Vous êtes sur la page 1sur 150

dataviz

30 cas concrets
pour comprendre la data visualization

dataviz
La data visualization : encore un terme commercial à la mode ou bien une réalité dans les entreprises ? Pour le savoir, nous avons mené l’enquête auprès d’un vaste panel de sociétés, tous secteurs confondus (industrie, médias, transport, distribution, services, etc.). Résultat : plus de 30 entreprises nous ont décrit, non pas les avantages théoriques de la représentation visuelle des données, mais des projets concrets, produisant déjà des résultats. Leurs retours d’expérience, comme il se doit richement illustrés, et des mises en perspective d’experts, vous aideront à comprendre ce qu’est la "dataviz" et comment en tirer parti dans votre métier.

sommaire

introduction 4

1. la dataviz et vous : présentations 6
1.1 définition(s) de la dataviz 1.2 à quoi sert la dataviz ? 1.3 une innovation ou une révolution ? 1.4 à qui s’adresse la dataviz ? 2.1 2.1 la dataviz facilite la compréhension des données 2.2 2.2 la dataviz améliore la communication 2.3 2.3 la dataviz optimise et accélere la prise de decision 2.42.4 la dataviz contribue à la motivation des collaborateurs 2.5 2.5 la dataviz favorise l’innovation 3.1 3.1 des projets rapides et légers 3.23.2 impact de la dataviz sur les relations entre l’IT et les métiers 3.33.3 facteurs clés de succès 3.4 3.4 écueils à éviter 7 16 32 44 59 73 75 77 80 84 87 96 117

2. les bénéfices de la data visualization 58

3 3. caractéristiques des projets dataviz 82

4. perspectives 122
4.14.1 le futur des projets 123 4.24.2 tentative de prospective 127

conclusion 130 contributeurs 132

page

1.1 définition(s) de la dataviz

146 132 130 127
co nc

4 6
introduction

16

contributeurs
4.2

1

 .1

123
117

lus ion

4
3.4

1.2

 .1

32

3.3

comprendre la data visualization au travers de 30 cas concrets
1.4

1.3

44

96

3.2

3

 .1 2.5 2.4 2.3 2.2

2
72

 .1

58

87 82 80 77 75

fig 1 - sommaire

5

introduction

Q

uand on s’arrête un peu sur le terme "données", on s’aperçoit qu’il est particulièrement ambigu. Qu’est-ce qui est ainsi donné dans l’entreprise ? Chiffres, indicateurs, tableaux… Il est vrai que les data sont aujourd’hui omniprésentes et apparaissent comme une évidence. Pourtant, elles sont très difficiles à appréhender, tel le sable disponible à profusion, mais qui toujours vous glisse entre les doigts. Les données qui s’offrent ainsi aux professionnels pour les guider dans leurs décisions sont de plus en plus nombreuses et variées. Mais comment ne pas être submergé et en faire un réel outil pour la réflexion et la prise de décision ? C’est face à cette nécessité que la data visualization apparaît comme une solution. La représentation des données sous forme d’images pourrait permettre de mieux les comprendre.

Le monde des chiffres et celui des images sont a priori très éloignés. Mais comme souvent, c’est en abattant des a priori que l’on progresse. C’est ce qu’ont su faire les trente entreprises interrogées dans le cadre de cet ouvrage, qui font figure de pionnières dans l’usage concret de la data visualization. Elles vont nous guider, grâce à leurs expériences pratiques, pour découvrir ce qu’est la data visualization et comment s’en servir. Chemin faisant, des experts de SAS, mais aussi des acteurs et des observateurs du marché éclaireront certains aspects de la "dataviz", en les replaçant dans le contexte plus général de la Business Intelligence.

introduction

La première partie de ce livre sera consacrée à un tour d’horizon de la data visualization. Nous tâcherons de la définir et examinerons ses origines. Nous verrons que ses usages sont multiples et qu’elle s’adresse à un vaste panel d’acteurs, dans des secteurs diversifiés. La deuxième partie s’attachera à mettre en lumière les bénéfices de la data visualization, notamment sous ses trois aspects de la découverte et de l’analyse des données, et de la communication de l’information. Nous verrons également comment elle se place par rapport à la business intelligence traditionnelle. En troisième lieu, nous examinerons la manière de mener un projet de data visualization. Nous passerons en revue les principaux critères de réussite et identifierons les chausse-trappes à éviter. Enfin, nous élargirons le spectre pour envisager le futur de la dataviz et la manière dont les entreprises utilisatrices interrogées ici prévoient de faire évoluer leurs usages. Prêts à embarquer et à découvrir la terra incognita des données ? Alors, hissez les voiles ! L’exploration commence.

7

1

1

la dataviz et vous : présentations

1.1 définition(s) de la dataviz

1.1 définition(s) de la dataviz
Qu’on l’écrive à l’américaine data visualization, en franglais "datavisualisation" ou familièrement sous son petit nom de "dataviz", la représentation graphique de données statistiques est incontestablement à la mode. Et comme tous les mots à la mode, elle devient un terme fourre-tout, dont on finit par ne plus très bien savoir ce qu’il signifie. Commençons donc par tenter une définition. Fort heureusement, dans cette gageure, nous ne serons pas seuls, car les contributeurs de l’ouvrage ont bien voulu nous prêter main-forte. SAS définit la data visualization comme "l’exploration visuelle et interactive et la représentation graphique des données, quelles qu’en soient la volumétrie (des small data aux big data), la nature ou la provenance. Elle permet aux utilisateurs métier de détecter des phénomènes ou des tendances invisibles de prime abord."

9

1
Nos contributeurs se retrouvent assez bien dans cette vision, à en juger par leurs propres définitions :

"Data visualization" :
petit florilège de définitions

Nous considérons la Data Visualization comme un moyen de mettre à la disposition de l’utilisateur une information sous forme visuelle, de manière à en faciliter l’accès. Caroline Denil, Data Warehouse Program Manager, SPF Economie La Data Visualization est l’art de représenter visuellement, et ce pour favoriser la meilleure compréhension possible. Jérôme Tharaud, Responsable des études et développement, Prisma Media

Nous avons mis en gras les termes qui nous paraissent les plus intéressants :
"forme visuelle" aussi évident que cela puisse paraître, c’est le fondement de la dataviz : il s’agit de représenter les données de manière visuelle, graphique ;

"faciliter l’accès" la représentation graphique n’est pas gratuite, elle est au service d’objectifs, dont le premier est de permettre d’accéder plus facilement à l’information véhiculée par les données. Il est en effet plus aisé et agréable de considérer un graphique qu’une série de chiffres. Ce que Guillaume Deschamps de STMicroelectronics formule ainsi : la dataviz "est un moyen de traduire un ensemble de données abstraites et sèches en une information que l’on puisse appréhender" ;

1.1 définition(s) de la dataviz

Nous définissons la Data Visualization comme le fait de visualiser des données pour mieux les exploiter et en tirer des insights qui, autrement, prendraient plus de temps. Elle permet d’avoir une compréhension plus rapide et meilleure. Charles du Réau, Consumer & Market Knowledge Director, Ubisoft La Data Visualisation est un système permettant, via le support de représentations graphiques, une prise de décision factuelle et plus rapide. Guillaume Deschamps, Engineering Data Analysis Manager, STMicroelectronics La Data Visualization est un outil au service du partage de l’information. Il­s’agit donc d’un procédé qui marque une rupture avec le reporting classique : un tableau se distribue... alors qu’un graphe se partage avec d’autres. François Nguyen, Directeur SI décisionnel et marketing relationnel, SFR

"compréhension"  il s’agit de donner du sens aux données, pour en tirer de l’information ; "exploiter", "prise de décision" la dataviz ne permet pas seulement une compréhension intellectuelle, elle transforme un ensemble de données brutes en une information permettant d’agir ;

"plus rapide" la dataviz accélère la compréhension, la décision et l’action que nous venons d’évoquer ; "partage de l’information" elle est également un mode de communication, permettant que les données ne restent pas cantonnées à l’univers de la BI ou de la statistique mais infusent toute l’organisation et deviennent un support de décision et de travail collaboratif.
11

1
On voit donc que la data visualization répond à une approche très opérationnelle, comme le résument Maguelonne Chandesris, de SNCF Innovation et Sandrine Noail, de Coliposte :
Un moyen, pas une fin en soi
La DataViz n'est pas une fin en soi, c'est un moyen mis au service de la production de sens, au service d'une meilleure compréhension des phénomènes. Autrement dit, nous donnons aux Métiers la possibilité de mieux appréhender une réalité qu'ils connaissent déjà, en leur proposant de la considérer sous d’autres angles de vue. Maguelonne Chandesris, Responsable de l’équipe Statistique, Économétrie et Datamining, Direction Innovation & Recherche SNCF J’ai été Directrice de projet sur les KPI et j’ai donc conduit la rationalisation et l’optimisation des indicateurs de pilotage. Ce qui est important sur ce projet, qui sera à terme généralisé et déployé aux équipes de ventes, ce sont les leviers d’actions et l’aide à la décision qu’apporte la data visualization aux managers. En d’autres termes : Que puis-je faire pour performer ? Sur quels leviers intensifier les efforts pour obtenir rapidement des résultats concrets ? Sandrine Noail, Responsable Analyse et Pilotage Coliposte

1.1 définition(s) de la dataviz

Pour terminer cette définition de la dataviz, il nous paraît intéressant de relever les trois caractéristiques principales qu’elle doit impérativement avoir, pour pouvoir justement être utilisable pratiquement :

Les 3 caractéristiques de la data visualization

La valeur de la datavisualisation réside dans sa capacité à répondre à trois impératifs principaux : être interprétable, être pertinente et être novatrice.

être interprétable Dans un contexte où le volume des données explose avec le développement exponentiel de l’usage d’internet et notamment de Google, les données dites "non structurées" connaissent la même évolution. Or une datavisualisation partant de ces données qui ne seraient pas interprétables, c’est-à-dire claires, ne servirait à rien. être pertinente La pertinence est liée au caractère interprétable. La datavisualisation doit permettre de répondre à des questions dans un contexte défini et visant des objectifs précis. être novatrice Enfin, la datavisualisation n’a d’intérêt que si elle apporte une information nouvelle, une originalité, si elle donne une perspective inédite sur un sujet. Dorina Ghiliotto-Young, Head of Innovation, Ingenico

13

1
Brève histoire de la data visualization
Les prémices de la représentation graphique de données statistiques remontent aux travaux du statisticien écossais William Playfair (1759-1823). Il est l’inventeur d’outils qui nous paraissent désormais familiers : le graphique circulaire (le fameux "camembert"), le diagramme en bâtons, le diagramme linéaire. Surtout, il a mis au premier plan l’importance des graphiques pour représenter les données, à une époque où la tradition cartésienne des représentations sous formes de fonctions mathématiques régnait en maître. Playfair, au contraire, mettait en avant que le simple fait de coucher les données sous la forme de points et de formes sur un graphique pouvait nous aider à mieux les comprendre. Ironie de l’Histoire, Playfair, lui, est resté largement incompris par ses contemporains.1 Au XIXe siècle, le nom d’un autre précurseur se détache, CharlesJoseph Minard. Il est entré dans la postérité pour sa "carte figurative des pertes successives en hommes de l’armée française dans la campagne de Russie 1812-1813", publiée en 1869.

Cette représentation réussit l’exploit de représenter en un seul schéma des données de nature aussi différente que des effectifs en hommes, des indications géographiques (distances, villes, cours d’eau), des températures et des directions (vers la Russie ou dans le sens opposé).
1. Ce paragraphe est inspiré de l’article d’Howard Wainer : "William Playfair" (version 3). StatProb: The Encyclopedia Sponsored by Statistics and Probability Societies. Freely available at http://statprob.com/encyclopedia/WilliamPLAYFAIR.html

1.1 définition(s) de la dataviz

Mais il fallut attendre les années 60 et les travaux du statisticien John Tukey, de l’université de Princeton, pour que la visualisation des données soit enfin reconnue à sa juste valeur. Entre autres apports, on lui doit notamment l’invention de la boîte à moustaches (aussi appelée diagramme en boîte, boîte de Tukey ou box plot). Cette représentation permet de représenter graphiquement des séries numériques au travers de cinq caractéristiques principales : la valeur minimale, le premier quartile (Q1), la médiane, le troisième quartile (Q3) et la valeur maximale. On y ajoute souvent la moyenne pour illustrer la dissymétrie d’une distribution lorsque médiane et moyenne ne sont pas confondues. La boîte à moustaches peut aussi faire figurer les données aberrantes.2 - Un exemple de "boîte à moustaches" utilisée dans l’industrie, chez STMicroelectronics : `

2. Sources : http://en.wikipedia.org/w/index.php?title=Box_plot&oldid=551581640 et http://fr.wikipedia.org/w/index.php?title=Bo%C3%AEte_%C3%A0_moustaches&oldid=90308055

15

1

Dans les années 70, John Tukey a travaillé avec un professeur à Princeton, Edward Tufte, lors d’une série de séminaires sur la représentation graphique des données. Ces séminaires seront repris par Tufte dans un livre qui fera date en matière de data visualization, The visual display of quantitative information. Plus récemment, c’est au Suédois Hans Rosling que l’on doit la poussée d’enthousiasme pour la représentation graphique de données statistiques, grâce à son graphe à bulles animé. La conférence lors de laquelleil l’a présentée en 2006 a déjà été visionnée plus de 5 millions de fois sur le site TED.com.3

Hans Rosling à la conférence TED

3. http://www.ted.com/talks/hans_rosling_shows_the_best_stats_you_ve_ever_seen.html

1.1 définition(s) de la dataviz

Pourquoi un graphique parle mieux des données que les données elles-mêmes ?
I II III IV

Le quartet d’Anscombe est une parfaite démonstration de ce qu’un graphique peut mieux rendre compte de la réalité derrière les données que les données elles-mêmes. Classiquement, il prend la forme de 4 ensembles de données X et Y, tels que ceux-ci : Déjà, si l’on se contente de regarder ces tableaux de chiffres, on a du mal à détecter quoi que ce soit. Quels phénomènes, quelles régularités peuvent-ils bien traduire ? Pour y voir plus clair, on peut effectuer certains calculs statistiques, pour déceler des propriétés. Et là, ô surprise, on s’aperçoit que les quatre ensembles ont des propriétés identiques ! On serait donc tenté de croire que les 4 ensembles représentent des données similaires. Pourtant, si on les place simplement sous forme de points sur un graphique à deux axes, on se rend compte qu’ils reflètent des réalités bien différentes ! La data visualization permet donc de se poser de nouvelles questions sur des séries de données dont les particularités passeraient autrement inaperçues.

