Comment maîtriser l'art de la visualisation des données (et obtenir de meilleures informations marketing)

La visualisation des données est un mot à la mode dans le monde du marketing numérique qui suscite des questions telles que : comment transformer mes points de données en visualisations perspicaces ? Est-ce que je rapporte trop de données ? Par où dois-je commencer ?

C'est pourquoi nous avons élaboré ce guide ultime sur la visualisation des données. Nos experts en visualisation de données partagent leur processus pour vous aider à vous sentir plus confiant dans vos rapports et s'assurer que vous racontez une histoire accessible et significative qui aura un impact sur votre entreprise avec vos données.

Préparez le terrain : Wireframing

Le wireframing semble technique, mais c'est vraiment juste un moyen efficace de commencer à organiser vos idées, que vous utilisiez un outil de wireframing en ligne ou juste un morceau de papier brouillon, avant de vous engager dans une conception de votre produit final. Vous pourrez ajuster et améliorer votre conception et intégrer les commentaires des parties prenantes tout en évitant de retravailler plus tard dans le jeu, ce qui prend beaucoup plus de temps.

Tout d'abord, concentrez-vous sur une vue d'ensemble de vos visuels, puis identifiez les questions auxquelles vous essayez de répondre avec les données et réfléchissez à la manière dont le parcours client devrait se dérouler. Vous construisez l'histoire que vous voulez raconter avec vos données, sans transpirer les petites choses ici. Les détails seront aplanis dans les étapes suivantes. Une fois que vous avez affiné le wireframe, vous aurez un plan pour donner vie à vos visualisations.

Identifiez la bonne visualisation de données

Maintenant que vous connaissez l'histoire que vous voulez raconter, vous devez ajouter un peu de style : vous devez choisir la bonne visualisation de données qui communiquera et illustrera efficacement cette histoire à votre public cible, ainsi que l'aidera à tirer les bonnes conclusions de votre Les données.

Le type de données avec lequel vous travaillez est le facteur le plus important pour déterminer le meilleur visuel pour vos besoins. Il existe de nombreux types de graphiques parmi lesquels choisir, mais nous vous recommandons de commencer simplement et de considérer les trois suivants :

Graphique à barres

Idéal pour : comparer les points de données entre les catégories

Un graphique à barres présente des données catégorielles avec des barres rectangulaires. Nous pouvons compter les valeurs de différentes catégories à l'aide de graphiques à barres. La longueur ou la hauteur des barres est proportionnelle au nombre de catégories et permet à votre public de comprendre facilement les performances relatives dans les catégories choisies.

Ligne de tendance

Idéal pour : illustrer les performances au fil du temps

Nous utilisons des graphiques linéaires pour visualiser les données qui changent au fil du temps. Il fonctionne avec des données continues et représente une série de points de données reliés par une ligne droite. Les graphiques linéaires aident les gens à comprendre rapidement et facilement les changements et les tendances, ainsi que la saisonnalité et d'autres facteurs.

Entonnoir

Idéal pour : Visualiser des étapes séquentielles

Un graphique en entonnoir est un type de graphique spécialisé qui illustre le flux d'utilisateurs à travers un processus commercial ou de vente. La carte tire son nom de sa forme, qui part d'une tête large et se termine par un cou étroit. Le nombre d'utilisateurs à chaque étape du processus est indiqué à partir de la largeur de l'entonnoir au fur et à mesure qu'il se rétrécit. L'entonnoir est une excellente visualisation pour comprendre l'efficacité des processus qui comportent plusieurs étapes comme le parcours client.

Une remarque : les graphiques à secteurs sont l'un des types de graphiques les plus couramment utilisés, mais ils font en réalité l'objet de vifs débats dans le monde des experts en données. Comme l'explique Cole Nussbaumer Knaflic dans son livre, Storytelling With Data: A Data Visualization Guide for Business Professionals , les graphiques à secteurs ne sont souvent pas la meilleure façon de visualiser les données car ils rendent difficile la comparaison des points de données, surtout si la taille des secteurs est trop semblable. Nos équipes de données sont d'accord, alors gardez le gâteau pour le dessert et envisagez des alternatives au graphique à secteurs, comme un graphique à barres horizontales où tous vos points de données sont alignés sur un seul axe partagé.

Une fois que vous avez sélectionné le bon type de graphique, il est temps d'affiner ce graphique en plongeant dans les détails. En vous concentrant sur la simplicité et en utilisant la couleur de manière réfléchie, vous pouvez transformer votre bonne visualisation en une excellente.

Gardez votre visualisation de données claire et simple

Une chose que beaucoup de gens se trompent à propos de la visualisation des données est l'hypothèse que la quantité et la complexité sont en quelque sorte plus utiles ou plus impressionnantes. L'inverse a tendance à être vrai : s'il y a trop de points de données ou d'éléments de conception, il peut être difficile de savoir où se concentrer.

