Comment les auteurs de visualisation de données peuvent-ils s'inspirer des punks ?

« Les compétences nécessaires pour afficher des informations de manière efficace ne viennent pas naturellement, mais dépendent beaucoup de principes auxquels on doit s'initier », déclare Stephen Few dans son excellent livre Show Me the Numbers. Je suis d'accord sur le principe. Cependant, il y a un problème : certaines compétences ne s'acquièrent que par la pratique. Le fait de connaître la méthode à suivre pour créer un graphique purement fonctionnel ne vous apprend rien sur la psychologie humaine ni sur l'importance de s'impliquer et d'informer. Les échecs et les réussites que nous connaissons à nos débuts nous apprennent autant que les livres.

Approche punk de la visualisation des données inspirée par Sideburns Magazine, édition de janvier 1977.

Cet article a été publié pour la première fois dans le magazine ComputerWorld.

« Les compétences nécessaires pour afficher des informations de manière efficace ne viennent pas naturellement, mais dépendent beaucoup de principes auxquels on doit s'initier », déclare Stephen Few dans son excellent livre Show Me the Numbers.

Je suis d'accord sur le principe.

Cependant, il y a un problème : certaines compétences ne s'acquièrent que par la pratique. Le fait de connaître la méthode à suivre pour créer un graphique purement fonctionnel ne vous apprend rien sur la psychologie humaine ni sur l'importance de s'impliquer et d'informer. Les échecs et les réussites que nous connaissons à nos débuts nous apprennent autant que les livres.

Malheureusement, bon nombre de personnes sont intimidées par les personnes expérimentées et ont peur de s'impliquer. Elles pensent qu'elles doivent s'améliorer avant de se lancer (voir les commentaires postés sur cette page).

Je préfère que les utilisateurs se mettent à créer avec le peu qu'ils savent et qu'ils apprennent en pratiquant.

En 2012, Simon Rogers, aujourd'hui éditeur de données chez Google, appliquait l'éthique punk au journalisme de données : « Tout le monde peut le faire ». Si vous ne connaissez que trois attributs pré-attentifs, vous n'allez bien évidemment pas faire de miracles, mais cela vous permet de bien commencer et d'apporter plus d'avantages que de problèmes.

Les données, catalyseurs de débats

Voici l'un des premiers tableaux de bord que j'ai conçus en 2008. Il montre la progression de l'étudiant au fil du deuxième et du troisième cycle.

J'ai commencé à créer des graphiques quand j'étais analyste à l'Université d'Oxford. Mes premiers graphiques étaient plutôt médiocres. Ils n'ont pas influencé le monde comme je l'espérais. Cependant, il a suffi à mes collègues de regarder les graphiques une fois pour pouvoir dire : « C'est bien, mais au lieu d'afficher les données ainsi, je les présenterais plutôt de cette manière ».

Ensemble, nous avons discuté et conçu des tableaux de bord pratiques pour tout le monde. L'approche punk a permis la création de prototypes. J'ai appris en même temps que les universitaires.

Partagez vos premières créations pour progresser rapidement

Lorsque vous partagez vos premiers travaux, vous créez des cercles vertueux. Le projet de visualisation de données Makeover Monday mené par la communauté tout au long de 2016 le prouve. Dans ce projet, nous partageons un nouveau graphique et ses données chaque semaine et nous demandons aux participants de repenser le graphique d'origine. Nous avons reçu plus de 3 000 visualisations revisitées par près de 500 personnes.

L'aspect punk du projet permet aux gens de progresser. Le tweet suivant illustre l'une des premières visualisations revisitées par Tom O'Hara, analyste basé à New York. Ce n'est pas formidable. L'histoire n'est pas claire et le choix des couleurs laisse à désirer. Mais quelle importance ? Ce qui compte est sa participation.

Tom a fait énormément de progrès en un an. Voici l'une de ses dernières propositions de visualisation réinventée. Vous pouvez constater une grande différence dans ses capacités de conception et de mise en récit. « Avant de participer au projet Makeover Monday, je ne savais pas mettre en récit des données », m'a-t-il déclaré. « Je créais des graphiques de manière aléatoire, sans prendre en compte l'effet sur l'utilisateur final. Makeover Monday m'a aidé à renforcer mes techniques de mise en récit. »

Si nous avions défini le projet Makeover Monday comme étant réservé aux experts, nous en aurions fait une expérience intimidante et élitiste. Tom fait partie des nombreuses personnes qui se sont jetées dans l'aventure, puis ont reçu des commentaires sur leur travail. Cet apprentissage public et itératif a amélioré ses compétences. Est-ce que je préfère impliquer seulement les élites de la visualisation de données dans ce projet ou plutôt inspirer un grand nombre de personnes ?

Ne négligez pas l'intérêt d'une exploration visuelle ad hoc et désordonnée



Tout le travail que vous effectuez pour arriver à la meilleure visualisation de vos données peut être aussi désordonné que vous le souhaitez.

Bien trop de personnes pensent que les visualisations doivent être des documents peaufinés et prêts à l'impression. Or, analyser les données de manière brouillonne est tout aussi important que présenter des visualisations de données à la direction. Il est tout à fait acceptable de mettre des données en vrac dans l'espace de travail pour pouvoir faire des découvertes.

Kirill Andriychuk de la société Aeria Games à Berlin nous confie : « un jour, nous étions en réunion avec le PDG d'Aeria Games, et nous passions en revue plusieurs visualisations par pays, pour déterminer où se trouvent nos clients les plus rentables. Soudain, il nous demande de nous arrêter pour observer de plus près la situation à Singapour. Nos clients à Singapour étaient extrêmement rentables, mais nous ne nous en étions pas rendu compte auparavant ».

L'approche « punk » qui est à la fois itérative, désordonnée et brouillonne peut tout à fait vous fournir les informations exploitables dont vous avez besoin. Vos tentatives n'ont pas besoin d'être conservées ou partagées. Il s'agit simplement de manipuler les données de base pour découvrir les informations exploitables qu'elles renferment.

Cet article a été inspiré de l'événement Data Debate (Débat sur les données) que j'ai récemment organisé avec Andy Kirk de VisualisingData.com. Si vous voulez entendre des arguments en faveur d'une approche plus académique, écoutez ce débat !