Note: à l’origine, nous avons écrit cet article suite à une invitation de Survey Magazine. Il a d’abord été publié dans ce magazine trimestriel dédié à l’univers des études et de la recherche marketing en novembre 2019 avant de vous être présenté sur notre site.

Les scientifiques s’accordent à dire que les informations visuelles seraient traitées 60 000 fois plus vite par le cerveau que l’information textuelle. On pourrait débattre sur la précision de ce chiffre mais on s’en rend bien compte intuitivement: une image vaut mieux qu’un long discours. De façon tout à fait équivalente, il ne fait nul doute qu’une DataViz vaut mieux qu’un long rapport.

Enjeux et opportunités de la DataViz

La DataViz c’est quoi et pourquoi?

Pour ceux qui auraient loupé plusieurs numéros de Survey Magazine, DataViz est la contraction de deux mots : Data et Vizualization.

C’est un ensemble d’outils et de techniques de communication visuelle qui permettent de présenter clairement et efficacement de l’information. En français, on traduirait ce terme par visualisation de données et on pourrait réduire son sens aux graphiques qui les représentent.

Toutefois, à l’ère de l’information, de l’Internet des Objets (IoT) et du Big Data, ces techniques servent avant tout une philosophie : donner du sens à l’immense quantité et à l’effrayante complexité des données disponibles à travers une apparente simplicité.

Des études de marché nourries par une data survitaminée

Dans notre secteur, nous parlons depuis toujours de quanti et de quali, séparant ainsi en deux la recherche que nous faisons pour nos clients. Souvent, les études qualitatives servent de préambule aux études quantitatives qui ont toujours été le fer de lance des études de marché. Nous les appelons ainsi car elles permettent de quantifier statistiquement le comportement ou l’opinion des consommateurs et ainsi de généraliser les insights qu’on en extrait afin de prendre des décisions.

Une data qui double toutes les 12 heures

Buckminster Fuller, architecte, inventeur et futuriste américain, avait noté que jusqu’au début du 20ème siècle, la connaissance doublait approximativement tous les siècles. A la fin de la 2de guerre mondiale, il ne fallait plus qu’un quart de ce temps pour doubler la quantité de connaissance créée par l’homme. Pour 2020, soit l’an prochain, IBM prédit que nous aurons atteint le rythme de croissance doublée toutes les 12 heures! Ne vous y trompez pas, quand IBM parle de connaissance c’est bien de données qu’il s’agit, de zettabytes (1021) de data aussi considérable que variée et complexe.

Comme si ce n’était pas suffisant, ces données et ces connaissances ont une espérance de vie bien plus courte qu’auparavant. Elles doivent être exploitées plus vite, au risque de devenir obsolètes.

Données déclaratives vs données comportementales

En tant que professionnels des études de marché, nous ne sommes évidemment pas les plus grands producteurs de data au monde, loin de là. Toutefois nous n’en restons pas moins des producteurs de data quelle que soit notre méthode de collecte. Par ailleurs, les données que créons à travers nos études de marché et sondages ne sont pas vraiment comparables à toutes les données que l’on peut voir dans le visuel plus haut. Lorsqu’un géant du web comme Facebook ou Google collecte des données, il le fait en transparence pour le “sondé”, dans le sens où ce dernier n’a pas à répondre à un questionnaire quelconque, ces données comportementales sont un peu une mesure de la réalité.

Le rôle d’analyste-agrégant

Ainsi une analyse des tendances Google Trends peut dévoiler des réalités tout à fait surprenantes car la personne qui effectue une recherche sur Google va livrer à ce moteur des choses qu’il ne livrerait à aucun être humain. Nos instruments de collecte, en particulier le sondage qui est déclaratif, sont plus souvent le reflet d’une opinion que d’un comportement. Nous devons évidemment apprendre à exploiter toutes ces données que nous ne produisons pas mais là n’est pas la question. Là où les géants de la data puisent leurs insights dans la quantité, notre rôle va tendre vers l’analyse-agrégante. C’est là que les outils de DataViz qui permettent de se connecter à plusieurs sources de données différentes prennent tout leur sens.

L’autonomisation du client-expert via la data en self-service

Nous sommes peut-être experts en analyse, mais nous ne sommes généralement experts dans aucun des métiers de nos clients et nous n’avons probablement pas vocation à l’être ni à le devenir. Lorsqu’un client se présente à nous, son besoin est généralement de prendre une ou plusieurs décisions stratégiques pour son entreprise. Notre rôle d’analyste-agrégant va être de lui fournir toutes les informations nécessaires afin que cette prise de décision soit juste ou du moins la plus juste possible.

