7 erreurs de visualisation des données et comment les spécialistes du marketing peuvent les éviter
Contenu et données vont désormais de pair : le monde des affaires fonctionne pratiquement grâce aux données. L’analyse est au cœur de la croissance stratégique des entreprises, quelle que soit la taille de l’organisation.
Mais les données en elles-mêmes ne racontent pas une histoire : elles ont besoin d’un certain contexte pour être comprises, sinon elles pourraient être mal interprétées par le public.
Avec l’augmentation du nombre de tableaux et de graphiques partagés en ligne au cours de la dernière année, l’accent est désormais encore plus mis sur l’importance de maîtrise des données et la visualisation.
Les visuels sont des outils puissants qui attirent le public et présentent les messages plus rapidement. Lorsqu’ils sont combinés aux données, ces visuels racontent des histoires de marque attrayantes et mémorables.
Cela ne signifie pas que chaque visuel de données fait ce qu’il vise : les concepteurs et les analystes de données commettent de nombreuses erreurs lors de la création de visuels.
Nous partageons les erreurs de visualisation de données les plus courantes et la meilleure façon de les éviter.
Qu’est-ce que la visualisation de données ?
La visualisation des données combine des points de données et des éléments graphiques (graphiques, tableaux, cartes, diagrammes et infographies) pour communiquer les données d’une manière plus attrayante visuellement.
Cette méthode de présentation des données les rend plus attrayantes pour les lecteurs et les téléspectateurs ; elle rend également les données plus faciles à comprendre. Le diagramme ci-dessous montre ce qui constitue une bonne visualisation de données.
Source : Venngage
Pourquoi la visualisation des données est-elle importante ?
Les données peuvent être très intéressantes pour n’importe qui la collecte de données mais le public visé peut ne pas le comprendre aussi. Cela est particulièrement vrai lorsqu’il y a beaucoup de données à partager.
Pour permettre au public d’assimiler ces faits plus facilement et d’agir en conséquence, les entreprises doivent utiliser des outils de visualisation de données qui mettent en évidence les informations les plus importantes.
Les visuels exploitent également le pouvoir de narration de données, qui est défini ci-dessous, pour partager un message succinct autour des données. Cela rend également les informations pertinentes et significatives.
Source : Lydia Hooper
Quelles sont les erreurs courantes de visualisation des données ?
L’analyse et la conception de données ne sont pas des compétences qui se chevauchent souvent. Cela peut conduire à des erreurs de visualisation des données qui dénaturent les informations et confondent le public.
La première étape pour éviter de telles erreurs consiste à les reconnaître. Nous partageons sept erreurs faciles à contourner si vous savez à quoi faire attention.
Distorsions des données
L’une des plus grosses erreurs de visualisation des données est causée par les distorsions des données. C’est une erreur facile à commettre si quelqu’un n’est pas à l’aise avec la conception.
Des distorsions se produisent lorsque des éléments visuels de formes différentes ne sont pas correctement mis à l’échelle, comme dans le graphique ci-dessous.
L’utilisation de logos de formes différentes rend difficile une mise à l’échelle égale : il semble que McDonald’s réalise des ventes disproportionnellement plus élevées que Burger King par rapport à la réalité.
D’un autre côté, la distorsion des données ci-dessous est une tentative intentionnelle de tromper le public.
Source : Times Now
En attribuant une plus grande partie du diagramme circulaire à un plus petit nombre, la visualisation des données a déformé les informations, enfreignant ainsi une règle cardinale de conception graphique.
Voici les meilleurs moyens d’éviter de commettre ces erreurs de visualisation de données :
- Ne concevez pas de visuels contre les normes de conception
- Choisissez des graphiques adaptés à vos données
- Évitez d’incliner les axes et incluez toujours les deux axes
- Ajoutez une échelle de données à vos visuels
- Les références pour les données doivent toujours commencer à zéro
- Inclure toutes les données pertinentes dans la visualisation
Les erreurs sont faciles à commettre, mais suivre les points ci-dessus réduira le nombre d’erreurs de conception commises.
Données trompeuses
Les meilleures visualisations peuvent toujours être une erreur si la source de données était incorrecte ou mal interprétée. Quelle que soit l’intention, si le public reçoit des informations incorrectes, c’est une erreur.
Lors de la collecte de données, les analystes ne devraient sourcer que des données provenant de sources fiables. Si une histoire de données fait référence à des informations intéressantes, cela vaut la peine de prendre le temps de retrouver la source d’origine.
Une fois que vous avez vos faits, vérifiez-les par rapport à deux autres sources fiables. Cela signifie que les points de données ont été dupliqués avec succès et ne sont pas un hasard.
Le visuel des données doit également refléter le point initial avancé, sinon les organisations risquent de l’amplifier. mauvaise infographie comme l’exemple ci-dessous.
Source : Le Soleil
Cette carte a été largement partagée comme tableau prédictif de la portée mondiale du nouveau coronavirus, mais en réalité, le visuel représentait des schémas de vol mondiaux sans rapport avec la pandémie.
Dans ce cas, les données étaient correctes, mais la manière dont elles étaient présentées était trompeuse, provoquant la panique parmi le public en ligne.
Avant de concevoir ou de partager une visualisation de données, notez comment elle sera perçue par un public qui ne connaît pas le sujet.
Haches manquantes
Pour éviter de créer une mauvaise visualisation des données, incluez toujours les deux axes d’un graphique : l’axe X (horizontal) et l’axe Y (vertical).
Sans axe, les données sont faciles à mal interpréter, ce qui conduit à des hypothèses incorrectes sur le message.