I

II

III

IV

17

1

1.2 à quoi sert la dataviz ?
Maintenant que nous comprenons mieux ce qu’est la data visualization, examinons ses usages. Ce sera l’occasion, au passage, d’évoquer certaines des réalisations les plus pertinentes qui nous ont été présentées par les contributeurs à cet ouvrage.
Remarquons tout d’abord que la data visualization concerne un vaste éventail de secteurs d’activité. Si l’on s’en tient à notre panel, les domaines suivants sont représentés : • biens de consommation grand public (L’Oréal, Ubisoft) • services aux entreprises (Accenture) • industrie (Ingenico, Philips, Schlumberger, STMicroelectronics) • médias (BFM Business, France Télévisions, InfoPro, Prisma Media) • marketing et publicité (IFR-GfK, Lagardère Active, PagesJaunes, SM-Marketing Convergence) • recherche scientifique (IMEC) • service public (SPF Économie) • télécom (Alcatel-Lucent, Orange, SFR) • transport et logistique (Aéroports de Paris, ID Logistics, SNCF, Voyages-sncf.com) Toutes ces entreprises utilisent la data visualization soit pour faire mieux certaines choses qu’elles faisaient déjà (optimisation), soit pour enrichir leur activité de tâches à valeur ajoutée (innovation). Dans le registre de l’optimisation, la dataviz permet, par exemple, à Lagardère Active d’accélérer la production de ses états et à STMicroelectronics de rendre son processus de fabrication plus performant ; dans celui de l’innovation, PagesJaunes découvre et rectifie, grâce à la data visualization, les lacunes de son indexation, Voyages-sncf.com met sur le marché un nouveau service innovant (Mytripset), Alcatel Lucent imagine les applications mobiles de demain, etc.

Dans les pages qui suivent, nous allons étudier
plus particulièrement 5 cas d’usage illustrant cette double finalité d’optimisation et d’innovation : l’utilisation de la data visualization pour…

> améliorer le pilotage de l'entreprise, > améliorer la relation client, > définir l’offre même de l’entreprise, > contribuer directement au business de cette dernière > donner du pouvoir aux citoyens.

1.2 à quoi sert la dataviz ?

> améliorer le pilotage de l’entreprise
L’un des premiers usages de la data visualization est de contribuer à un pilotage plus efficace de l’activité et de la performance, orienté vers l’action. On retrouve là le côté très opérationnel de la démarche.
La data visualization au service du pilotage de l’entreprise

Notre entreprise était bousculée par la concurrence. Nous devions utiliser des outils décisionnels plus modernes pour être capables d'anticiper les positions de nos concurrents et l’attrition sur notre portefeuille clients. Nous avons voulu faire de la datavisualisation un outil décisionnel, stratégique, utilisable par un manager de proximité pour piloter sa performance. Sandrine Noail, Responsable Analyse et Pilotage Coliposte

Nous voulions doter le board d’un véritable outil de pilotage, autrement dit d’un tableau de bord avec tous les indicateurs stratégiques pour permettre la prise de décision. L’objectif était de remettre les utilisateurs dans un processus de management et non pas dans un processus itératif d’analyse comme on peut le faire avec des bases de données ou des tableaux interactifs. Laurence Kerjean, Global Digital Manager, L’Oréal S’il fallait donc absolument trouver un élément déclencheur à notre démarche, ce serait bien ce véritable besoin commun d’améliorer les exigences du reporting classique que nous avions déjà, de manière à l’orienter vers le pilotage, l’action et la décision François Nguyen, Directeur SI décisionnel et marketing relationnel SFR

19

1
≥ Analyse des appels par équipements - Source : SAS®

Un exemple de data visualization dans le secteur des télécoms
Les principaux composants de l’infrastructure réseau d’un opérateur téléphonique ont un impact sur la qualité des appels et, plus globalement, sur la qualité de services et le revenu. Les switches jouent un rôle clef dans le routage des appels, l’analyse et la surveillance du trafic et la qualité de service des différents équipements sont primordiales. Ce graphique présente les indicateurs de trafic (volume d’appels et appels interrompus) pour différents constructeurs et équipements.

1.2 à quoi sert la dataviz ?

Le cas du centre de recherche en micro et nanoélectronique flamand IMEC en fournit un exemple significatif.
Nous utilisons SAS depuis des années pour des projets scientifiques. Il y a quelques années, nous avons commencé à l’utiliser aussi pour nos rapports d’entreprise. Nous avons commencé par un premier périmètre simple (les consommations téléphoniques de nos collaborateurs) puis nous avons ajouté de nouveaux domaines, l’un après l’autre, de manière à entrer progressivement toutes les informations dans l’environnement BI. Nous utilisons la solution principalement pour représenter les indicateurs que nous devons produire pour le gouvernement flamand, par exemple en ce qui concerne le nombre de publications réalisées par nos chercheurs, le nombre de nos doctorants ou encore nos activités donnant lieu à la création d’entreprises (spin-offs). Par ailleurs, nous produisons également des rapports pour visualiser nos plannings et notre performance en termes d’utilisation de nos ressources.

La data visualization comme outil de pilotage

Yves Daelmans, ICT Project Manager IMEC
≤ IMEC coût en téléphonie pour un employé

21

1

≥ talent magnet (répartition par nationalité des salariés chez IMEC pour un mois donné) ≥ récapitulatif sur 12 mois du temps passé par un employé par grands groupes de tâches

1.2 à quoi sert la dataviz ?

Enfin, qui dit pilotage dit prise de recul. C’est ce que permet la data visualization, en complément d’autres outils à horizon plus court terme.

La dataviz ou la pensée visuelle au service de la stratégie

Le sujet de la data visualization arrive chez L’Oréal à un moment où toutes les équipes digitales, aussi bien dans les marques que dans les pays, s’organisent pour avoir des tableaux de bord tactiques ; notre projet de tableau stratégique vient donc fédérer toutes les actions locales et nous permet d’avoir une réelle vision stratégique. Laurence Kerjean, Global Digital Manager, L’Oréal

≤ Un tableau de bord stratégique chez L’Oréal

23

1
> améliorer la relation client
Le marketing et la gestion de la relation client sont deux fonctions de choix pour la data visualization, comme le montrent les exemples de SFR et de Lagardère Active.
Visualiser les données clients pour améliorer le CRM multicanal
Notre activité s'articule autour de trois principaux canaux : les points de vente, les centres d'appels clients et notre boutique en ligne sur sfr.fr. Nous développons nos solutions dataviz dans l'optique d'optimiser la gestion de ces canaux. Nos efforts visent avant tout à améliorer le pilotage et la compréhension de nos KPI. En ce sens, nos projets sont très orientés "indicateurs d’activité"... Nos développements en data visualization s'attachent donc à rapprocher de nombreuses sources de données afin d’y trouver des relations et des causalités. François Nguyen, Directeur SI décisionnel et marketing relationnel SFR

1.2 à quoi sert la dataviz ?

Dataviz et relation client multicanal

≥ Analyse des Centres de Relation Client

Source : SAS®
La multiplication des canaux de communication est un challenge supplémentaire pour les Centres de Relation Client pour préserver la satisfaction client. Le volume et la complexité des données (souvent compartimentées en silos) entravent la capacité d’analyse pour accroître l’efficience et optimiser les coûts. Ce graphique présente les principaux indicateurs de performance (qualité de service, temps de prise en charge et taux d’abandon) avec un détail sur le taux de résolution au premier contact.

Une bonne relation client passe aussi par une bonne connaissance de ces derniers : quels sont leurs caractéristiques et leurs comportements ? Comment les segmenter ? À ce titre, les capacités d’exploration dans les données permises par la data visualization trouvent tout leur sens. Nous y reviendrons dans la deuxième partie.
La dataviz pour mieux qualifier la base clients

Nous avons chez Lagardère Active une des plus grosses bases d’abonnés à nos magazines, avec près de 3 millions de clients. Nous souhaiterions étoffer les capacités d'analyse de notre CRM en y intégrant les outils de la dataviz afin de bénéficier d'une vision affinée de notre parc clients. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies Lagardère Active
25

1
> mieux définir son offre
À l’opposé du spectre, la data visualization fournit aux entreprises des outils pour mieux définir leurs offres. L’exploration des données recueillies sur les clients et la possibilité de tester différentes hypothèses s’avèrent particulièrement précieuses.
La dataviz pour faire évoluer l’offre de la SNCF dans différents domaines
Les sources de données sont très diverses à la SNCF, constituant autant de champs d’applications possibles. Nos premiers travaux dataviz datent de 2010 et aujourd'hui, nous avons à notre actif plusieurs projets aboutis sur des thématiques diverses : information, régularité voyageurs et impacts économiques, yield management et aspects énergétiques.

Maguelonne Chandesris, Responsable de l’équipe Statistique, Économétrie et Datamining, Direction Innovation & Recherche SNCF
Application de la data visualization au yield management ≥

≥ Une dataviz pour représenter la consommation électrique des trains

1.2 à quoi sert la dataviz ?

> contribuer au business
En définitive, c’est directement sur le business même d’une entreprise que la data visualization peut avoir un impact. Par exemple, Charles du Réau (Ubisoft) nous explique comment elle a permis à l’éditeur de jeux de mieux comprendre son marché :
Mieux comprendre son positionnement concurrentiel
Nous avons réalisé un projet permettant de comparer nos marques à celles de la concurrence selon plus d’une centaine de critères. Nous nous appuyons pour cela sur des données réalisées par un institut d'études externe sur des panels de milliers de joueurs. Là où avant nous ne pouvions comparer nos marques qu'à une "marque moyenne" théorique, nous pouvons désormais les comparer instantanément à l'ensemble des autres marques du panel, de manière graphique, selon des critères qui sont notés par les consommateurs.. Charles du Réau, Consumer & Market Knowledge Director, Ubisoft
≥ Le radar d’Ubisoft pour comparer ses marques à la concurrence

27

1
La géolocalisation associée à la dataviz est un atout marketing indéniable. Elle nous permet notamment de mettre en exergue nos zones de chalandise ou d'établir une cartographie des groupes et entreprises que nous ciblons. C'est sans conteste un instrument de poids que nous mettons au service de notre démarche d'analyse concurrentielle. Clément Delpirou, Associé, InfoPro Digital

Emmanuel Lechypre, quant à lui, nous explique comment la dataviz contribue directement à la proposition de valeur pour les journalistes et des médias tels que BFM Business :

La data visualization, source de valeur et de différenciation

Dans mon métier, le journalisme économique, j’ai deux sources d’information principales : d’une part les données chiffrées (études, rapports, bases de données, statistiques officielles) et les dépêches d’agences, qui sont de l’ordre du factuel et sont disponibles pour toute la profession ; d’autre part, les personnes que nous recevons sur le plateau, dont les propos, exclusifs, nous donnent une matière plus qualitative. L’intérêt d’outils d’analyse et d’exploration comme la data visualization est de procurer le même caractère exclusif et qualitatif que nous pouvons avoir dans les interviews, mais cette fois à partir de données. Autrement dit, dans la mouvance du datajournalisme, la data visualization est un moyen de repérer des sujets, d’offrir de nouveaux angles au journaliste pour traiter l’actualité, voire de créer l’événement. En ce sens, elle est un outil à forte valeur ajoutée pour la profession, amené à se développer. Emmanuel Lechypre, Éditorialiste, Responsable pôle Analyse et prévisions, BFM Business

1.2 à quoi sert la dataviz ?

