La recherche et la communication d'informations exploitables constituent désormais un sport d'équipe.
Peu importe le niveau d'automatisation, la taille de l'ensemble de données et la finesse du calcul : si vous ne pouvez pas communiquer vos trouvailles aux autres, vos analyses n'auront aucun impact sur la prise de décision. C'est là que la visualisation de données entre en jeu. La visualisation de données est un langage que tous les analystes doivent apprendre pour qu'un partage d'informations soit exploitable et facile à comprendre pour les décisionnaires. Cette compétence, combinée à la capacité des analystes à expliquer les étapes qu'ils ont suivies pour découvrir les informations exploitables, est souvent qualifiée de « mise en récit des données ».
Cette mise en récit des données est un élément essentiel du processus analytique. Et, face à une culture du travail en pleine évolution où l'analytique est au centre de toutes les préoccupations, il convient de la redéfinir. Alors que les entreprises développent chacune leur culture analytique, les analystes cherchent davantage à alimenter une conversation autour des données qu'à justifier une seule conclusion. Ces cultures analytiques favorisent également les efforts déployés pour apprendre à chaque utilisateur à véritablement comprendre les données et à participer à toutes les étapes de la conversation analytique, depuis la découverte jusqu'à la prise de décision métier.
Andy Kirk, spécialiste de la visualisation de données et fondateur de VisualisingData.com, partage les sept casquettes liées à la visualisation de données (en anglais). L'une d'elles est celle du communicant, « une personne fondamentalement intéressée par toutes les relations interpersonnelles impliquées dans chaque projet (les commanditaires, les intervenants et le public) ». D'après Andy Kirk, « du point de vue de la communication, toutes les visualisations doivent être conçues pour le public ». Les utilisateurs doivent comprendre comment leur public tire une conclusion à partir d'une visualisation. En parallèle, le public doit maîtriser suffisamment le sujet pour interpréter les données et être « désireux d'apprendre ».
Cette évolution de la mise en récit des données se manifeste également dans les tendances de la visualisation de données. Les longs formats de mise en récit, que l'on peut faire défiler ou qui se déclinent sur plusieurs pages d'un tableau de bord, sont de plus en plus répandus. Ils permettent aux analystes d'illustrer chaque étape de leur cheminement jusqu'à leur conclusion. Ces méthodes permettent aux analystes de démontrer la progression de leur analyse, en mettant en évidence les informations exploitables qu'ils ont dégagées des données et les conclusions qu'ils en ont tirées. L'étape suivante consiste à entamer une conversation ouverte au sujet de ces informations. Ainsi, les employés d'autres services ou ayant des postes différents peuvent partager le contexte de leur unité métier et apporter une perspective différente avant qu'une décision métier soit prise.
Face au nombre croissant d'entreprises qui créent des flux de travail et des équipes dédiés à la collaboration analytique, la mise en récit des données va continuer à s'imposer dans le monde du travail. Cette approche détermine la façon dont les entreprises utilisent les données pour capter l'intérêt, informer et tester des idées. Et, plus les utilisateurs seront nombreux à comprendre comment interpréter les données et expliquer leurs processus analytique, plus grand sera l'impact sur l'entreprise.