Mieux analyser les données grâce à la data visualization

La guerre d’aujourd’hui est une guerre numérique, digitale. On entend souvent parler de révolution numérique, cyber-criminalité, big data, etc. Le XXIème siècle est par excellence le siècle de l’information qui représente la principale locomotive économique (lire cet article sur le conflit Trump / Huawei).

La figure qui suit approuve davantage ce fait :

[source HowMuch (chiffres de 2019)]

Les constatations sont claires:

  • Seules trois entreprises (Apple, Google, Microsoft) ont des valeurs de marque de plus de 100 milliards de dollars – et elles sont toutes dans la catégorie technologie.
  • Six des top sept marques ayant le plus de valeur sont dans le domaine de la technologie.
  • La marque Apple (205,5 milliards de dollars) vaut près de quatre fois plus que la marque non technologique la plus précieuse, Coca-Cola (59,2 milliards de dollars).
  • Les marques de luxe et les produits cosmétiques sont loins, voire très loins, de s’imposer devant la technologie.
  • Si on confond les parts de technologie, télécommunication et industrie automobile (légendes en bleu, mauve et bleu foncé respectivement), il s’agit de la part du lion !

Je trouve cet exemple de data visualization très intéressant. En effet, l’interprétation des données est intuitive : ça saute aux yeux; ça passe dans la tête !

En choisissant une meilleure façon pour présenter les données, nous aurons un meilleur impact. Certes, si les mêmes chiffres ont été présentés en format tabulaire brut, il n’y aura pas le même impact sur notre perception humaine.


Le “Chord Diagram” comme exemple intéressant de data visualization

Etant inspiré de l’importance de la présentation des données, je partage avec vous mon petit projet de data visualization en utilisant un “Chord Diagram” (dit en français “diagramme d’accords”). Ce diagramme illustre les valeurs d’exportation entre les régions du monde en 2018.

Lien de la démonstration : https://oussbenk.github.io/dataviz/

Comment je peux lire cette visualisation de données en “Chord diagram”?

  • Vous pouvez survoler une région pour afficher la valeur totale des exportations vers d’autres régions.
  • Chaque ruban relie deux régions.
  • Lorsqu’un ruban est survolé avec la souris, une info-bulle s’affiche pour présenter les détails des valeurs d’exportation entre les deux régions connectées.
  • La couleur du ruban est la même que la couleur de la région ayant une plus grande valeur d’exportation.
  • La taille des rubans et la taille des régions sont proportionnelles à l’importance du flux d’exportation.

Le diagramme d’accords convient pour analyser les données dans un coup d’œil en détectant les flux d’exportation les plus importants entre les régions ainsi que leurs dépendances économiques.

Data visualization dans la Big data

La data visualization est un domaine à la fois agréable et utile surtout avec l’explosion de données de notre ère. Ainsi, data visualization et Big data peuvent se marier parfaitement.

Sur la base d’une prédiction de rapport IDC, le volume global de données devrait augmenter de façon exponentielle de 4,4 zettaoctets à 44 zettaoctets entre 2013 et fin 2020. D’ici 2025, IDC prévoit qu’il y aura 163 zettaoctets de données.

1 zettaoctet = 1 099 511 627 776 gigaoctet (presque 1100 milliards de gigaoctet !)

C’est ÉNORME non!

Mot de la fin

Dans cette vague Tsunami de données, faites-attention à votre vie privée !

Les entreprises exploitent pleinement vos données pour les VENDRE : les publicités ciblées, les systèmes de recommandation sur les sites de vente en ligne et les données de géolocalisation ne sont que des exemples d’application.

Le débat sur la protection de la vie privée a pris plus de sérieux avec l’apogée des smartphones et des objets connectés. Le Big Brother n’arrête pas d’avoir un œil sur vous.

En utilisant un service gratuitement sur Internet, considérez toujours cette citation :

If you don’t pay for the product YOU are the product

N’hésitez pas à partager d’autres data visualization qui vous semblent intéressantes, ainsi que vos commentaires sur les deux data visualization présentées dans l’article.

You May Also Like

1 Comment

  1. Like!! Thank you for publishing this awesome article.

Comments are closed.