Adopter un outil de data visualisation oui mais lequel ? Quels sont les types d’outils à ma disposition ? Existe-t-il des outils gratuits pour initier cette démarche avant d’aller plus loin ? En quoi un outil de « data viz » est-il différent d’un outil de business intelligence ? Sur quels critères choisir mon outil de data viz ?
Voici les questions auxquelles nous avons tâché de répondre dans cet article, bonne lecture
Quels sont les différents types d’outils de visualisation de données ?
Comprendre la différence entre data visualisation et Business Intelligence
Face à la complexité du traitement de la donnée, les entreprises ont de plus en plus recours à des outils permettant de transformer cette ressource en leviers d’actions utilisables par les différentes équipes à des fins stratégiques.
Il existe pour cela deux catégories principales d’outils : les outils de data visualisation et les outils de business intelligence (BI).
On définit la visualisation de données comme étant le processus permettant de transformer d’importants volumes de données dans un contexte visuel. La visualisation des données consiste à générer des éléments visuels à partir des données. Il peut s’agir de tableaux, de graphiques, de diagrammes, d’images, de modèles, de films, etc.
Les outils et applications de Business Intelligence quant à eux sont utilisés pour analyser les données des opérations commerciales et transformer les données brutes en informations significatives, utiles et exploitables.
La première étape de toute forme de Business Intelligence consiste à collecter des données brutes ou des données historiques. Ensuite, les outils de Business Intelligence aident à la visualisation, à la création de rapports et aux fonctions d’analyse qui sont utilisées pour interpréter de grands volumes de données à partir des données brutes.
Exemple de dashboard de BI réalisé avec Power BI
| Caractéristiques | Data visualisation | Business Intelligence |
|---|---|---|
| Objectif | Faciliter la compréhension des conclusions d’une analyse de données | Transformer des données brutes en leviers d’actions pour l’entreprise afin d’orienter les prises de décisions |
| Définition | Représentation graphique des élément clefs de l’analyse de données | Ensemble des pratiques de collecte, d’analyse et de présentation de données visant à orienter la prise de décisions |
| Expertise requise | La manipulation de ces outils est plus facile que pour les softwares d’analyse statistique traditionnels | Ce processus nécessite une variété de compétences, de la collecte de données à la prise de décisions |
| Type d'usage | Présentation de l’information en temps réel ou après le traitement des données | Prise de décision en direct ou après analyse |
| Types de données | Tables de données structurées | Jeux de données reliés entre eux concernant l'activité de l'entreprise |
| Focus | Créer des rapports graphiques clairs | Donner des indications business et éclairer la prise de décisions |
| Utilisé pour | Représenter de façon la plus intuitive les indicateurs clefs de l’activité | Définir et calculer les principaux indicateurs clefs |
| Caractéristiques principales | Représentation intuitive de l’information Lecture facile et rapide de l’information permettant de mieux la mémoriser Permet d’interagir avec la donnée | Permet d’analyser l’activité de l’entreprise et de suivre les principaux indicateurs (KPI) Aide les dirigeants et les managers à prendre des décisions éclairées par l’analyse des performances passées |
Ces deux types d’outils sont donc essentiels dans un contexte où l’usage efficace de la data est clef pour faire face à la concurrence. Les outils de BI permettent de prendre des décisions étayées par l’analyse des performances passées quand les outils de data visualisation visent à représenter clairement ces analyses.
Outils de data visualisation gratuits et open source
Il existe une multitude d’outils de visualisation de données, de qualité parfois inégale, dont certains sont open source – le code est accessible publiquement – et d’autres gratuits. Le choix du type d’application a une importance certaine sur la capacité de l’entreprise à traiter les données de façon pertinente et efficace.
Open source
Un software est dit open source lorsque son code source est accessible publiquement, souvent sur des plateformes dédiées telles que Git Hub. Ainsi chaque développeur peut lire, copier et éditer le code de l’application et s’en servir librement pour un usage personnel ou professionnel.
L’accès au code lorsque l’on utilise une application open source est un atout indéniable qui offre la possibilité de personnaliser le software pour le rendre parfaitement adéquat aux besoins de l’entreprise, sans avoir besoin de développer intégralement un outil en interne. Une application open source permet donc de bénéficier d’un gain de temps et d’une réduction des coûts de développement sans souffrir pour autant d’un manque de flexibilité.