La dataviz peut également mettre en exergue les modifications dans le comportement de sa clientèle, de manière à s’y adapter au mieux. Il en va ainsi des investissements publicitaires des annonceurs sur les supports de Lagardère Active :
Identifier immédiatement les reports d’achats de ses clients

≥ Radars représentant l’investissement des annonceurs chez Lagardère Active

Nous avions pour projet de représenter l'investissement de nos annonceurs par thématique sous la forme d'un radar. Ce dernier pourrait notamment permettre de comparer les tendances d'une année N vs l'année N-1. La visualisation par annonceur donnerait également la possibilité d'obtenir une vision plus fine de l’évolution des investissements de ce dernier, c'est-à-dire des changements réalisés en termes d'orientation thématique (ex. : abandon d'une thématique d'une année sur l'autre) et de bénéficier d'un aperçu plus aiguisé des tendances. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies Lagardère Active
29

1
Cette contribution au business peut s’exprimer très directement sur le modèle économique même de l’entreprise. Philippe Nieuwbourg prend l’exemple de la vente à distance pour nous le faire comprendre :
Quand la data visualization influe directement sur le modèle économique d’une entreprise
Si on prend l’exemple de la vente à distance, des entreprises comme La Redoute ou 3 Suisses réalisent aujourd’hui la majeure partie de leur chiffre d’affaires en ligne. Or, si la Redoute n’avait aucun moyen de savoir quelles pages de son catalogue papier retenaient le plus l’attention de ses clients, ou combien de temps ils passaient en moyenne sur une page, elle peut désormais avoir ce genre d’information pour les visiteurs de son site e-commerce. Grâce aux logs de connexion, elle peut savoir quelles sont les pages les plus visitées, combien de temps un internaute passe sur une page, quel est son parcours d’une page à l’autre, etc. Tout ceci constitue potentiellement un trésor, à condition de savoir exploiter ces logs, les faire parler. La data visualization peut justement être un moyen d’extraire la valeur de ces logs. Philippe Nieuwbourg, Analyste-journaliste indépendant en informatique décisionnelle

1.2 à quoi sert la dataviz ?

> donner du pouvoir aux citoyens
La data visualization trouve aussi son utilité en dehors des murs de l’entreprise. Elle peut contribuer à mieux informer le citoyen et donc à lui donner les moyens d’agir. Deux exemples que nous avons étudiés l’illustrent parfaitement : les dataviz mises à disposition du grand public par le Ministère belge de l’économie, via le Service Public Fédéral (SPF) Économie, et "le pariteur" mis en ligne par France Télévisions.
Donner matière à penser aux citoyens

Nos projets dataviz se présentent sous trois formes distinctes :

• Be Stat, qui mobilise des données disponibles depuis plus de quatre ans, et permet la création de tableaux multidimensionnels (cubes SAS). Dans ce cadre, nous proposons une interface dynamique alliant Java et SAS, permettant au citoyen de réaliser lui-même son tableau, en choisissant les mesures à montrer, les dimensions selon lesquelles il souhaite voir les données et les filtres à appliquer aux données. Be Stat permet un export ultérieur des données, notamment aux formats CSV et PDF. • un dashboard orienté "économie", qui génère une vision statique de graphiques interchangeables, regroupés au sein d'un ensemble intitulé EcoZoom. Ces graphes sont susceptibles d’indiquer l’évolution des indices des prix du pétrole, par exemple. • un système de cartographie, ou de graphiques dynamiques, actuellement en phase de pilotage. C'est un système particulièrement efficace pour visualiser les densités (populations, prix...), lesquelles sont visibles par le biais de dégradés de couleurs. Nous en voyons une application probante dans la visualisation de l'évolution des prix de l'immobilier dans le temps. La mise en chantier de ces projets dataviz est pour nous l'occasion de présenter différemment les données que nous avons collectées et que nous utilisons déjà, afin de permettre aux citoyens de réaliser leurs propres analyses. Caroline Denil, Data Warehouse Program Manager SPF Économie
31

1

Les projets de "dataviz citoyenne" peuvent prendre un tour plus militant. C’est le cas par exemple du "pariteur" de France Télévisions.

Le "pariteur" de France Télévisions ≥

Aujourd'hui, une femme touche 25% de moins qu'un homme dans le privé et 18% dans le public, poste pour poste et à temps de travail équivalent. C'est une moyenne calculée par l'Insee à partir de données statistiques de 2010 (DADS 2010, Déclaration Annuelle de Données Sociales) sur les salaires recensés par âge, par sexe, par région et par poste (nomenclature standardisée des postes). En s’appuyant sur ces données, France Télévisions Nouvelles Écritures et Francetv info ont réalisé une application Web et mobile inédite et ludique, "Le Pariteur", permettant d’évaluer sa propre disparité salariale : "et si j'étais payée comme un homme ?" "Combien gagnerait une femme à ma place ?" En quelques clics, le Pariteur vous donne la réponse. Une fois cette disparité salariale calculée, l’utilisateur peut communiquer cette information sous différentes formes et vers différentes cibles : via un "diplôme d'écart salarial" et des affiches à partager avec ses amis et collègues sur les réseaux sociaux ; ou via une lettre pré remplie et personnalisée à envoyer à son DRH ! Cette dataviz a été mise en ligne le 4 mars 2013 à l'adresse suivante : http://appli-parite.nouvelles-ecritures.francetv.fr/ Elle cumule à l’heure où sont écrites ces lignes plus de 100 000 visites. Surfant sur le mouvement de l’open data, cette Web app met à disposition des citoyens des données auxquelles ils n'ont pas facilement accès, et qui pourtant, sont publiques. C’est également un outil qui révèle le débat passionné et tabou autour de la parité salariale et, plus largement, autour de la question des droits des femmes. Un débat qui irradie l’ensemble de la société, avec au premier rang les 29 millions d’actifs (et d’actives) français. Antoine Allard, Chargé de communication & marketing Social Media France Télévisions

1.2 à quoi sert la dataviz ?

Si l’on fait le bilan, les usages de la data visualization peuvent se regrouper en trois grandes catégories, comme nous l’explique Dorina Ghiliotto-Young, Head of Innovation chez Ingenico :
Pourquoi recourir à la data visualization ?
Trois raisons principales expliquent le recours à la data visualization : • confirmer ou infirmer des hypothèses sur un marché La data visualization peut alors prendre la forme d’un dashboard, permettant de prendre une décision en ayant une vision globale du marché étudié. • éduquer En interne, Ingenico utilise notamment la datavisualisation pour des travaux de reporting ou des sessions de brainstorming. Elle peut être un bon complément de démarches créatives de type "gamification" car elle développe l'intuition. • explorer C'est l'aspect le plus futuriste de la datavisualisation, qui est certainement amené à se développer. La dataviz peut aider à construire des modèles prédictifs. On est alors dans le domaine de la data analysis. Dorina Ghiliotto-Young, Head of Innovation, Ingenico

33

1

1.3 une innovation

ou une révolution ?
La représentation graphique de données statistiques n’est pas, à proprement parler, nouvelle puisque, comme nous l’avons vu plus haut, on peut faire remonter son apparition au XVIIIe siècle. Forts de ce constat, les sceptiques auront beau jeu d’arguer que la dataviz n’est en rien une révolution. Toutefois, ClaudeHenri Mélédo, cofondateur d’Aldecis - cabinet d’experts en tableaux de bord et en systèmes de pilotage d’organisations, nous faisait remarquer en entretien que le terme "révolution" contient en lui-même l’idée de retour. Et l’on peut fort bien soutenir que si l’utilisation des graphiques pour représenter les données n’est pas nouvelle en soi, nous y retournons aujourd’hui avec une puissance et des potentialités jamais atteintes. On peut donc dire que la data visualization introduit une rupture dans l’histoire de la business intelligence. Pour cela, elle s’appuie sur toute une série de changements majeurs, qu’elle fédère pour leur donner toute leur portée. On peut notamment citer les big data, les progrès dans la compréhension du fonctionnement du cerveau et la mise au point de nouveaux terminaux et de nouvelles interfaces d’accès à l’information.

1.3 une innovation ou une révolution ?

> Les big data
Les big data désignent à la fois le phénomène de l’explosion des quantités de données disponibles et les technologies pour les traiter.
Il se distingue par trois caractéristiques principales souvent reprises sous l’expression des "3V" : le Volume des données, leur Variété et la Vitesse à laquelle elles sont produites. Depuis trois ans, plusieurs travaux ont bien mis en lumière ces dimensions. On peut penser, notamment, aux études Big Data Analytics (TDWI Research, août 2010), Big Data : The next frontier for innovation, competition, and productivity (McKinsey, juin 2011), ou encore The Deciding Factor: Big Data & Decision Making (Capgemini, juin 2012). SAS ajoute deux caractéristiques supplémentaires4 que sont la variabilité des données (avec des effets de pics ou de creux, de saisonnalité, dans la quantité de données produites) et leur complexité (par exemple, le nombre de sources dont elles proviennent, la diversité de leur nature – chiffres, schémas, ensembles de relations, texte - ou de leurs formats).
4. http://www.sas.com/big-data/

La croissance exponentielle de la quantité de données

Source IDC 2008

Nombre d'exaoctets produits/an

l'Univers numérique 2009/2020
Source IDC Digital Universe Study, sponsored by EMC, May 2010

1 exaoctet = 1 milliard de gigaoctets 1 zettaoctet = 1 000 milliards de gigaoctets

D’après IDC, l’information totale produite chaque année par les entreprises a connu de 2007 à 2011 une croissance annuelle de 67%, passant de 75 exaoctets à 580 exaoctets .
Source : Qualité des données, quelle(s) vérité(s) pour les entreprises, EBG, 2012

Mais cette progression n’est rien en regard de ce qui nous attend. La quantité d’information numérique créée ou répliquée annuellement (ce qu’IDC appelle l’univers numérique), va être multiplié par 44 en 2020 par rapport à son niveau de 2009, pour atteindre 35 zettaoctets .
35

1
Ce genre de données peut à la limite être stocké et traité par des outils de BI traditionnels, mais ces derniers ne suffisent plus pour les comprendre. La data visualization permet de dépasser cette limitation, faisant intervenir un 4e "V", celui de Valeur. Ce que Philippe Nieuwbourg énonce en une formule : Vitesse + Volume + Variété

x Visualisation = Valeur

La data visualization à la rescousse pour le traitement des big data
Les solutions de data visualization sont une réponse à la complexité rencontrée dans le traitement de grosses masses de données. En ce sens, la visualisation elle-même permet une analyse pointue, laquelle passe par la détection de patterns (ces schémas récurrents reflétant des tendances), impossibles à déceler par le biais des outils de reporting classique (ex. : tableau de bord Excel). Autrement dit, la dataviz permet d'explorer visuellement de grands volumes de données et de dégager des tendances qui ne sont pas forcément visibles à travers une simple énumération de chiffres. Frédérique Pain, Experience Strategy Director, Alcatel-Lucent Bell Labs

1.3 une innovation ou une révolution ?

Nous avons un challenge de big data, avec une information de plus en plus volumineuse et dont nous devons absolument adresser la complexité pour nous différencier ; nous avons aussi un challenge de big data dans l’usage, pour enrichir l’analyse. La visualisation doit permettre justement de tirer tout le profit de cette volumétrie disponible, en permettant l’émergence de questionnements nouveaux sur la donnée. Fabrice Benaut, CIO global IFR, Head of IS and Operations, IFR Monitoring

Comme on le voit dans ces exemples, c’est l’analyse qui est au cœur de la création de valeur par les big data. C’est parce qu’elle permet l’analyse (et l’exploration) de ces quantités faramineuses de données que la data visualization permet de tirer la valeur des big data.
La dataviz, un outil qui démocratise l’analytique

Dans nos métiers, le terme "analytique" renvoie aux méthodes statistiques d’analyse des données : statistique descriptive, analyse prédictive, optimisation, prévision, théorie des tests... Quant à la business analytics, elle désigne l'application de l'analytique au monde de l'entreprise. Elle recourt plus particulièrement à des outils tels que le calcul de corrélations, de régressions, l'analyse en composantes principales, l'analyse factorielle, les réseaux de neurones... La business analytics concerne tous les métiers. Prenons simplement deux exemples. En étudiant la typologie des acheteurs et leurs comportements, une analyse prédictive permettra à une entreprise de marketing direct de calculer la probabilité pour un individu donné qu’un certain courrier déclenche un acte d'achat. Ainsi, la marque pourra sélectionner les personnes à qui elle enverra le courrier en question. Autre exemple : la commercialisation de nouveaux médicaments. De la mise au point d'une substance active à la mise sur le marché du médicament proprement dit, plusieurs cycles de tests sont effectués. Le but est de s'assurer que le nouveau produit apporte réellement un "plus", que ce soit en termes d'efficacité, de tolérance, de confort d'utilisation, etc. C'est alors la théorie des tests qui est mise à contribution.
37

1
Il faut noter que l’analytique ne concerne pas uniquement les grandes entreprises : elle concerne toutes les entreprises et tous les métiers dans lesquels la donnée joue un rôle majeur. Par exemple, l'analytique sera fondamentale pour une PME travaillant dans le domaine du social gaming (jeux sur les médias sociaux) : l'analyse des logs d'utilisation de ses jeux est sa seule manière de comprendre ses clients et donc son marché. Toutefois, les entreprises peuvent rencontrer des difficultés ou des enjeux lorsqu’elles se lancent pour la première fois dans l'analytique. Le premier enjeu est de faire en sorte que les connaissances issues de l'analytique se traduisent de manière opérationnelle dans le business de l'entreprise, pour apporter de la valeur. Pour cela, il faut que les profils pointus qui prennent en charge l'analytique (des statisticiens) soient bien intégrés dans les processus de l'entreprise et sachent communiquer. Une deuxième difficulté est que les statisticiens ont des besoins informatiques particuliers, que ce soit en termes de puissance de traitement, d'espace de stockage ou de vélocité, entre autres. Ces besoins se traduisent par des demandes atypiques, inhabituelles pour une DSI. La data visualization constitue une réponse à ces difficultés en démocratisant l'accès à l'analytique auprès de publics qui ne sont ni des statisticiens, ni des data miners. Pour y parvenir, la solution SAS® Visual Analytics intègre, par exemple, plusieurs méthodes analytiques et choisit automatiquement la meilleure pour répondre à une demande de l'utilisateur. D'un simple clic, par exemple, ce dernier pourra obtenir une prévision sur 6 mois sur un indicateur, sans besoin de compétences particulières en statistiques. Le temps de traitement sera d'une à deux secondes et l'utilisation se veut réellement intuitive. Autrement dit, la data visualization permet d'accéder à l'analytique sans connaissances statistiques pointues et accélère la prise de connaissance et la compréhension des données. Elle favorise également la diffusion de cette connaissance dans la société. Visual Analytics permet par exemple de la transmettre sous forme de fichiers pdf ou d'états interactifs sur tablettes. La possibilité de collaborer sur les données, en commentant les états, est également un moyen pour que celles-ci deviennent un véritable outil de travail, à tous les niveaux de l'entreprise. Jérôme Cornillet, Responsable de l’offre Business Analytics, SAS France

1.3 une innovation ou une révolution ?

un exemple de data visualization dans le domaine de la recherche pharmaceutique
Les questions de santé et de sécurité des patients requièrent une forte vigilance afin d’identifier des risques éventuels et éviter des problèmes de santé publique. Le niveau de surveillance demandée est en augmentation : la validation des médicaments en phase d’approbation et après mise sur le marché est critique. Les mesures terrain nécessitent des analyses approfondies.

