propres interprétations.

Il est important de souligner ici que les scientifiques ont une responsabilité éthique de toujours représenter les données avec précision. Un data scientist ne doit jamais déformer le message des données pour l'adapter à ce que le public veut entendre - pas même pour l'art des données! Les publics non-techniques ne sauront même pas quels sont les problèmes possibles, et encore moins les voir. Ils comptent sur le data scientist pour fournir des représentations honnêtes et précises, amplifiant ainsi le niveau de responsabilité éthique que le data scientist doit assumer.