Faciliter la prise de décision

Pour une enquête de satisfaction, il s’agira de décider des actions à entreprendre pour l’améliorer. S’il souhaite étudier la taille d’un marché et ses tendances, ce sera peut-être pour prendre les bonnes décisions en termes d’investissements. Pour un nouveau concept, il pourrait s’agir de décider du lancement d’un produit voire même de la création d’une entreprise, et ainsi de suite. La data est son besoin mais c’est la prise de décision qui reste l’objectif. Une bonne prise de décision nécessite une expertise métier, raison pour laquelle nous n’avons pas d’autre choix que de travailler avec des experts lorsqu’il s’agit d’un secteur particulier et parfois même pour la collecte de données!

DataViz = données en self-service !

En tant qu’experts, l’objectif de notre travail a toujours été de faciliter cette prise de décision. Cela passe avant tout par l’apport de données fiables qui permettent d’écarter, au mieux, les effets du hasard. Cela passe également par une autonomisation du client sur les aspects d’exploration et d’analyse de donnée. Sur cet aspect, nous avons aussi un rôle de formation et facilitation qui débute idéalement lors de la présentation de nos résultats. C’est le moment idéal pour démontrer les atouts de la DataViz et de la data en self-service. A terme, cela permettra également de décharger nos équipes, en particulier les chargés d’études, sur des aller-retours inutiles avec nos clients.

Aujourd’hui, le déluge de données est là, et la DataViz est certainement l’un des instruments-clé qui peut servir de rempart à la confusion. Comment ? En mettant l’incommensurable quantité de data disponible à la portée de nos capacités cognitives d’être humain. Pour nous, c’est aussi l’occasion de mettre nos outils et indicateurs statistiques à la portée de nos clients et donc d’une analyse-métier synergique nouvelle génération.

Construire la DataViz des sondages

Quand on dit DataViz, on pense d’abord à la bonne utilisation des éléments graphiques qui les composent, c’est évident. Car oui, dans Data Visualization il y a le mot visualisation. C’est vrai, il existe des graphes plus adaptés à certains types de données. Nous le savons depuis longtemps et la philosophie de la DataViz nous rappelle à l’ordre, mais il y a bien plus important que le simple choix d’un graphique.

Dans le mot DataViz rien ne l’évoque et pourtant c’est une de ses composantes principales, il s’agit de l’interactivité. Sans elle, nous n’aurions jamais inventé un nouveau concept pour faire des graphiques avec une nouvelle philosophie. C’est d’ailleurs cette interactivité qui est ouvre les portes des nouvelles opportunités offertes par la DataViz. Elle offre les possibilités infinies d’une nouvelle dimension: l’exploration des données et leur manipulation par le consommateur final de la donnée.

Lorsqu’on construit une visualisation de donnée, Il faut donc impérativement adopter un mindset orienté interactivité. Vous vous en rendrez rapidement compte, cet article lui-même aurait probablement gagné à être davantage interactif.

Explorer sans limite mais dans la simplicité

Pourquoi avoir plusieurs graphiques pour les différents croisements démographiques quand on peut tout avoir dans un seul visuel? Il suffit ensuite d’ajouter des filtres autour pour permettre de limiter les résultats à une région géographique et/ou à une tranche d’âge. Une DataViz bien pensée peut permettre d’accéder une immense quantité de data à travers des éléments visuels simples.

Des tableaux de bord ludiques

Néanmoins, attention à ne pas se perdre, la simplicité reste de mise. L’interactivité doit apporter puissance et ludification (gamification) mais pas complexité. Pour cela on peut utiliser les techniques du dashboarding, c’est à dire organiser l’information comme on présenterait les KPI à un décideur, le tout sur un seul écran afin que l’utilisateur final puisse en un clin d’oeil avoir une vue générale de l’information. De façon générale, une bonne DataViz interactive doit apporter des réponses dans sa vue d’ensemble. L’interactivité peut être utilisée pour approfondir mais elle ne doit pas rendre confuse l’information présentée.

Les filtres peuvent évidemment prendre la forme de listes déroulantes, de boutons radio et autres boîtes à cocher mais on pourra aussi faire preuve de plus d’imagination.

Une DataViz pour mesurer la satisfaction

Voici un exemple tiré de l’une des dernières DataViz publiée dans notre blog Market Insights qui concerne la satisfaction des Marocains au sujet de leurs vacances en été 2019:

Chaque élément graphique devient un filtre. Cliquez sur le oui dans le graphique sectoriel, puis sur l’image représentant les femmes et enfin celle qui représente la première tranche d’âge des 18-24 ans et les résultats affichés en termes de satisfaction ne représentent plus que cette cible démographique. L’utilisation d’images peut faciliter la contextualisation, servir la compréhension et rendre l’exploration des résultats plus ludique.

Rendre accessible la statistique

Une autre opportunité offerte par la DataViz est l’accès aux outils statistiques et surtout leur simplification. Ainsi, n’importe quel néophyte peut utiliser et exploiter la puissance analytique et prédictive offerte par la statistique. On peut évidemment utiliser les classiques moyennes, médianes et écarts types avec des lignes de référence ou des boîtes à moustache, ce qui permet déjà de faire beaucoup, mais on peut aussi aller plus loin.