Source : SAS®

≤ Analyse d’effets indésirables

Ce graphique analyse la fréquence et la sévérité de certains effets indésirables. La matrice de corrélation montre en particulier une corrélation forte entre un médicament spécifique, le Thiazolidinedione, et les douleurs de poitrine. Pour illustrer l’importance de l’analytique dans le domaine pharmaceutique et le rôle que la data visualization peut jouer, nous remarquerons que les questions de santé et de sécurité des patients requièrent une forte vigilance afin d’identifier des risques éventuels et éviter des problèmes de santé publique. Le niveau de surveillance demandé est d’ailleurs en augmentation : la validation des médicaments en phase d’approbation et après mise sur le marché est critique. C’est pourquoi les mesures terrain nécessitent des analyses approfondies.

39

1
Cette valeur ajoutée permise par la data visualization dans le domaine de l’analytique appliquée aux big data est confirmée par Andrew Musselman d’Accenture :

Analytique, dataviz et big data : le trio gagnant

Le département "data visualization" a collaboré sur des travaux et des propositions commerciales avec le département analytique très bien implanté d’Accenture, qui inclut désormais un aspect plus nouveau concernant les big data. Il nous semble que ces deux facettes sont plus liées que par le passé, pas uniquement pour supprimer les tâches en doublon, mais aussi, plus fondamentalement, pour tirer profit des avantages de chaque facette. L’aspect big data a beaucoup à offrir à l’analytique, et vice-versa. Andrew Musselman, Data scientist, ingénieur et architecte dans le département Big Data d’Accenture

≥ L’empreinte de mouvement, telle qu’elle a été exposée à la Cité de l’Architecture et du Patrimoine, d’avril à août 20127
7. http://www.orange.com/m_fr/sponsoring/culture/Cite-de-l-architecture-et-du-patrimoine

1.3 une innovation ou une révolution ?

Notre démarche de data visualization s'inscrit dans la perspective plus globale des big data. Dans ce contexte, la mise en place d'outils dédiés vient servir une démarche générale de traitement des gros volumes de données (et des données spécifiques opérateurs). Même si la data visualization est un outil de valorisation des données qui peut être utilisé indépendamment des big data, il nous apparaît clairement que les deux sont assez liés. Nos projets s'adressent à nos clients, dans l'optique de leur proposer, à terme, des offres ou des services en adéquation avec leurs besoins. Une initiative développée au niveau du groupe, l’’empreinte de mouvement’, analyse et restitue de façon valorisée les informations de déplacement collectées pour un ou plusieurs individus. Dans cette approche, nous partons de points physiques, en intégrant une gestion de la temporalité à court terme dans un premier temps, avec une captation des données effectuée à intervalles réguliers (par exemple toutes les sept minutes) : il en ressort une sorte de "surface au sol" ou empreinte cartographique que nous sommes en mesure de représenter visuellement.

L’empreinte de mouvement, à la croisée de l’art, du business et des big data
Cette visualisation reflète le degré de sédentarité (c’est une lecture possible) et met au jour le périmètre géographique parcouru, mais également restitue les habitudes de l'individu, visibles à travers ses différents trajets. L'outil fait appel à une représentation logarithmique de manière à ne pas écraser les détails. En augmentant les temps d'observation (sur plusieurs jours ou plusieurs semaines) et en incluant une gestion temporelle à plus long terme, nous augmentons la pertinence de l'empreinte individuelle en question ; l’analyse qui s’en suit s’enrichira parallèlement. Catherine Ramus, Chef de projet Équipe design, Orange

41

1
L’essor des big data a largement fait émerger le besoin en data visualization. En retour, les capacités d’analyse et d’exploration que celle-ci autorise suscitent encore plus d’intérêt pour les big data.
"Au final, explique Mouloud Dey, Directeur des Solutions et Marchés Émergents chez SAS, dataviz et big data apparaissent souvent disjoints, mais notre conception est autre : ces deux secteurs ont bel et bien partie liée. La data visualization est en effet particulièrement intéressante lorsque l’on dispose de gros volumes de données que l’on a besoin de mettre en relation, pour leur donner du sens."

> Les progrès dans la compréhension du fonctionnement du cerveau
La science nous a permis d’atteindre aujourd’hui une compréhension beaucoup plus fine du cerveau humain. Elle révèle que la data visualization est une méthode particulièrement efficace pour représenter, analyser et interpréter des données.
La data visualization, un outil sur-mesure pour votre cerveau

La vue, qui est gérée par le cortex visuel situé à l’arrière du cerveau, est très rapide et efficace. Nous voyons immédiatement, avec peu d’efforts. La pensée (la cognition), qui est gérée principalement par le cortex cérébral à l’avant du cerveau, est beaucoup plus lente et moins efficace. La manière traditionnelle de représenter et de donner du sens aux données nécessite une pensée consciente pour presque l’ensemble du processus. La data visualization fait au contraire pencher la balance du côté d’un plus grand recours à la perception visuelle, tirant profit de la puissance de nos yeux autant que possible. 
Source : Few, Stephen (2013): Data Visualization for Human Perception. In: Soegaard, Mads and Dam, Rikke Friis (eds.). The Encyclopedia of Human-Computer Interaction, 2nd Ed. Aarhus, Denmark: The Interaction Design Foundation. Available online at http://www.interaction-design.org/encyclopedia/data_visualization_for_human_perception.html

1.3 une innovation ou une révolution ?

Comme l’explique Noah Iliinsky8 dans une conférence LinkedIn Talks9 mise en ligne en avril 2012, "le cerveau humain est habitué à reconnaître des schémas récurrents. Il agit donc sur le mode d’une machine à détecter des motifs (patterns). Ces motifs visibles à travers les graphes, par exemple, sont un moyen de comparer les différentes informations, par le biais des contrastes qui s’en dégagent. De fait, l’esprit humain est alors beaucoup plus à même de saisir des tendances, des écarts ou des évolutions." 10

> Les nouveaux terminaux et les nouvelles interfaces d’accès à l’information
La data visualization est sans doute le mode d’analyse et d’exploration des données de l’ère post-PC dans laquelle nous entrons. Alors que selon IDC les ventes mondiales d’ordinateurs ont plongé de 14% au premier trimestre 201311, Gartner prévoit que les ventes de tablettes dépasseront celles de PC en 201712.
Dans ce contexte, les outils de data visualization tirent tout le parti de l’interface tactile des tablettes pour permettre de manipuler en direct les graphiques, sélectionner différentes vues, appliquer des filtres, etc. C’est d’ailleurs une attente forte de la part des utilisateurs de dataviz, comme en témoigne l’anecdote édifiante relevée par Pierre-Olivier Sicamois, de Lagardère Active : "La Présidente de la régie nous a imposé une contrainte unique : il fallait que la solution fonctionne sur iPad."

8. Doté d’un Master en Communication Technique obtenu à l’Université de Washington et d’une Licence de Physique de la Faculté de Reed, Noah Iliinski (@noahi) est un développeur informatique qui s’emploie à réfléchir à des approches efficaces en matière de conception visuelle dédiée à la représentation de l’information. 9. http://www.youtube.com/watch?v=R-oiKt7bUU8 10. Le compte rendu complet de cette conférence est accessible ici : http://fr.slideshare.net/Cooperatique/noah-iliinsky-prsente-la-dataviz 11. http://www.01net.com/ editorial/592687/chute-historique-des-ventes-mondiales-de-pc-au-1er-trimestre-2013/. 12. http://www.journaldunet.com/ebusiness/internet-mobile/les-ventes-de-tablettes-depasseraient-celles-despc-0413.shtml

43

1
La data visualization sur tablette, l’outil d’analyse des données que les DG attendaient Dans les faits, dès que
nous montrons aux directions générales SAS® Visual Analytics sur tablette, elles disent unanimement que c'est ce dont elles avaient besoin. En effet, les DG n'ont pas l'utilité à rentrer en profondeur dans le détail des données ; ce qui les intéresse, c'est d'avoir à disposition des tableaux de bord intelligents, qui soient utilisables partout, à tout moment. Je citerai l'exemple de notre Comité de Direction. Ce dernier disposait auparavant d'un portail avec l'ensemble des tableaux de bord disponibles : avancement des ventes, CA, qualité du service au client... Aujourd'hui, nous avons accès à tous ces indicateurs sur iPad. Les mises à jour sur le serveur Visual Analytics sont synchronisées automatiquement sur mon iPad. Si je veux analyser les états depuis chez moi, le soir, dans de bonnes conditions en termes de confort et d'ergonomie, j'en ai la possibilité. Nous sommes désormais tout à fait libres et mobiles, tout en restant parfaitement connectés aux données permettant de piloter l'entreprise. Serge Boulet, Directeur Marketing & Communication, SAS France

Dans certains cas, le fait même qu’une partie du personnel soit équipée de certains matériels pousse à la diffusion de la data visualization dans l’entreprise. C’est ce qui s’est passé, par exemple, chez ID Logistics.

Quand l’iPad sert de porte d’entrée à la dataviz
Le périmètre d'application de nos solutions dataviz s'est établi de manière un peu "triviale" à destination d'un cercle restreint (que nous envisageons d'élargir) : les utilisateurs de l'iPad, et plus précisément les membres de la Direction des Opérations et de la Direction Générale.
Emmanuel Vexlard, DSI, ID Logistics
11. http://www.01net.com/ editorial/592687/chute-historique-des-ventes-mondiales-de-pc-au-1er-trimestre-2013/. 12. http://www.journaldunet.com/ebusiness/internet-mobile/les-ventes-de-tablettes-depasseraient-celles-des-pc-0413.shtml

1.3 une innovation ou une révolution ?

≥ Exemple de data visualization sur iPad chez ID Logistics

Et ce n’est probablement que le début. Les progrès des interfaces homme-machine (IHM), de plus en plus intuitives, ouvrent en effet de nouveaux horizons à la dataviz.
Le renouvellement des IHM, vivier d’innovations pour la dataviz La data visualization est selon
nous promise à un bel avenir, en particulier avec l'arrivée prochaine des dalles tactiles, promesse de représentations graphiques encore plus interactives, et le boom que devraient connaître les tablettes et la 3D. Or, ces avancées technologiques sont synonymes de changement dans les modes de représentations. Pour preuve, l'INRIA expérimente actuellement des visualisations multi-écrans, impliquant la gestuelle de l'utilisateur. Frédérique Pain, Experience Strategy Director, Alcatel-Lucent Bell Labs

45

1

1.4 à qui s’adresse la dataviz ?
Tout d’abord, levons une confusion possible liée au fait que la data visualization s’inscrit souvent dans le cadre des big data. Si la dataviz trouve effectivement tout son sens dès lors qu’il s’agit d’exploiter un volume de données conséquent, il serait faux de croire qu’elle est réservée aux grandes entreprises. Comme le soulignait Jérôme Cornillet de SAS dans la partie 1.3, des organisations de taille réduite peuvent tout à fait être amenées à traiter des volumes de données importants et trouveront un grand intérêt à pouvoir le faire de manière simple, sans recourir à des spécialistes de l’analyse statistique. Si l’on s’intéresse aux profils des utilisateurs de dataviz, on s’aperçoit qu’ils sont variés, mais peuvent être regroupés en trois grandes catégories : le grand public, les parties prenantes internes de l’entreprise (direction, collaborateurs voire prestataires), et enfin des partenaires extérieurs à l’entreprise. Concernant les usages grand public de la dataviz, nous en avons déjà évoqué certains dans les pages précédentes, au travers du "pariteur" de France Télévisions ou encore de la mise à disposition de données pour les citoyens de la part du Ministère belge de l’ Économie. On notera simplement ici qu’une même application peut s’adresser à différents publics. C’est notamment le cas des données fournies par le SPF Économie belge : "Nos données sont disponibles d'une part pour le grand public, qui y accède via un portail open data, et d'autre part pour des utilisateurs à l'Institut National de la Statistique" explique ainsi Caroline Denil. Il convient alors de mettre en œuvre les modalités d’accès et les visualisations les plus appropriées (nous y reviendrons).

1.4 à qui s’adresse la dataviz ?