Vous ne voulez pas que tout votre travail soit gaspillé, car vous ne pouvez pas l'utiliser pour générer des informations exploitables. Si vous vous retrouvez avec une visualisation lourde et trop compliquée, pas de panique : il n'est pas trop tard !. Prenez du recul et suivez ces deux étapes :

1. Auditez vos KPI affichés
   • Considérez quels KPI sont vraiment nécessaires dans votre visualisation. Les bons KPI dépendront de votre modèle commercial, du flux du parcours client et de votre audience.
     Une fois que vous avez réduit vos KPI les plus importants, intégrez-les dans vos visualisations. Toute mesure supplémentaire peut être enregistrée pour l'annexe.
2. Simplifiez votre conception
   • Les gens pensent souvent que plus d'éléments de conception = meilleures visualisations, mais c'est de la fiction pure et simple. Dans Effective Data Storytelling: How to Drive Change with Data, Narrative and Visuals , Brent Dykes note des exemples de fonctionnalités inutiles dans les graphiques, notamment des éléments 3D, des lignes de grille prononcées et trop d'étiquettes et de couleurs.
   • Incorporer trop de fonctionnalités de conception peut distraire l'utilisateur et détourner l'attention des KPI qui racontent votre histoire (et importent au public). Au lieu de cela, vous devez vous concentrer sur l'ajout d'éléments de graphique précieux tels que des titres descriptifs, des axes étiquetés et des étiquettes de données pertinentes qui rendent l'histoire plus accessible. Enfin, faites attention aux graphiques linéaires avec plusieurs lignes et couleurs. Ils sont souvent difficiles à lire et à glaner.

Dans l'exemple ci-dessus, le graphique linéaire compare le trafic dans différentes régions. Mais nous recommandons en fait de répartir chaque région dans son propre graphique afin que les tendances puissent être plus facilement comparées.

Maintenant que vous avez réduit vos KPI les plus précieux et simplifié votre conception, il est temps d'incorporer stratégiquement la couleur.

Choisissez les couleurs avec soin

Trop de couleur dans une visualisation peut détourner l'attention des données et compliquer l'obtention d'informations. Lorsque la couleur est utilisée, elle doit être incorporée de manière réfléchie et minimale.

La couleur peut être utilisée pour créer des associations, mettre en évidence des différences et montrer des relations. Lorsqu'une couleur spécifique est attribuée à un point de données spécifique, cette couleur devient une clé. Lorsque cette combinaison est répétée de manière cohérente, vous pouvez entraîner l'utilisateur à reconnaître que la couleur choisie est liée à un point de données spécifique. Par exemple, dans l'image du graphique à barres empilées ci-dessous, si la recherche payante est constamment visualisée dans une couleur orange, l'utilisateur pourra rapidement et systématiquement identifier l'orange dans n'importe quel type de visualisation en tant que recherche payante.

Notez que des couleurs variées sont également utilisées pour distinguer facilement chaque canal dans le graphique.

Des couleurs similaires peuvent être utilisées lorsque vous souhaitez indiquer clairement que deux points de données sont liés . Un exemple (illustré ci-dessous) est un graphique linéaire visualisant les performances actuelles de la marque X dans une couleur bleu foncé et une deuxième ligne comparative avec les performances de l'année dernière dans une couleur bleu clair :

Nous avons tendance à associer le rouge à des résultats négatifs, évitez donc d'utiliser le rouge comme couleur principale dans vos graphiques. Au lieu de cela, utilisez-le avec parcimonie pour illustrer les baisses de performances.

Lors de la sélection des couleurs à utiliser dans vos graphiques, tenez également compte du fait que 4 % de la population est daltonienne . Selon The Journal of the Data Visualization Society , les formes les plus courantes de daltonisme provoquent une confusion entre certaines nuances de rouge et de vert, bien qu'il existe également des formes de daltonisme qui font que les nuances de bleu et de jaune se ressemblent.

En termes simples, la couleur est un atout important dans les graphiques, elle doit donc être utilisée de manière stratégique et réfléchie.

Simplifiez votre processus de rapport de données

Un processus simplifié de visualisation des données prépare votre entreprise à des rapports plus significatifs qui ont un impact et (espérons-le !) vous donnent plus de confiance lors de la création de rapports et du partage des résultats. Pour résumer rapidement :

1. Commencez par structurer vos idées afin de pouvoir facilement les réviser et les affiner.
2. Déterminez le meilleur type de graphique pour les données disponibles. Réduisez vos KPI affichés aux plus importants et simplifiez la conception de votre graphique afin que les données restent au centre des préoccupations.
3. Utilisez la couleur de manière réfléchie pour agir comme une clé ou montrer les relations dans les données, et gardez à l'esprit le daltonisme lors de la sélection d'une palette de couleurs.

Un lifting des rapports peut faire une grande différence dans votre entreprise en libérant des informations sur l'ensemble de votre organisation et en rendant vos données de performance plus accessibles aux parties prenantes.

Les visualisations sont essentielles pour raconter l'histoire derrière vos données, mais ces données sont-elles prêtes pour la prochaine vague de déploiements et de restrictions de confidentialité ? Obtenez une image complète de l'état des données 2022 et découvrez comment vous pouvez préparer votre marque pour ce qui est à venir.