Le CFO masqué vous propose une série d’articles qui met en lumière des visualisations de données publiées dans La Presse + et qui pourraient, à notre avis, être améliorées. Au fil de ces différents articles, nous croyons être en mesure de partager avec vous tous nos meilleurs trucs en visualisation de données. Dans le présent article, nous discuterons de graphiques en pentes, de visuels sous la forme de petits multiples et de graphiques en barres. Nous porterons également une attention particulière à la notion de “contexte”, essentielle à toute visualisation de données.
Autres articles de la même série sur les visualisations de données
Voici les autres articles publiés jusqu’à maintenant, dans le cadre de cette série qui partage avec vos des trucs et conseils en visualisation de données :
- Visualisations de données : Les opportunités manquées par La Presse + (1 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (2 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (3 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (4 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (5 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (6 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (7 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (8 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (9 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (10 de 30)
- Visualisations de données : Les opportunités manquées par La Presse + (11 de 30)
Visualisation de données sous analyse
Dans cet article, nous analyserons le tableau de données ci-dessous, présentant la prévision du nombre de lits devant être fermés dans les hôpitaux québécois, durant la période des fêtes 2021-2022.
Critique de la visualisation
L’absecence de message et de contexte
Un des meilleurs trucs en visualisation de données, c’est de préciser son message et surtout, de mettre les données en contexte. Dans la visualisation ci-dessus, on ne comprend pas le message car il n’y a pas de contexte. On voit des chiffres qui représentent des fermetures de lits. Est-ce alarmant ? Est-ce une bonne nouvelle ? Est-ce que des régions sont plus touchées que d’autres ? Que doit-on en conclure ? Aucune idée !
Autres considérations techniques
Cette visualisation souffre également de plusieurs autres problèmes techniques. D’abord, dans quel ordre sont présentées les données ? Ce n’est ni par ordre croissant, ni par ordre décroissant, ni par ordre alphabétique… Que justifie l’ordre de présentation retenue ? Cela n’aide certainement pas à une meilleure compréhension du message. De même, on n’a pas d’indicatif visuel (des couleurs, des symboles ou autres) nous permettant de comprendre la situation dans chaque région.
Proposition de visualisation de données améliorée
Graphique en pente
Notre premier réflexe a été de proposer un graphique en pente mais rapidement, nous nous sommes aperçus que ça ne fonctionnerait pas. L’écart entre les données de Montréal et celles des autres régions est trop grand. Ceci fait en sorte que les données des autres régions sont trop rapprochées et nous empêchent de bien distinguer les données. Un autre de nos meilleurs trucs en visualisation de données, c’est de désengorger le plus possible les graphiques. Ici, en optant pour un graphique en pente, il serait difficile de respecter cet objectif.
Pour améliorer la situation, on aurait pu retirer Montréal de la visualisation et traiter cette région à part, mais nous n’aurions ainsi pas présenter une vue complète de la situation. Nous avons préféré opter pour d’autres types de visuels.
Visuel sous forme de petits multiples
Nous avons ensuite pensé à l’utilisation de visuels sous forme de petits multiples (small multiples). Mais pour que ces petits graphiques soient comparables, il faut pouvoir utiliser une échelle standard sur l’axe des y. Ceci fait en sorte de réduire la visibilité de certaines données sur les graphiques avec des valeurs moindres. Par contre, ici, nous avons pu introduire plusieurs améliorations. D’abord, les données sont présentées en ordre descendant de “nombre de lits additionnels entre le 20 décembre et le 4 janvier”. Évidemment, on aurait également pu choisir de trier dans un autre ordre comme le nombre de lits totals fermés. Ne sachant pas quel message exactement le journaliste souhaitait passer, nous avons choisi cet ordre. De même, on a pu distinguer le nombre de lits fermés au 10 décembre de la prévision de lits additionnels qui seraient fermés pendant les fêtes, grâce à deux couleurs distinctes. Ceci permet ausi de voir le total de lits fermés par région. On a déjà un meilleur portrait de la situation.
Nous aurions également pu utiliser des histogrammes empilés à 100% pour mieux comparer les données entre les régions et conserver les données “brutes” dans les étiquettes de données, pour informer sur les nombres de lits concernés par région. Ici aussi, au aurait pu trier dans un ordre précis. Ci-dessous, on présente les données en ordre décroissant de lits additionnels à être fermés pendant les Fêtes.
Graphique en barres empilées
Au final, on a pensé qu’un graphique en barres empilées serait davantage approprié. Là aussi, ça nous permet de trier dans l’ordre désiré. Ci-dessous, on a trié par nombre de lits totaux fermés.
Graphique en barres empilées à 100%
Pour mieux comparer les proportions, nous aurions pu utiliser un graphique en barres empilées à 100% et inscrire les valeurs brutes dans les étiquettes de données. Par contre, un des meilleures trucs en visualisation de données, c’est de mettre les données en contexte. Ici, on n’a toujours pas de contexte.
Graphique en barres empilées avec contexte
Pour mettre en pratique le meilleur des trucs en visualisation de données, il aurait fallu mettre les données en contexte. Par exemple, si on avait su le nombre de lits totaux, on aurait pu présenter les lits fermés (rouge) et les lits disponibles (vert). La comparaison aurait été plus complète.
Fichier d’accompagnement VIP à télécharger
Pour télécharger le fichier utilisé dans ce tutoriel, devenez membre VIP du CFO masqué.
Formation complémentaire
Pour améliorer vos compétences en visualisation de données, nous vous recommandons notre formation Créer des visualisations de données percutantes.
Voici quelques commentaires d’apprenants ayant suivi cette formation :
La mission du CFO masqué est de développer les compétences techniques des analystes et des contrôleurs de gestion en informatique décisionnelle avec Excel et Power BI et favoriser l’atteinte de leur plein potentiel, en stimulant leur autonomie, leur curiosité, leur raisonnement logique, leur esprit critique et leur créativité.