La clé c’est l’intéractivité

Avec l’aide de l’interactivité et d’un peu d’imagination, on peut permettre au client de trouver lui même des corrélations entre les données en calculant par exemple à la volée les coefficients de Pearson, En modifiant les données à la volée, il devient aussi possible de comparer rapidement les tendances dégagées par des calculs de régression linéaire ou multiples.

Dans le cadre d’un sondage, un exemple simple et intéressant est l’affichage dynamique de la marge d’erreur selon la taille variante de l’échantillon. Ainsi, l’utilisateur final conserve une estimation de la justesse de son information tout au long de l’exploration.

Si on reprend l’exemple de DataViz précédent, dans la section indicateur de fiabilité, on peut voir la marge d’erreur évoluer au fur et à mesure de l’affinement de l’échantillon. L’utilisateur de la DataViz peut savoir en temps réel si les résultats qui s’affichent présentent des différences significatives ou non. Ceci est un bon exemple de comment on peut autonomiser le client sur l’exploration juste de ses données tout en rendant le processus plus amusant et plus ludique

Il convient de rappeler que la statistique n’est pas une science exacte. Au vu des récentes innovations dans l’analyse de données, il y a de fortes chances pour qu’elle évolue significativement dans les années à venir.

L’imagination au service de la donnée 

Pour finir, il ne faut pas hésiter à faire preuve d’imagination en combinant des graphiques et des images voire en inventant de nouvelles façons de visualiser les données. Il y a encore bien de la place pour l’innovation et la créativité. On connaît déjà les visualisations de données qui prennent la forme de vidéos comme ces fameux classements de capitalisations boursières en barres qu’on voir évoluer au fil du temps.

Cependant, le futur [proche] nous amènera certainement à des explorations de données encore plus surprenantes. En utilisant des outils comme la réalité virtuelle par exemple, façon Minority Report de Steven Spielberg, repoussant ainsi le concept de data you can touch à son paroxysme.

Des considérations éthiques renouvelées

Lorsqu’on met en valeur certaines données consciemment, c’est dans le but de faciliter le travail du client. Il est l’expert dans son métier, c’est lui qui doit prendre les décisions qui découlent de nos études. Pourtant, nous sommes responsables de ces données et c’est encore davantage le cas quand il s’agit de DataViz qui est une forme très abrégée des résultats de nos travaux.

Simple mais juste

Si la DataViz permet d’y voir plus clair dans le déluge de données, c’est aussi parce qu’on omet volontairement une partie des données ou du moins qu’on met en valeur une partie plutôt qu’une autre. En tant que professionnels des études de marché, de l’analyse de donnée et de la statistique, nous somme les plus à même de faire ce tri. Afin que des données insignifiantes ne soit pas mal exploitées, nous nous devons d’être transparents et clairs sur la significativité des données que nous présentons.

Les limites humaines définies par les biais cognitifs

Nous devons combattre davantage toutes les formes de biais cognitifs. Il faut par exemple maîtriser les échelles des graphiques et garder les mêmes lorsqu’on compare plusieurs variables. Nous devons aussi réfléchir à nos choix de teintes ou dégradés de couleurs afin qu’ils reflètent les données de façon adéquate. Nous devons aussi contrôler les effets de l’interactivité, surtout dans les cas extrêmes pour éviter de dépeindre des situations trop exagérées. Enfin, il ne faut jamais oublier l’audience à laquelle nous présentons nos résultats car l’interprétation des couleurs et des formes peut parfois changer drastiquement d’une culture à une autre.

Nous avons alors un rôle pédagogique vis à vis de nos clients sur ces nouvelles technologies. Quand la DataViz est bien exploitée, notre client autonome est habilité à explorer lui même les données pour en tirer les insights nécessaires. Ses conclusions peuvent ensuite être présentées à de nombreuses autres personnes, toutes influencées par les choix que nous avons fait en amont.

Une belle histoire oui mais sans combat entre le bien et le mal

Quand on raconte une histoire à travers une DataViz ou même une infographie, il faut souvent introduire une narration, des éléments perturbateurs et des péripéties. C’est ainsi que l’on peut transformer une data un peu ennuyeuse en une histoire intéressante voire passionnante. C’est ensuite à nous de savoir rester neutres et d’essayer autant que possible de ne pas faire basculer nos histoires vers des schémas trop manichéens. Ce que l’on choisit de dire ou de montrer à travers une DataViz est finalement le résultat de nos croyances. Ce n’est qu’en étant conscient de ces aspects que l’on peut les contrôler et assumer les responsabilités éthiques intrinsèques à notre métier et à la DataViz.

Riad Mawlawi, Directeur Digital & Business Development chez Sunergia