Un autre exemple de dataviz grand public : Social Ecorama

≥ Social Ecorama13

Le projet Social Ecorama consiste à mettre à disposition des visiteurs du site Web de BFM-Business un indicateur de l’humeur des ménages et du moral des entreprises. Cet indicateur a plusieurs originalités. Tout d’abord, il est construit en analysant les messages postés par les internautes sur les médias sociaux, de type Twitter et Facebook. Les partenaires technologiques du projet, SAS et Inbox, analysent ces messages, collectent cette grande quantité de données textuelles et les analysent pour savoir si elles reflètent un sentiment positif ou négatif, selon différents critères. Sont ainsi observés, pour les ménages, les messages ayant trait au chômage, à la consommation, au logement, au pouvoir d’achat, etc. Du côté des entreprises, ce sont la croissance, les profits, les embauches, les exportations, entre autres, qui sont passés au crible. Pour chaque item, un indicateur de "positivité" est calculé, pour estimer si le climat sur le sujet est plutôt à l’optimisme ou au pessimisme sur les médias sociaux.

13. http://ecorama.inbox.fr/

47

1

La deuxième spécificité est que ces indicateurs sont suivis quotidiennement, alors que les enquêtes d’opinion classiques par sondages sont réalisées à des fréquences de l’ordre du mois. Enfin, la troisième grande originalité de Social Ecorama est le rendu sous forme de data visualization des résultats. Les internautes peuvent visualiser l’évolution de la positivité des ménages et des entreprises, sous forme de courbes, en sélectionnant les mots-clés qui les intéressent, ainsi que la période. Le projet a été lancé le 3 avril 2013 et déjà plus de trois mois de données sont disponibles pour l’exploration. La combinaison de ces trois originalités fait de Social Ecorama une première mondiale.. Emmanuel Lechypre, Éditorialiste, Responsable pôle Analyse et Prévisions BFM Business

Même constat du côté de Clément Delpirou, associé chez InfoPro Digital :
La data visualization permet bien sûr d'exploiter et de valoriser nos contenus, mais j'y vois surtout une valeur sûre pour répondre à trois objectifs essentiels. En termes d'audience d'abord, c'est le moyen de mettre nos contenus à la disposition de tous (ex. : notre classement des écoles d'ingénieurs), ou notre cartographie des BTS. C'est deuxièmement la possibilité d'apporter une réelle valeur ajoutée à la gestion de nos abonnements, ce qui n'est pas négligeable au vu du paysage médiatique chahuté auquel nous sommes confrontés. D'ailleurs, il ne s'agit plus d'abonnements classiques à des revues, mais de véritables abonnements à des systèmes d'information : avec Industry Explorer, par exemple, nous offrons un accès aux magazines, mais également une consultation fiche par fiche des informations sur les entreprises. C'est ainsi que nous sommes en mesure d’enrichir notre offre éditoriale tout en développant les revenus de nos abonnements. Enfin, la dataviz est le moyen pour nous de développer des lignes business spécifiques. Avec la cartographie notamment, nous touchons du doigt une valeur allant au delà de la valeur de l'abonnement seul, ce qui était impossible avec les moyens technologiques traditionnels (ex. : on peut consulter une carte de toutes les usines d'Aquitaine ayant déclaré investir plus de 10 millions d'euros l'année prochaine). Clément Delpirou, Associé, InfoPro Digital

1.4 à qui s’adresse la dataviz ?

En interne, la data visualization est utilisée à tous les niveaux de l’entreprise, de la Direction générale aux équipes terrains, en passant par les directions Métiers. Son usage est même parfois très répandu, y compris dans de vastes organisations, telle qu’une multinationale comme Philips. C’est ce que nous confirme Menno Haijma, Senior Global Manager chez Philips : "la plupart des personnes concernées sont des managers et des business leaders, que ce soit dans les pays ou au niveau central." En ce qui concerne la DG ou la Présidence d’une entreprise, comme nous l’avons déjà évoqué, c’est la capacité à obtenir en temps réel, y compris en mobilité, une vision synthétique des grands indicateurs de l’entreprise, alimentés par des données actualisées en temps réel, qui séduit.

Décider à l’aide d’indicateurs clés

≥ Dataviz sur iPad chez Prisma Media

Dans une perspective Business Intelligence, nous avons mis en place une solution sur iPad. Celle-ci répond aux attentes de la Direction, dans la mesure où son action de pilotage nécessite d'avoir à disposition des tableaux de bord dotés d'indicateurs clés qui puissent favoriser l'analyse et optimiser la prise de décision. Jérôme Tharaud, Responsable des études et développement, Prisma Media
49

1
Et il arrive que les chefs de projets dataviz aient des surprises ! On s’aperçoit parfois que des informations mises à disposition de longue date sous forme d’états classiques sont totalement ignorées par la Direction. La dataviz est alors un moyen de les remettre en évidence pour qu’elles soient enfin utilisées.

La data visualization pour diffuser une information disponible, mais qui passait inaperçue
L’arrivée de notre nouveau Directeur Général, il y a quatre ou cinq mois, a été l’occasion pour la Présidente de la Régie Publicitaire et le DG d'organiser une réunion du Comité de Direction, au cours de laquelle nous avons réalisé un "tour d'horizon" des projets en cours. Voici ce qui nous a été remonté : "la régie publicitaire est plurimédia, mais les statistiques ne remontent aucune donnée plurimédia". Cette remarque nous a quelque peu étonnés dans la mesure où, justement, notre système de reporting était capable de remonter de telles données, à travers les cubes que nous avions mis en place ! Quoi qu'il en soit, nous nous sommes engagés auprès de la Présidente et au DG à mettre à leur disposition sous un mois de telles statistiques plurimédia. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies Lagardère Active

1.4 à qui s’adresse la dataviz ?

Concernant les directions métiers, elles sont doublement intéressées par la data visualization. Tout d’abord, parce qu’elles en sont les premières utilisatrices. Mais aussi parce que, sans elles, ces solutions ne pourraient pas être mises en place. Ce sont les Métiers qui connaissent les besoins, la signification des chiffres, et qui sont seuls à même d’interpréter les visualisations. Ils sont donc à la fois consommateurs et coproducteurs de la dataviz.

Le Métier, à la fois utilisateur et co-constructeur de la dataviz
À terme, une fois le système industrialisé, c'est à la fois aux équipes techniques et aux équipes Métiers qu'il s'adressera. En effet, ces dernières contribuent largement aux processus de développement, dans la mesure où ce sont elles qui sont chargées de paramétrer, de qualifier les données, et d'alimenter le moteur. Le système leur servira dans une visée de reporting et de suivi de la qualité du service proposé aux internautes. Eric Lajarige, Responsable de projets search, PagesJaunes

51

1

PagesJaunes détecter de manière automatique et via la donnée les requêtes mal catégorisées
Le moteur de recherches PagesJaunes permet aux internautes de rechercher un professionnel dans toute la France, en renseignant deux champs : "Quoi/qui" et "Où". La catégorisation d’une requête en "Quoi" ou "Qui" est donc particulièrement importante. Une mauvaise catégorisation des requêtes diminue sensiblement les chances pour un professionnel d’être trouvé lors d’une recherche. Si un visiteur tape "acacias, Toulouse", on peut penser qu’il veut acheter des acacias. Cela signifie qu’on catégorise "acacias" en objet ("Quoi ?"). Et si l’utilisateur cherchait en fait l’adresse d’un restaurant appelé "Les Acacias" à Toulouse ? Il faut comprendre "Les Acacias" comme le nom d’une entreprise ("Qui ?"). Dans un cas, la réponse attendue est une liste de pépinières, dans l’autre, l’adresse d’un restaurant bien identifié. Sachant que la proposition de valeur du groupe PagesJaunes est justement d’offrir de la visibilité aux professionnels et aux entreprises, cela peut être dramatique. Mais comment détecter les requêtes n’aboutissant pas à cause d’une mauvaise catégorisation dans le flot des requêtes quotidiennes ? Pour y parvenir, l’agence 55 | fifty-five.com a développé pour PagesJaunes une interface d’exploration des requêtes, permettant de filtrer une liste de requêtes selon différents critères interdépendants. Grâce à cette interface, il devient possible de détecter visuellement les requêtes pour lesquelles la présomption d’erreur de catégorisation est la plus forte. Martin Daniel, Chef de projet Data Visual, fifty-five

1.4 à qui s’adresse la dataviz ?

≥ L’interface de Search Analytics de PagesJaunes (Plus les chiffres dans les colonnes affinage ou localité sont proches de 1, plus la probabilité que le professionnel ait été mal labélisé dans la base de données est forte.)

53

1

La plupart des fonctions de l’entreprise peuvent bénéficier de la data visualization : marketing, commercial, finance, fabrication industrielle, R&D… Laurence Kerjean, de L’Oréal, nous le confirme :
La dataviz, c’est pour tous les métiers

Dès lors que la donnée "de base" est quantitative, la data visualization est un vrai vecteur pour son exploitation. Tous les métiers ou domaines sont donc concernés. D’ailleurs, même les données qualitatives peuvent être mises en images, il suffit de les convertir en valeurs numériques (ex. : pas content = 1 point / très satisfait = 7 points). Pour le marketing en particulier, la data visualization est très efficace, car elle permet de présenter à des personnels créatifs (par nature) des données quantitatives sous forme visuelle, donc plus simples et rapides à digérer. Laurence Kerjean, Global Digital Manager L’Oréal

On retrouve souvent des métiers très en contact avec le terrain. Jusqu’ici, ces métiers ne disposaient pas nécessairement des bons outils de reporting ou d’analyse, et la dataviz vient à propos combler ce manque.
La dataviz, un outil pour comprendre l’environnement concurrentiel de l’entreprise

La solution est accessible à l'ensemble des salariés mais, dans les faits, ce sont surtout les départements Marketing en Europe et en Amérique qui l'utilisent, ainsi que les studios de développement dans le monde. Charles du Réau Consumer & Market Knowledge Director, Ubisoft À des fins d'analyse concurrentielle, nos outils s'adressent aux départements Achats, Vente et Marketing essentiellement. Dans cette visée, ils fournissent une intelligence sectorielle poussée utile à la définition de notre stratégie. Clément Delpirou Associé, Infopro Digital

1.4 à qui s’adresse la dataviz ?

D’autres contributeurs insistent moins sur cet aspect reporting et mettent davantage en exergue la meilleure compréhension du métier lui-même. La représentation visuelle permet en effet de rendre compte de la cohérence des processus composant le métier, ce qui n’était pas toujours possible auparavant.
Mieux comprendre et piloter le métier, grâce à la dataviz
La réalisation de reporting n’est pas, pour nous, ce qu’il y a de plus novateur dans la data visualization. Même s’ils permettent aujourd’hui de filtrer plus finement et d’offrir une synthèse, les reportings existaient déjà dans les outils d’informatique décisionnelle (BI) classiques. Notre approche de la data visualization se concentre plutôt sur la récupération, à n’importe quel moment du cycle d’achats, sous forme visuelle et collaborative, de l’ensemble des informations du référentiel de données (comptes fournisseurs, prix des articles, catalogues par fournisseurs et familles de produits, recommandations achats, informations en provenance de la supply chain, etc.). Nous obtenons ainsi sous la forme d’un tableau de bord une vision synoptique de plusieurs processus métiers qui étaient jusqu’alors disjoints. C’est là que réside pour nous la véritable innovation. Franck Jouenne, Director, IT & Services Strategic Sourcing, Alcatel-Lucent

Enfin, grâce à son aspect pratique, la dataviz sort des bureaux et porte la puissance de l’analytique au plus près du terrain. Les équipes opérationnelles peuvent s’en servir pour prendre des décisions rapidement, comme c’est le cas chez STMicroelectronics.
La dataviz, un outil de choix dans l’industrie
Nous implémentons nos solutions DataViz à l'intention de l'ensemble de nos salariés : de l'ouvrier au chef de service, en passant par le technicien. Dans ce cadre, un ouvrier recourra plus fréquemment aux cartes de contrôle et graphes d'état des machines, par exemple, tandis que le chef de service s'intéressera aux tendances du rendement. Guillaume Deschamps, FMT / Central Functions YTI / EDA, ST Microelectronics
55

1
Toujours dans le domaine de l’industrie, la data visualization permet de comprendre certaines situations techniques complexes et de prendre les bonnes décisions. Un public d’ingénieurs y trouvera donc son avantage.

La data visualization au service des ingénieurs
Je considère que l'apport de la dataviz peut être particulièrement intéressant pour les ingénieurs sur des points nécessitant une expertise pointue, mais également pour les décideurs. La gestion de la restitution de l'énergie produite par les différents trains l'illustre particulièrement bien : un train qui freine produit une énergie conséquente et difficilement stockable. C'est pourquoi il vaut mieux l'utiliser dès qu'elle est produite, en la réinjectant sur un autre train. La possibilité de localiser sur une carte ces points de restitution n'est pas négligeable : visualiser précisément la récupération énergétique à l’œuvre contribue à calculer la consommation électrique, à établir les coûts associés, ainsi qu'à définir les actions à conduire en conséquence. En l'occurrence, la data visualization permet ici à nos ingénieurs experts de mieux visualiser à quel endroit ou en quelle zone faire figurer un stockeur... C'est également le moyen pour les décideurs d'appréhender les secteurs où il est intéressant d'investir. Maguelonne Chandesris, Responsable de l’équipe Statistique, Économétrie et Datamining, Direction Innovation & Recherche SNCF

1.4 à qui s’adresse la dataviz ?

Un autre secteur industriel dans lequel la data visualization se révèle très utile est celui de l’énergie.
La data visualization appliquée au secteur de l’énergie

Source : SAS®
≥ Gestion des Compteurs Intelligents

Le déploiement des compteurs intelligents doit permettre d’optimiser la distribution d’énergie dans le réseau grâce à un suivi fin (tendance, profils) et l’anticipation de la demande (prévision maintenance). La volumétrie des données à analyser est un enjeu crucial, la rapidité et la capacité d’analyse primordiale. Ce graphique illustre la consommation électrique selon différents profils (horaire, journalier) ainsi que le suivi en continu de la tendance. Le graphique à bulles présente la consommation par zone géographique.