Gratuit
On trouve des applications d’une complexité très variable parmi le vaste catalogue des outils de data visualisation, dont les plus complets requièrent du temps et des efforts avant d’être complètement maîtrisés. Il existe cependant des outils gratuits, plus légers et plus accessibles qui nécessitent un temps de prise en main bien moindre.
La facilité d’usage de ces applications allant de pair avec la facilité d’implémentation au sein des équipes rend le recours à ces outils particulièrement intéressant pour des personnes peu formées au code et ayant besoin de mettre en place une solution rapidement.
Top 50 des dashboards Ecommerce sur Google Data Studio
Qu’attendre d’un outil de visualisation de données ?
Caractéristiques principales
Les outils de visualisation de données sont essentiels dans le traitement de la data, mais pour que leur usage soit pertinent il est nécessaire qu’ils répondent à certaines caractéristiques afin de faciliter la compréhension qu’auront les utilisateurs de l’ensemble des données.
| Caractéristiques | Attentes |
|---|---|
| Intégrabilité | La possibilité d’intégrer les représentations graphiques des données dans les applications déjà implémentées afin d’en faciliter l’accès. |
| Possibilités d'action | Les représentations graphiques doivent être porteuses de sens et offrir des conclusions qui pourront être mises en place au sein de l’activité. |
| Performance | L’usage régulier d’un outil de data visualisation dépend de la vitesse à laquelle il va fournir des conclusions à l’utilisateur, qui risque de s’en détourner si le temps d’attente est trop important. L’usage des GPU par certaines applications permet de réduire les temps de calculs et de latence, et offre ainsi une meilleur expérience pour l’utilisateur. |
| Infrastructure dynamique | Le recours à des services cloud dédiés pour la gestion du big data permet faciliter la gestion de jeux de données volumineux et de réduire le cout de développement et d’implémentation pour les outils de data visualisation. |
| Exploration interactive | L’outil doit permettre aux utilisateurs d’interagir facilement avec leurs jeux de données (par le biais de filtres ou de groupement par exemple) afin qu’ils puissent rapidement valider ou vérifier leurs hypothèses. |
| Collaboration | La possibilité pour plusieurs utilisateurs de travailler simultanément sur une même analyse, évitant ainsi le recours à l’envoi de fichiers statiques et permettant un gain de temps non négligeable. |
| Support pour le streaming de data | Un support pour le streaming de data permet d’utiliser des sources de données variées apportant un volume de données plus important, tels que les réseaux sociaux, les applications mobiles ou l’internet des objets (IoT). |
| Intégration d’intelligence artificielle | L’utilisation d’intelligence artificielle permet de simplifier, d’accélérer et d’approfondir les analyses, allant même jusqu’à fournir des prédictions. Il faut cependant s’assurer que cela n’affecte pas négativement les performances. |
| Management des métadonnées intégré | Une bonne gestion des métadonnées permettra aux utilisateurs métiers d’avoir une compréhension claire des données qu’ils manipulent et ainsi de préciser leur analyses. |
| Accès simplifié en libre-service | La possibilité de créer rapidement un modèle pour tester des hypothèses sans avoir besoin de recourir à un développeur. |
Principaux critères de différenciation
Lorsque l’on compare différents outils de data visualisation, il faut accorder une attention particulière à certaines caractéristiques qui vont véritablement différencier les outils entre eux.
- Capacité à s’adapter au besoin business :
Lors du choix d’un outil il est nécessaire de s’interroger d’abord sur la façon dont la data visualisation pourra répondre aux besoins de l’entreprise afin de s’assurer que le software soit capable de faire face à tous les cas d’usage.
Une bonne application permettra d’ajouter des extensions ou de créer des graphiques customisés qui s’adapteront parfaitement aux besoins.
- Facilité d’apprentissage :
En fonction des profils (tech, métiers…) concernés par l’usage de l’application, il faudra prêter une attention particulière à la facilité de prise en main de l’outil.
Certains outils ne requièrent pas d’expérience particulière, d’autres seront plus complexes mais proches d’outils existants tel qu’Excel, et d’autres enfin nécessiteront le recours au code.