De plus, les deux axes devraient commencer à zéro, car c’est la présomption avec laquelle le public travaillera. L’espacement entre les points de données doit être égal aux nombres auxquels ils correspondent.
Le graphique ci-dessous inclut les deux axes, mais ils ne sont pas espacés en fonction des nombres qu’ils représentent, il semble donc que la courbe soit aplatie alors qu’elle ne l’est pas.
Les axes doivent être inclus dans les graphiques, mais ils doivent également être utilisés correctement pour éviter de déformer les données.
Manque de contexte
Comme progression naturelle par rapport au point précédent, l’une des erreurs courantes en matière de visualisation des données consiste à partager la visualisation des données telle quelle, sans lui donner de contexte.
Tout le monde aura vu un graphique comme celui ci-dessous : plusieurs itérations ont été partagées en ligne et discutées sur les chaînes d’information. Mais ce graphique est également faux car il n’a aucun contexte.
Selon ce graphique, New York avait un taux d’infections positives au COVID-19 disproportionnellement plus élevé que d’autres régions des États-Unis.
Mais ce que le graphique n’a pas contextualisé, c’est que New York testait également davantage et trouvait les cas plus rapidement. À lui seul, le visuel raconte une histoire incomplète et incorrecte.
Ajoutez du contexte aux visualisations de données soit en choisissant un graphique différent pour représenter les données, en ajoutant une légende ou en incluant une zone de texte dans le graphique.
Mauvaises visualisations
Une erreur courante consiste à choisir le mauvais graphique et à concevoir par inadvertance une mauvaise visualisation qui induit en erreur ou confond les lecteurs, ce qui peut leur faire perdre un aperçu. affaires leurs clients.
Voici quelques-uns des types de graphiques et de diagrammes que les concepteurs peuvent créer :
- Diagramme à barres
- Graphiques à bulles
- Diagrammes en arête de poisson
- Organigrammes
- Infographie
- Graphiques linéaires
- Les cartes mentales
- Pictogrammes
- Camemberts
- Graphiques à nuages de points
- Maquettes
- Graphiques de mots
Cela représente de nombreuses options et il peut être difficile de savoir comment choisir les bons graphiques pour représenter avec précision vos données.
Un mauvais graphique peut fausser les données et le message transmis. Il s’agit d’une erreur courante que même les concepteurs expérimentés peuvent commettre.
Utilisez le guide ci-dessous pour choisir le bon graphique pour représenter les données. Il explique comment les graphiques peuvent être utilisés pour informer, comparer, montrer les changements au fil du temps, décrire des regroupements ou des relations.
Source : Venngage
Décidez de l’orientation de vos données et du message souhaité : cela facilitera le choix du bon graphique pour raconter l’histoire de vos données.
Graphiques encombrés
Les données peuvent être passionnantes et quiconque partage ses données avec un public est fortement tenté d’inclure autant de données que possible dans un seul graphique.
C’est une erreur, mais cela arrive le plus souvent. Vous trouverez ci-dessous l’un des exemples de visualisation de données les plus déroutants partagés en ligne.
Plusieurs couches graphiques et zones de texte rendent ce visuel presque impossible à comprendre. Même les experts en la matière ont du mal à le comprendre.
Il s’agit clairement d’un cas d’encombrement dans la visualisation des données et doit être évité à tout prix. Si un visuel devient si chargé qu’il devient illisible, une approche plus étroite est nécessaire pour partager l’histoire.
Les informations pourraient être divisées en plusieurs graphiques pour raconter une histoire plus cohérente et plus compréhensible, comme cet exemple de visualisation de données.
Source : Venngage
Il vaut la peine que des non-experts examinent un graphique avant de le publier. Sans connaissances avancées, les tiers auront un point de vue objectif sur les visuels.
Utilisation incorrecte des couleurs
L’une des erreurs les plus courantes en visualisation de données est l’utilisation abusive de la couleur. La palette de couleurs est immense, ce qui peut amener les concepteurs à utiliser trop ou pas assez de couleurs.
Quelles que soient les couleurs utilisées, elles doivent être faites avec intention. Voici quelques façons d’inclure des couleurs dans les visuels :
- Pour mettre en évidence des informations
- Comparer ou contraster des points de données
- Montrer un changement progressif ou soudain
La couleur n’est pas destinée à des fins décoratives dans la visualisation de données : elle doit servir l’histoire des données et aider à clarifier ou à amplifier les informations destinées au public.
Ce graphique montre un contraste de couleur progressif du violet au vert pour les trois premiers points de données qui sont plus proches en termes de pourcentage.
Source : Venngage
Le point supérieur, qui représente plus du double de celui de son prédécesseur, est d’une couleur plus vive et contrastée pour le différencier des autres points.
C’est ainsi que les concepteurs peuvent incorporer de la couleur dans leurs visualisations de données, pour que le visuel raconte à lui seul une histoire complète.
Conclusion : choisissez votre message principal pour éviter de commettre des erreurs de visualisation des données
Que l’on soit concepteur ou non, comprendre le point central de l’histoire des données aidera à éviter de concevoir une visualisation des données qui induit le public en erreur.
Comprenez quelles erreurs peuvent survenir, involontairement ou autrement, avant de commencer le processus de conception.
Vérifiez les sources de données, demandez à des tiers d’examiner les visualisations et assurez-vous que les deux axes sont inclus.
En suivant ces étapes, il sera plus facile de concevoir des visuels qui racontent des histoires de données complètes et précises.
À propos de l’auteur : Ronita Mohan est spécialiste du marketing de contenu chez Venngage, la société en ligne créateur d’infographie et plateforme de conception. Ronita écrit régulièrement sur le marketing, le design et les petites entreprises. Twitter: @Venngage