57

1
Pour clore cet aperçu des différentes fonctions pouvant mettre à profit la data visualization, nous pouvons dire que l’éventail est très large. Des directions ou secteurs d’activité les plus classiques à d’autres que l’on attendrait moins, la dataviz se fraye de plus en plus un passage dans les entreprises.
Quand la dataviz fait trembler… les fraudeurs !
Il arrive que certains professionnels aient des comportements frauduleux ou contribuent à une fraude généralisée, voire carrément organisée en réseau (détournement ou abus de prestations sociales, fraude à l’assurance…). Ce genre de fraude est difficile à détecter lorsqu'on considère une transaction isolée, de type réparation de véhicule ou vente d'une paire de lunettes, par exemple. En revanche, à partir du moment où l'on arrive à mettre en relation un grand nombre d'assurés bénéficiant de la même complaisance ou de la même fraude, il est possible de mettre en évidence des réseaux collusoires entre assurés et professionnels. Cela est difficile, sinon impossible, par la seule étude de tableaux chiffrés. Une représentation graphique peut permettre de repérer des schémas ou des points anormaux du premier coup d’œil, qui peuvent signaler une fraude possible. À noter que la dataviz est utilisée dans la détection des fraudes aussi bien par des assureurs privés que dans le cas des indemnisations publiques (indemnités chômage, allocations familiales, etc.). Je vous en donnerai d'ailleurs une illustration flagrante avec une référence parmi nos clients. Le Comté de Los Angeles a eu l'idée de superposer le graphe des données représentant la distribution des prestations sociales avec les coordonnées géographiques correspondantes : il a eu alors la surprise de constater qu'une zone de forte distribution de prestations sociales coïncidait avec des secteurs résidentiels ! C'est grâce à une telle combinaison de dimensions multiples (données sociales, données des assureurs, coordonnées géographiques, voire conversations sur les médias sociaux) qu'une présomption de fraude peut gagner en force et finir par s'imposer d'elle-même. Mouloud Dey, Directeur des Solutions et Marchés Émergents, SAS France

1.4 à qui s’adresse la dataviz ?

Enfin, dernier public de la data visualization, et non des moindres : les clients de l’entreprise. L’exemple d’IFR GfK est particulièrement représentatif. Le groupe réalise des enquêtes liées à la distribution de biens de grande consommation à travers trois méthodes principales : des panels détaillants, des études ad hoc (questionnaires) et le recensement des produits disponibles sur étagères. Le produit qu’il commercialise à ses clients, issus de ces recherches, c’est de la donnée. Or, si certains clients restent fidèles au reporting classique, un nouveau segment apparaît d’une clientèle friande d’outils plus visuels. On le voit, la data visualization se prête à une grande variété d’usages. Ceux-ci peuvent faire l’objet de regroupements, tels que celui proposé par Frédérique Pain d’Alcatel-Lucent :

4

grandes familles d’usages

D'un point de vue général, la data visualization a quatre champs d'application principaux : • l’analyse des données à des fins de reporting ; •  l’exploitation des données pour expliquer le monde (ex. : études médicales) ; • l'optimisation des processus (ex. : logistique) ; • la prédiction, faisant intervenir l'étude poussée de patterns, pour anticiper les phénomènes à venir.

Frédérique Pain, Experience Strategy Director, Alcatel-Lucent Bell Labs

Si la dataviz apparaît aussi transverse, c’est parce qu’elle présente toute une série d’avantages, que nous allons détailler dans la deuxième partie de l’ouvrage…
59

2 1

2

Les bénéfices de la data visualization
Par delà l ’extrême variété de leurs secteurs d’activités et de leurs usages, nos contributeurs s’accordent sur une série de bénéfices de la data visualization, tant pour l’entreprise que pour les utilisateurs eux-mêmes. De manière synthétique, nous pouvons dire que la dataviz améliore : > la compréhension des données, > l  a communication des données, > la prise de décision, > l  a motivation des utilisateurs, > l  a capacité à innover.

2.1 la dataviz facilite la compréhension des données 

L’exemple du quartet d’Anscombe, dans la partie 1, illustrait d’un point de vue théorique qu’un tableau de chiffres n’était pas toujours facile à interpréter et qu’un graphique pouvait être bien plus éloquent. D’un point de vue pratique, les contributeurs que nous avons interrogés font cette constatation : lorsqu’il s’agit d’analyser les données pour leur donner un sens, la représentation graphique est un allié de taille. C’est par exemple ce que nous confirme Pierre-Olivier Sicamois de Lagardère Active :
La data visualization pour mieux comprendre le comportement des annonceurs

Nous avons choisi de recourir à la dataviz pour simplifier l’accès à l'information et pour combler nos lacunes dans l'appréhension de certaines données. En effet, la lecture de tableaux est utile lorsque le chiffre en lui-même est primordial (ex. : CA). Mais autrement, un camembert est bien plus parlant : il permet de visualiser précisément la répartition des différents médias, la prédominance d'un média sur un autre ou bien le panachage de ces médias par annonceur... Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies, Lagardère Active

61

1 2
Cet avantage de la dataviz sur les tableaux de chiffres bruts est renforcé par la conjonction de deux phénomènes. D’une part, l’environnement de l’entreprise est de plus en plus complexe, et met en jeu des données de natures très différentes.
Visualiser simultanément et intelligemment des données de natures différentes

Il n'est pas rare qu'une requête client retourne jusqu’à 80 combinaisons d'itinéraires différentes ! À nous de définir les bons leviers pour que le client arrive à s'y retrouver, et ce selon différentes dimensions. Par exemple, nous devons nous interroger sur la meilleure manière de représenter à la fois les grilles horaires, les prix et les données géographiques. Frédérique Ville, Directrice de l'Innovation, Voyages-sncf.com

≥ Mytripset, Voyages-sncf.com

2.1 la dataviz facilite la compréhension des données

Mytripset, Voyages-sncf.com

L'originalité, ici, c'est de montrer que l'on peut agréger et visualiser simultanément des données de structures différentes : des données de production ("les trains") et des données commerciales ("comment sont remplis les trains ?"). Nous "donnons à voir" la complexité du système1. Maguelonne Chandesris, Responsable de l’équipe Statistique, Économétrie et Datamining, Direction Innovation & Recherche SNCF

Nous avons rendu disponible de l’information qui ne l’était pas auparavant, rien qu’en combinant différentes sources. Yves Daelmans, ICT Project Manager, IMEC

La data visualization permet justement de représenter simplement cette complexité, donc de la rendre assimilable pour en tirer de la valeur. C’est ce que nous explique Bernard Lebelle, fondateur de l’agence Bleu-Cobalt et auteur de Convaincre avec des graphiques efficaces (Eyrolles, 2009) et Dites-le en images : des idées ? Un crayon ! (Eyrolles, 2013) :

1. Pour plus de détails et exemples, on se reportera au site http://senseable.mit.edu/trainsofdata/

63

2 1
≥ Maîtriser le complexe pour identifier les gisements de croissance Source : Bleu-Cobalt®

Rendre visuelles les dimensions complexes (temporelles, géographiques, relationnelles) permet de mieux identifier les gisements de productivité, de compétitivité ou de marge. Dans l’exemple suivant, nous avons 4 dimensions (CA, parts de marché, évolution temporelle et 2 acteurs différents) représentées sur un seul graphique. Par ailleurs, en enrichissant et en optimisant le traitement graphique des données, on évite le syndrome d’information overload (lorsque l’ajout d’une trop grande volumétrie de données chiffrées sur de nouvelles dimensions vient saturer les capacités de traitement de l’esprit humain). D’importants volumes de données multidimensionnelles deviennent soudain facilement assimilables. Bernard Lebelle, Fondateur de Bleu-Cobalt

2.1 la dataviz facilite la compréhension des données

D’autre part, l’économie s’accélère et il faut réussir à appréhender cette complexité rapidement.
Comprendre plus vite
Dans un contexte où tout s'accélère et où nous n'avons plus le temps de lire de grands rapports pleins de détails, la data visualization est un moyen de comprendre et d'analyser plus vite. Elle nous permet de bénéficier tout de suite, en un coup d’œil, d'une vue globale sur les indicateurs clés de l'entreprise. Emmanuel Vexlard, DSI, ID Logistics

Face à cette double contrainte, les entreprises se rendent à l’évidence : il est illusoire de vouloir tout mettre en équations, de tout rationaliser. Leur monde n’est pas soluble dans des modèles théoriques. Elles se convertissent donc à une autre manière, plus empirique, de considérer leurs données, pour que puisse émerger leur signification. La data visualization se prête bien à cette observation sans a priori. Ainsi, pour reprendre les termes de Claude-Henri Mélédo, "Une grande nouveauté qu'introduit la data visualization, notamment dans un contexte big data, est l'apparition de graphiques qui ne viennent pas en aval d'une analyse, pour expliquer ou communiquer, mais en amont, pour explorer."
65

2 1

À la découverte des données

Avec la BI traditionnelle, l'utilisateur est en mode requêtage (sélection, puis récupération des données) et doit se poser les questions a priori. En ce sens, d'une certaine façon, la BI traditionnelle "réduit la donnée" et coupe peut-être l'utilisateur d'une information qu'il aurait vue en récupérant toute la donnée de façon visuelle. Ainsi, avec les outils classiques, une invraisemblance ne saute pas nécessairement aux yeux et risque de nous échapper. Si nous envisageons les choses dans un contexte Big Data, c'est d'autant plus frappant. Avec la dataviz, en revanche, l'utilisateur est dans un mode de découverte totale des données. Il a la possibilité d'entreprendre une analyse exploratoire, de "se promener dans les données". Imaginons une série de données comportant une donnée aberrante, soit liée à un problème de qualité des données, soit au contraire reflétant une exception digne d'intérêt. Je vous défie de la repérer avec un outil de BI traditionnel, sauf à multiplier les requêtes. Avec une interface visuelle, vous serez tout de suite alerté par cette donnée particulière. En définitive, le côté visuel apporte beaucoup. Nombre de nos clients sont déjà rompus aux mécanismes de la BI ou des statistiques, mais les outils de data visualization sont pour eux l’occasion de se demander s'il n'y a pas des questions – qu'ils avaient éclipsées avec la BI classique – qu'ils pourraient envisager sous un angle nouveau. C'est tout un univers d'horizons qui s'offre à eux. Serge Boulet, Directeur Marketing & Communication, SAS France

2.1 la dataviz facilite la compréhension des données

Deux exemples de pilotage enrichi par la Data Visualization :

Data visualization et pilotage des fournisseurs

≥ Source : SAS®

Ce graphique fait partie d’un tableau de bord de pilotage achat. Il montre l’évolution dans le temps de la marge brute et du coût. Le treemap montre la répartition des montants par fournisseur.

67

2 1
Deux exemples de pilotage enrichi par la Data Visualization : Data visualisation et tableau de bord financier

≥ Source : SAS®

Ce graphique fait partie d’un tableau de bord de pilotage financier. Il illustre l’évolution du revenu sur deux ans (réalisé et prévu). L’histogramme montre l’évolution du profit mensuel sur la même période.

Plusieurs entreprises nous ont d’ailleurs fait part de leurs actions concrètes ou de leurs intentions d’utiliser la data visualization à des fins d’exploration.

2.1 la dataviz facilite la compréhension des données

La data visualisation pour explorer des tendances
La dataviz est, à n'en pas douter, un moyen d'explorer les données de manière poussée, ce qui, dans une visée marketing, s'avère des plus intéressants : le filtrage ou la possibilité de zoomer sur un instant t, par exemple, sont des moyens mis au service de l'exploration de tendances. Ils permettent de valider des hypothèses, mais également de procéder à des expérimentations en termes d'expérience utilisateur. Frédérique Pain, Experience Strategy Director, Alcatel-Lucent Bell Labs

L’idéal serait pour nous de réussir à révéler une information jusqu'alors invisible, au moyen de la data visualization. Notre outil vise ainsi, à terme, à dégager d'un volume de données phénoménal des tendances difficiles à appréhender sans représentation visuelle. C'est un point que nous souhaiterions approfondir, et plus précisément pour nos données marketing. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies, Lagardère Active

Par sa capacité à faire ressortir de manière graphique très parlante des données aberrantes, la data visualization en mode exploratoire est aussi un excellent moyen de repérer des problèmes, et donc d’y remédier.

69

2 1

Explorer pour corriger

Notre besoin était d'explorer notre data set, pour mieux appréhender la pertinence des résultats que nous renvoyons aux internautes. En effet, pour améliorer la qualité de notre indexation, nous n'avions jusqu'alors à notre disposition que des remontées statistiques difficiles à exploiter lorsque l'on sait que nous traitons des dizaines de millions de requêtes par mois. Dans ce volume, il est particulièrement difficile de détecter les requêtes sur lesquelles notre moteur répond mal. Un outil comme la data visualization va nous donner un autre levier pour déceler plus rapidement les dysfonctionnements. Éric Lajarige, Responsable de projets search, PagesJaunes

Enfin, la dataviz permet l’exploration de données jusqu’alors inexploitées et mal comprises, les données non structurées. C’est d’autant plus important que le volume de celles-ci explose, notamment sous la poussée des médias sociaux.