- Captation et stockage des données :
Certains outils permettent de se connecter facilement à un grand nombre de bases de données assurant ainsi une implémentation facile dans le SI. Il faut aussi considérer la capacité de l’outil à transformer ces données pour proposer une analyse pertinente.
- Analyse et interprétation :
En fonction du software, les filtres, les groupements et les autres moyens d’analyses de données seront plus ou moins puissants et nombreux. Cela aura un effet direct sur la qualité du traitement des données et son interprétation.
- Prix :
Le prix est naturellement un élément différenciant majeur réparti sur une fourchette particulièrement large allant de la gratuité totale à des abonnements de plus de 100€ par mois et par utilisateur. Il est toutefois pertinent de s’intéresser aux packages que proposent les outils les plus chers, dont les versions basiques seront parfois suffisantes.
- Communauté d’utilisateurs :
Les problématiques auxquelles la documentation de l’outil n’apporte pas de réponse sont récurrentes. La possibilité de se tourner vers d’autres utilisateurs plus expérimentés est alors un atout considérable. Ainsi, certains outils comme Power Bi ou Tableau bénéficient d’une importante communauté active sur divers forums tels que Stackoverflow ou les forums dédiés des applications où il sera possible de trouver de l’aide et bien souvent une solution.
A titre d’indication, on trouve plus de 30 500 résultats sur stackoverflow en cherchant le mot-clef « powerbi » concernant des sujets aussi variés que l’utilisation d’une API Rest sur Power BI desktop ou l’intégration d’image dans un reporting Power BI.
Meilleurs outils de data visualisation
En considérant les points précédents, nous avons sélectionné les meilleurs outils de data visualisation : ceux que nous préférons et que nos clients utilisent le plus.
| Nom | Description | Pricing |
|---|---|---|
| Fusion Charts | FusionCharts est une autre option basée sur JavaScript pour créer des tableaux de bord web et mobiles. Il comprend plus de 150 types de graphiques et 1 000 types de cartes. Il peut s'intégrer aux framework JS les plus courantes (notamment React, jQuery, React, Ember et Angular) ainsi qu'aux langages de programmation côté serveur (notamment PHP, Java, Django et Ruby on Rails). | A partir de 499$ par mois |
| Grafana | Grafana est un logiciel de visualisation open-source qui permet aux utilisateurs de créer des tableaux de bord dynamiques et d'autres visualisations. Il prend en charge les sources de données mixtes, les annotations et les fonctions d'alerte personnalisables, et il peut être étendu grâce à des centaines de plugins disponibles. Cela en fait l'un des outils de visualisation les plus puissants du marché. | Version gratuite à partir de 8$ par mois |
| Sigmajs | Sigmajs est un outil de visualisation à usage unique pour la création de graphes de réseaux. Il est hautement personnalisable mais nécessite quelques connaissances de base en JavaScript pour être utilisé. Les graphiques créés sont intégrables, interactifs et réactifs. | Gratuit |
| Polymaps | Polymaps est une bibliothèque JavaScript dédiée à la cartographie. Les résultats sont des cartes dynamiques et réactives dans une variété de styles, des superpositions d'images aux cartes de symboles en passant par les cartes de densité. Polymaps utilise SVG pour créer les images, afin de permettre aux designers d'utiliser CSS pour personnaliser les visuels de leurs cartes. | Gratuit |
| Chart js | Chart.js est une bibliothèque graphique JavaScript simple mais flexible. Elle est open source, offre une bonne variété de types de graphiques (huit au total) et permet l'animation et l'interaction. | Gratuit |
Meilleurs outils BI
Nous avons sélectionné les meilleurs outils de data visualisation : ceux que nous préférons et que nos clients utilisent le plus.
| Name | Description | Pricing |
|---|---|---|
| MicrosoftpowerBI | Microsoft Power BI est l'une des principales solutions de Business Intelligence. Elle vous permet de connecter n'importe quelle source de données pour produire des rapports et des visualisations de données. Power BI offre également des capacités avancées de préparation des données. | À partir de 4 995 $ par mois |
| Qlikview | Il s'agit d'un produit beaucoup plus ancien que Power BI puisqu'il a été lancé en 1993, avant même que le monde ne soit exposé à la prise de décision data-driven. Ce produit vise également à fournir des informations sur les données à partir de grands ensembles de données. | De $1350 à $1500 |
| Metabase | Metabase est un outil de Business Intelligence qui est une méthode open source et facile pour générer des tableaux de bord et des graphiques. L'outil permet également de résoudre des requêtes ad hoc sans recourir au langage SQL et de visualiser les données élaborées sous forme de lignes dans la base de données. L'utilisateur peut le configurer en cinq minutes et disposer d'une plateforme distincte pour répondre à ses requêtes. | À partir de 85 $/mois |
| Sisense | Sisense est un logiciel de Business Intelligence et une plateforme d'analyse qui vous aide à simplifier les données complexes et à créer des applications analytiques. | Sur mesure |
| Looker | Looker est un outil de BI qui vous aide à analyser et à partager des analyses en temps réel. Il combine également toutes les données et fournit une vue d'ensemble. | Sur mesure |
Meilleurs outils de data visualisation gratuits et en open source
Les considérations économiques poussent souvent à choisir un outil gratuit. Ce choix sensé au premier abord peut avoir des conséquences négatives s’il n’est pas bien réfléchi. En effet, implémenter un outil inadapté affectera directement la qualité des analyses et imposera de changer d’outil peu de temps après. Nous conseillons donc de s’orienter vers notre sélection d’applications.
| Nom | Description | Type |
|---|---|---|
| Redash | Redash est un outil de visualisation et d'analyse de données basé sur le cloud et open-source. Il fonctionne sur un serveur SQL et dispose d'un éditeur SQL en ligne. L'outil est disponible en version hébergée et en version open-source/auto-hébergée. | Open Source |
| d3js | Également connu sous le nom de D3, D3.js est une bibliothèque JavaScript open-source utilisée pour la visualisation et l'analyse de données. L'acronyme « D3 » signifie « documents pilotés par les données ». Ainsi, en mettant fortement l'accent sur les normes web HTML, SVG et CSS, D3 se concentre sur la manipulation efficace de documents basés sur des données. | Open Source |
| Rapid miner | RapidMiner est une suite de programmes logiciels sur le cloud. L'ensemble de la suite est utilisé pour renforcer un environnement d'analyse de données séquentielles. La visualisation approfondie des données n'est qu'une partie de la suite. | Open Source |
| Raw Graphs | Construit sur D3.js, RAWGraphs rend la recherche et la visualisation de données extrêmement faciles. Voici d'autres caractéristiques et fonctionnalités de cet outil qui lui valent de figurer parmi les meilleurs outils de visualisation de données open-source d'aujourd'hui. | Open Source |
| Knime | KNIME est l'un des meilleurs logiciels de visualisation de données open-source actuellement disponibles. L'interface est très facile à maîtriser. Il présente également ses données de manière à ce que toute personne ayant des connaissances de base en matière de diagrammes et de graphiques puisse les comprendre. | Open Source |
| Tableau Public | Tableau Prep est la solution de data preparation proposée par Tableau, l’un des principaux concurrents de Power BI. Beaucoup plus abordable que Power BI, le module Tableau Prep vous permet de consolider, dédupliquer et nettoyer les données que vous utiliserez pour faire vos analyses dans Tableau. | Gratuit |
| Google Studio | Google Data Studio est un excellent outil gratuit de visualisation de données qui vous permet de créer des tableaux de bord interactifs et des rapports personnalisés de qualité. | Gratuit |
| Infogram | Infogram est un outil de visualisation par glisser-déposer entièrement fonctionnel qui permet même aux non-concepteurs de créer des visualisations efficaces pour des rapports marketing, des infographies, des messages sur les médias sociaux, des cartes, des tableaux de bord et bien plus encore. | Gratuit |
| Datawrapper | Datawrapper a été créé spécifiquement pour ajouter des graphiques et des cartes aux articles d'actualité. Les graphiques et les cartes créés sont interactifs et conçus pour être intégrés à des sites web d'actualité. Leurs sources de données sont toutefois limitées, la principale méthode étant de copier et coller les données dans l'outil. | Gratuit |
| Flourish Public | Flourish Public permet une narration immersive plutôt que des modes de visualisation plus traditionnels tels que des tableaux, des diagrammes et des tableaux de bord. Contrairement à Tableau Public, Flourish ne nécessite pas d'édition Desktop. | Gratuit |