2.1 la dataviz facilite la compréhension des données

La dataviz pour explorer les contenus du Web et du Web social

Le cas des contenus publiés sur la Toile est éloquent : l'analyse et la mise en relation des thématiques, des mots, des phrases, des documents (et éventuellement, derrière, des liens entre les individus) constituent une formidable mine d'or pour les directions Marketing, mais également pour les acteurs de l'intelligence économique en général. Plus spécifiquement, il y a des relations que nous ne pouvons percevoir à l’œil nu, mais que nous sommes à même d'appréhender par le biais d’analyses graphiques sophistiquées. C'est le cas notamment des analyses de graphes sociaux qui permettent de mettre en évidence des relations non triviales entre les individus. C'est pour moi un apport majeur de la data visualization. Pour dire les choses autrement, nous avons besoin de la dataviz pour révéler "ce qui n'est pas immédiatement perceptible", et la problématique des Big Data vient renforcer ce besoin. Mouloud Dey, Directeur des Solutions et Marchés Émergents, SAS France

En définitive, la data visualization nous invite à reprendre la distinction classique entre données, information et connaissance. Si les données sont des éléments unitaires, bruts, reflétant une réalité, l’information est leur mise en cohérence pour leur donner du sens.

71

2 1
La dataviz au cœur du processus de décision : les bienfaits d’une démarche analytique
Très simplificateur, l’exemple d’Anscombe1 illustre toutefois parfaitement les apports de la data visualization dans une approche qu’on pourrait qualifier d’analytique et la nécessaire complémentarité des solutions à mettre en œuvre dans un processus de décision basé sur des données. Dans ce cas précis, la data visualization invite à remettre en cause le modèle très (trop) simple d’ajustement linéaire, évidemment insuffisant pour décrire et expliquer de manière pertinente les données observées, et à rechercher des modèles alternatifs plus précis et plus adaptés. Les Anglo-saxons disposent de termes simples pour exprimer ces approches complémentaires. Disposer d’un recul suffisant (HINDSIGHT), apporter des éclairages sous différents angles (INSIGHT), enfin se doter d’une réelle clairvoyance, pour ne pas dire prévoyance (FORESIGHT), forment les trois principaux piliers d’une démarche expérimentale appropriée à un processus de décision centré sur l’analytique, visant à donner du sens aux données et à justifier des décisions optimales. Une étude récente a montré que sur les 10 dernières années, les entreprises du S&P 500 qui utilisent l’analytique au cœur de leurs processus de décision surperforment leurs concurrents d’environ 64%. L’utilisation d’approches analytiques centrées sur les données trouve en effet sa légitimité dans un nombre croissant de processus métiers, qui en retirent des bénéfices impressionnants.

Mouloud Dey, Directeur des Solutions et Marchés Émergents, SAS France

1. Voir I.1, Définitions de la dataviz

2.1 la dataviz facilite la compréhension des données

Le revenue management ou yield management largement utilisé par les compagnies aériennes, les grandes chaînes hôtelières (mais aussi par la SNCF2) depuis de nombreuses années est un exemple concret d’approche "business analytics". Des décisions optimales (fixation des prix) sont prises en fonction de modèles de prévision de la demande (forecasting) et d’hypothèses d’écoulement du stock des prestations à offrir (sièges d’avion ou de train, chambres d’hôtel). Ce genre d’approche se décline aujourd’hui à grande échelle pour fixer les prix des articles, des démarques et optimiser les marges chez les acteurs les plus avancés de la grande distribution. Dans des domaines aussi variés que le marketing (mais aussi la prévention de la fraude, les octrois de crédit, etc.), l’observation historique de caractéristiques individuelles permet aujourd’hui de segmenter, de modéliser, de "profiler" et d’anticiper assez précisément les comportements de chacun d’entre nous. Enfin, dans le domaine industriel, la maintenance d’équipements critiques (plates-formes de forage, centrales électriques…) justifie également, au vu des enjeux financiers, une réelle prévention des risques de défaillance, que la modélisation prédictive permet d’affiner. La data visualization, au cœur de ces approches analytiques, apporte le recul et les éclairages préalables à la modélisation dans ces différents processus métiers, mais aussi les analyses d’impacts relatives à la mise en œuvre effective de ces modèles.

On peut dire que la dataviz achève le cheminement en permettant aux utilisateurs de s’approprier cette information, de la manipuler, pour faire ressortir sa valeur dans son contexte. Mais pour que cette valeur trouve tout son potentiel, il convient qu’elle se diffuse dans l’organisation. C’est ce que nous allons voir au chapitre suivant.
73

2. Voir I.2, encadré " La dataviz pour faire évoluer l’offre de la SNCF dans différents domaines "

1 2

2.2 la dataviz améliore la communication 

Les données ne reflètent pas seulement la réalité, elles ne sont pas uniquement un levier de pilotage. Elles sont également un outil de communication. Malheureusement, peu d’entre nous parlent couramment leur langage. Nous avons, pour la plupart, besoin d’un interprète pour nous faire pénétrer dans l’intelligence de la donnée. C’est là que la data visualization intervient. Cet usage de la dataviz à des fins de communication concerne autant l’intérieur des organisations que leur rapport avec leur environnement, aussi bien les entreprises que les services publics ou l’administration. C’est ainsi que le SPF Économie en fait usage dans sa communication en direction des citoyens belges.

Améliorer la communication vers les citoyens
Les bénéfices de notre programme dataviz sont conséquents pour l'ensemble des citoyens : ces derniers ont non seulement besoin de graphes représentant les évolutions (ex. : évolution des assujettis à la TVA), mais aussi de pouvoir exporter leurs données comme bon leur semble. C'est ce qu'aujourd'hui nous sommes en mesure de leur proposer. Caroline Denil, Data Warehouse Program Manager, SPF Économie

2.2 la dataviz améliore la communication

Data visualization permettant de naviguer sur une carte pour découvrir le prix moyen ou médian des appartements et d’exporter les résultats au format csv.1

L’appétence pour les tableaux de chiffres complexes n’est pas plus grande dans les entreprises que dans le grand public. En particulier, le top management ne souhaitera pas, en général, fouiller des états volumineux et compliqués. Ce dont il a besoin, c’est d’une représentation claire et élégante de l’information pour lui permettre de prendre ses décisions. Dans ce contexte, la représentation graphique des données trouve tout son sens.
Des états plus faciles à appréhender pour des décideurs ayant peu de temps
Nos démarches en matière de data visualization s'inscrivent dans la continuité des efforts que nous avons entrepris en matière de Business Intelligence. Elles font appel à une composante forte : la volonté de rendre les rapports et les données plus sexy, autrement dit, plus simples à comprendre. Actuellement, nos efforts visent essentiellement à rendre les données plus esthétiques, plus abordables, in fine plus accessibles aux gens qui ont peu de temps à disposition pour appréhender réellement la teneur de l'information. Nous pouvons donc dire que notre dataviz est aujourd'hui principalement orientée reporting. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire Direction des Technologies, Lagardère Active

1.  http://economie.fgov.be/fr/statistiques/chiffres/economie/construction_industrie/ immo/prix_moyen_appartements/

75

1 2
Enfin, l’entreprise se doit de faire le même effort lorsqu’elle communique vers ses clients, confrontés aux mêmes problèmes de ressources et de disponibilité. En ce sens, la data visualization n’est que le prolongement logique de l’histoire de la BI.
La datavisualisation, évolution naturelle de la communication des données à ses clients

La data visualization est l’aboutissement d’une longue histoire en matière de reporting. À une époque pas si lointaine, les données que nous collections étaient stockées sous forme papier et nous envoyions des classeurs à nos clients. Une salle entière était réservée à nos archives. La deuxième étape a consisté à communiquer ces données au format numérique, sous forme de fichiers. Dès lors, nous avons commencé à transformer les données en graphiques, pour les rendre plus "comestibles". La troisième étape, celle que nous vivons aujourd’hui, est une étape dans laquelle nous nous devons de collecter une information de plus en plus complexe et volumineuse. Dans le même temps, nos clients ont de moins en moins de temps, et des équipes de plus en plus réduites, pour traiter l’information que nous leur fournissons. C’est ce qui nous a amenés, depuis 3 ans et surtout depuis 2013, à déployer un nouveau mode d’accès à nos données sous forme de data visualization. Cette offre est d’ores et déjà disponible pour l’ensemble de nos clients dans le monde. Fabrice Benaut, CIO global IFR, Head of IS and Operations, IFR Monitoring

Comprises, communiquées, les données deviennent un levier d’action. C’est ce que le chapitre 2.3 s’emploie à montrer.

2.3 la dataviz optimise et accélère la prise de décision 

Comme nous l’avons vu dans la première partie, la data visualization est souvent utilisée à des fins de pilotage. Cela se comprend aisément si l’on considère la souplesse et l’efficacité qu’elle permet dans la prise de décision. Jérôme Tharaud de Prisma Media nous le confirme : "Les apports de la dataviz sont indiscutables, que ce soit en termes de stratégie commerciale ou de prise de décision au plus haut niveau." La raison en est simple : grâce à ces nouveaux outils, les managers disposent rapidement et d’une manière lisible des informations leur permettant de trancher.

Des indicateurs à la demande, pour décider
Désormais, quel que soit l'angle de l'analyse que l'on souhaite faire, cela se fait en mode presse-bouton : un ou deux clics suffisent pour obtenir le résultat souhaité, sans besoin d'effectuer une succession de requêtes. Sandrine Noail, Responsable Analyse et Pilotage, Coliposte

Désormais, nous sommes capables d’extraire des données et d’en déduire des indicateurs à la dernière minute, quand notre management en a besoin, alors qu’auparavant cela demandait une longue procédure. Yves Daelmans, ICT Project Manager IMEC

77

2 1
Cette accélération dans la mise à disposition des indicateurs est d’ailleurs perçue comme l’un des retours sur investissements majeurs de la data visualization. En témoigne l’exemple de PagesJaunes :
Un ROI qui se mesure en temps
Nous mesurons le retour sur investissement de notre démarche dans le temps libéré pour nos collaborateurs. Auparavant, les managers mettaient une demijournée voire une journée en début de semaine pour obtenir les chiffres de la fabrication. Maintenant, les rapports sortent en deux minutes. Le ratio est vite calculé ! Et en plus, les managers peuvent avoir ces informations mises à jour à tout moment, et non plus une fois par semaine. Richard Coffre, Senior Business Analyst, PagesJaunes

Qui plus est, les décideurs ont désormais directement les KPI utiles à leur disposition : ils n’ont plus besoin de les demander, voire de les commander à l’avance.
La dataviz ou les indicateurs clés à portée de main des dirigeants
Alors que les dirigeants, traditionnellement, n'aiment pas beaucoup manipuler des outils, ils apprécient la dataviz pour deux raisons. Premièrement, elle est parfaitement alignée avec le plan d'action commerciale et la stratégie de l'entreprise ; deuxièmement, ils peuvent manipuler l'outil simplement et sont autonomes. Sandrine Noail, Responsable Analyse et Pilotage, Coliposte

2.4 la dataviz contribue à la motivation des collaborateurs 

La data visualization s’intègre dans le mouvement vers la prise d’autonomie, l’enrichissement du travail et la responsabilisation de plus en plus attendue par les collaborateurs dans les entreprises, comme l’indique Yves Daelmans, ICT Project Manager d’IMEC : "Les utilisateurs apprécient de pouvoir manipuler les états par eux-mêmes." C’est d’autant plus vrai pour les digital natives, habitués dans leur vie personnelle et leurs loisirs à créer librement avec les outils numériques et qui ne comprendraient pas ne pas pouvoir le faire sur leur lieu de travail. C’est ce qui explique l’émergence d’un nouveau personnage dans les organisations, le power user. Non spécialiste de la BI, plutôt côté métier, il s’approprie les outils de dataviz et développe une réelle expertise dont il peut faire bénéficier les autres.
Le rôle particulier du Power User

La nouvelle BI permise par la data visualization permet à l’utilisateur d'accéder à un degré d'autosuffisance accru. Dans ce contexte, un type d’acteur joue un rôle majeur : le power user. Je distingue chez le power user deux caractéristiques fondamentales : l'autonomie et l'expertise. Le power user est un collaborateur au sein d'une direction Métier qui maîtrise suffisamment les outils BI ou d'analyse pour se débrouiller tout seul, en vertu d'un background adéquat ou parce que, étant passionné, il est devenu expert par lui-même. Autrement dit, il sait faire beaucoup de choses, de par son métier, ou bien parce qu'il a appris sur le terrain par la force des choses. C'est quelqu'un qui n'a besoin d'aucune assistance, voire qui peut aider les autres. Serge Boulet, Directeur Marketing & Communication, SAS France
79

2 1

À cet égard, le cas du centre de recherche IMEC est intéressant, car les power users sont intégrés dans un processus bien défini.
Power users : autonomie totale à un niveau local, intégration dans le processus IT en cas d’utilisation plus large

Notre centre de compétence BI est composé de 36 power users. Ils ont accès aux données sources de notre data warehouse et peuvent créer leurs propres rapports, qu’ils peuvent distribuer directement à une communauté restreinte. S’il s’avère que ces rapports ont vocation à être utilisés par une audience plus large au sein d’IMEC, ils retournent à l’IT et entrent dans le processus classique de développement et de déploiement Yves Daelmans, ICT Project Manager, IMEC

L’impact sur les équipes n’est toutefois pas réservé aux power users. Lorsqu’elle s’applique au management (indicateurs de performance individuelle, suivi des objectifs annuels), la data visualization contribue à la transparence. Managers, cadres, contremaîtres, ouvriers et salariés peuvent discuter à partir des mêmes tableaux de bord et réajuster le tir très vite si nécessaire. Autrement dit, la dataviz devient outil de dialogue social.
La dataviz, outil de management

La disponibilité plus rapide et plus fréquente des rapports permise par la dataviz concourt au management de proximité que nous avons souhaité mettre en place. Quand le manager a plus d’informations sur l’activité de celui qu’il manage, et quand ces informations sont fiables, les deux peuvent plus facilement discuter. Une confiance s’instaure. C’est particulièrement appréciable pour le suivi en continu des objectifs annuels de chaque collaborateur, tout au long de l’année, entre autres. Richard Coffre, Senior Business Analyst, PagesJaunes

2.4 la dataviz contribue à la motivation des collaborateurs

Enfin, parce que la data visualization peut être rendue disponible très vite et parce qu’elle est immédiatement utile aux équipes, elle est un gage de l’attention que leur porte l’encadrement. Elle témoigne du souci de leur donner des outils qui les aident dans leur travail et qui soient agréables à utiliser. Ce genre de gage est d’autant plus important que l’entreprise est confrontée à des enjeux forts, qu’il s’agisse de réorganisation ou de lutte concurrentielle. Ces enjeux mettent les équipes sous pression ; leur fournir une aide comme la data visualization permet de montrer aux collaborateurs que l’effort n’est pas à sens unique.

Un autre gain est que ces outils très pratiques, directement utilisables par les équipes, ont contribué à rassurer les collaborateurs, dans la phase de réorganisation que nous avons connue, naturellement anxiogène comme toutes les périodes de ce type. La mise à disposition de la data visualization, rapide, utile, a permis de montrer à chacun que, même si la réorganisation impliquait des changements d’habitudes pas forcément faciles à gérer, le management portait une attention aux équipes en essayant de leur fournir des outils pour leur faciliter la vie. Richard Coffre, Senior Business Analyst, PagesJaunes

La data visualization, levier de réassurance pour les équipes

En définitive, lorsque les collaborateurs de l’entreprise ont accès aux données et qu’ils voient qu’elles sont utiles, et utilisées, ils sentent qu’un cap est donné par leur encadrement. Le sentiment de maîtrise qui en résulte est de nature à les motiver.

81

2 1

2.5 La dataviz favorise l’innovation 

Enfin, on ne saurait clore cette partie sur les bénéfices de la data visualization sans examiner son potentiel en termes d’innovation. En effet, la dataviz est aussi un domaine de recherche qui peut amener l’entreprise à envisager de nouvelles possibilités. Elle est en particulier un terrain d’expérimentation de nouveaux modes d’interaction avec les utilisateurs.

La dataviz pour donner du sens aux technologies et les rendre accessibles à l’utilisateur

L'activité du groupe Alcatel Lucent met en jeu des compétences aussi variées que la création d’algorithmes ou la computer science. Lorsque c'est l'utilisateur final qui est impliqué, nous entrons dans le domaine de l'expérience utilisateur. C'est alors que s'amorce une réflexion sur les technologies, destinée à leur donner sens : il s'agit ici de rendre la teneur de ces technologies accessible aux usagers, c'est-à-dire de leur donner vie, de manière à les traduire par des services qui leur soient utiles, et valorisables économiquement parlant. C'est à cette étape qu'intervient plus précisément notre démarche de data visualization, et dans ce cadre, je mets au service de l'expérience utilisateur mes compétences de designer industriel et d'ergonome. C'est pourquoi je considère la data visualization comme un moyen de donner du sens à l’analyse de données, en la rendant accessible aux usagers.  rédérique Pain, Experience Strategy Director, F Alcatel-Lucent Bell Labs

2.5 la dataviz favorise l’innovation

Un projet mené par l’Acceleration Platform des Bell Labs Alcatel-Lucent : représentation des applications mobiles utilisées dans le temps et par quantité d’utilisateurs

On remarquera que si les chercheurs sont évidemment en première ligne dans ce travail d’innovation, ils mettent un point d’honneur à faire sortir la data visualisation des labos. Les recherches en termes de dataviz ont des finalités résolument pratiques.
Une innovation très pragmatique
Notre travail ne vise pas seulement à nous projeter dans l'avenir, mais avant tout à fournir en appui interne des solutions qui soient opérationnelles à terme. Dans ce contexte, la dataviz permet de : > donner à voir, en révélant toute la richesse potentielle d'exploitation des données. Notre action revêt ici un caractère très nettement pédagogique ; > donner à penser en ouvrant le champ des possibles ; > préfigurer les applications et interfaces des outils d’aide à la décision de demain. Responsable de l’équipe Statistique, Économétrie et Datamining, Direction Innovation & Recherche SNCF

Au final, cette démarche très en amont contribue à diffuser de l’innovation dans le groupe et alimente la créativité en vue de futures offres proposées aux clients.
83

1 3

2 3

Caractéristiques des projets dataviz

3. Caractéristiques des projets dataviz

Maintenant que nous avons vu ce qu’était la data visualization, ses applications et ses avantages, nous allons examiner dans cette partie les meilleures manières de la mettre en place. En effet, passer à la dataviz est un projet, répondant aux exigences méthodologiques de tout projet, mais avec deux atouts non négligeables : la rapidité et la légèreté. À ce titre, la dataviz s’inscrit très bien dans les démarches de gestion de projet agiles qui se développent dans les entreprises, comme nous l’expliqueront nos contributeurs. Nous verrons également que la data visualization peut, dans certains cas, redistribuer les cartes entre la DSI et les Métiers. Les contributeurs de l’ouvrage nous donneront des pistes pour une relation gagnant-gagnant sur ce sujet. Cette relation de partenariat DSI-Métiers fait partie des facteurs clés de succès d’un projet dataviz réussi. Il y en a d’autres, que nous passerons également en revue, ainsi que les écueils pouvant se présenter et les façons de les dépasser.

85

3

3.1 des projets rapides et légers 

Une première caractéristique des projets de data visualization est qu’ils sont, dans l’ensemble, rapides à mener. Leur gros avantage est en particulier de réduire le temps entre le lancement du projet et la capacité à montrer une première version opérationnelle.

Des premières versions disponibles rapidement
Nous avons produit une première version "socle" en moins de cinq semaines, pour démontrer l'intérêt de la démarche à la Direction commerciale. Forts des réactions positives reçues, nous avons démarré le projet sur la base de vingt jours de production en avril-mai 2013. Tout ça géré par une équipe peu nombreuse, mais experte, de trois personnes uniquement !

Sandrine Noail, Responsable Analyse et Pilotage, Coliposte

En quinze jours, nous avons conçu une version 0 de notre solution. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies, Lagardère Active

3.1 des projets rapides et légers

Plusieurs raisons expliquent cette rapidité. L’une d’entre elles est que les projets dataviz nécessitent des ressources matérielles et logicielles qui interfèrent peu avec les architectures existantes. Ils ne requièrent donc pas des cycles de validation budgétaire longs et complexes : l’environnement nécessaire peut être disponible en peu de temps.
Des ressources techniques requises plutôt légères
Les évolutions technologiques récentes, telles que le développement des formats de type json (DS.JS3), nous mettent en connexion directe avec les données. Grâce à ces formats, nous pouvons récupérer de tous horizons des données variées, en faisant appel à des applications standards. Une véritable interface homme - data est ainsi en train de s'instaurer. Nos ressources orientées Web ou Design sont à même et sans pour autant être développeurs - de s'approprier très rapidement les technologies en question. Frédérique Pain, Experience Strategy Director, Alcatel-Lucent Bell Labs, avec Lionel Natarianni et Nicolas Rebierre

Une autre raison est que la data visualization se prête bien aux démarches de type "POC" (proof of concept), à l’expérimentation, aux boucles d’itération essaiserreurs. Les projets dataviz ont un côté très empirique, tout à fait en phase avec les démarches actuelles de développement, de type méthodologie agile, Rapid Agile Development ou SCRUM.

87

3
L’agilité, au cœur de la démarche
Le projet s’est étalé sur un an. Nous avons rencontré les utilisateurs en méthode agile dans les phases exploratoires. Ensuite, nous avons imaginé différentes solutions. Sur le dernier trimestre, et c’est toujours en cours, nous avons itéré, dans une démarche d’amélioration continue. En ce qui concerne la méthodologie agile, j’ajouterai que j’ai fait le choix de livrer vite et de livrer souvent. En ce qui nous concerne, dès que nous avions quelque chose de prêt, nous le livrions, nous le montrions aux utilisateurs pour commencer tout de suite à l’utiliser. C’est non seulement une méthode efficace pour obtenir du feedback et ajuster la solution, mais c’est en plus un levier de motivation puissant. Autrement dit, la méthodologie agile et l’état d’esprit du projet (un vrai team spirit) ont grandement contribué au succès. Richard Coffre, Senior Business Analyst, PagesJaunes

Du point de vue des procédures, nous avons choisi d'innover dans le sens où nous avons allégé le cycle en V traditionnel. Les projets en question sont par nature plus courts, et nous avons déjà les données nécessaires à disposition. Dans ce contexte, nous avons opté pour un mode de travail plus collaboratif avec un système de livraisons - révisions successives. François Nguyen, Directeur SI décisionnel et marketing relationnel, SFR

3.2 impact de la data visualization sur les relations entre l’IT et les Métiers 

Les projets de data visualization ont ceci de particulier, comme nous l’avons vu dans la partie 2, d’offrir une grande autonomie aux utilisateurs. C’est pourquoi, dans ce domaine, les relations entre l’IT et les Métiers sont amenées à évoluer. Il est arrivé que des frictions apparaissent, la DSI pouvant se sentir dépossédée d’une partie de ses prérogatives.
Les Métiers, naturellement plus rapides sur les sujets dataviz

La DSI, qui a traditionnellement la main sur le décisionnel, a du mal à voir des métiers développer des outils de type décisionnel aussi performants. Nous avançons beaucoup plus vite qu'eux sur ces sujets. La DSI ne peut pas être aussi performante que le Métier sur un outil de data visualization parce qu'elle n'a pas la connaissance métier, justement. Une DSI a toujours besoin de recueillir une expression de besoin, puis d'écrire un cahier des charges ; alors que le métier, de par son expérience et sa connaissance parfaite des données référentielles, connaît tout et peut produire plus facilement, sans contrainte. Sandrine Noail, Responsable Analyse et Pilotage, Coliposte

Ces tensions ont été malheureusement entretenues par certains fournisseurs de solutions de dataviz en s’adressant uniquement aux Métiers sans passer par la DSI pour gagner des marchés.
89

3
Du danger de courtcircuiter la DSI
Certains éditeurs sont arrivés avec des outils qui pouvaient répondre à des questions que les Métiers se posaient et sur lesquelles ils n'avaient pas de réponse de leur IT. Comme l'investissement n'était pas élevé, cela a permis à des Directions Métiers de s'équiper en puisant dans leurs propres budgets. L'inconvénient, c'est que cette pratique contribue au phénomène de Shadow IT, avec le développement progressif "d'informatiques parallèles", hors de contrôle et potentiellement incompatibles avec le SI global. Serge Boulet, Directeur Marketing & Communication, SAS France

Des résistances ont pu apparaître plus particulièrement au sein des équipes BI classiques, qui ont pu se sentir déstabilisées par cette nouvelle approche de la BI.
La dataviz s’appuie sur l’expérience acquise en BI classique, elle ne la remet pas en cause.

C'est plus en interne que nous avons rencontré de très légères difficultés, au sein même de mon équipe. Car dans la démarche entreprise, nous avions également tenté de marquer une rupture avec les actions de BI classique, sans pour autant remettre en cause l'existant, mais en nous appuyant sur les acquis pour nous en démarquer... Il nous a donc fallu expliquer qu'il s'agissait d’explorer une rupture volontaire avec les outils BI existants, sans pour autant supprimer tout l'acquis, qu'il s'agissait en réalité de s'appuyer sur l'existant tout en le complétant ! Et pour calmer les inquiétudes naissantes, nous avons bien insisté sur le fait que le projet reposerait sur les différentes briques historiques de la BI.

Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies, Lagardère Active

3.2 impact de la data visualization sur les relations entre l’IT et les Métiers

Fabrice Benaut d’IFR-GfK ne dit pas autre chose lorsqu’il constate que les besoins en reporting classique et ceux en dataviz coexistent et coexisteront.
La data visualization ne rend pas caduques les autres formes de reporting

Nous vivons dans un monde hybride. Nous avons toujours des clients qui sont en attente de tableaux de bord tout prêts, pour gérer leurs opérations, de manière industrielle. Ce sont des clients qui attendent toujours le même type de rapport, pour en faire quasiment toujours le même usage, dans une logique de contrôle, de validation de processus. L’autre approche de la BI, en émergence, c’est d’être capable de répondre à des questions que l’on ne se pose pas encore. L’intelligence réside dans l’orchestration des réponses à l’ensemble des besoins : certains très statiques, simples voire basiques, d’autres plus émergents.

Fabrice Benaut, CIO global IFR, Head of IS and Operations, IFR Monitoring

Dataviz chez IFR-GfK

91

3
Ainsi, on ne peut pas parler de perte de prérogatives de la DSI ou des équipes BI. Simplement, la data visualization amène à se poser de nouvelles questions sur la manière de représenter les données, sur la répartition des rôles et des responsabilités entre les métiers et la DSI, sur la manière de conduire les projets. Les DSI le comprennent. Même celles qui étaient à l’origine réticentes s’aperçoivent que la data visualization n’est pas une menace, et assouplissent leur position.
Une reconnaissance des outils de dataviz par la DSI

À l’origine, la DSI était très réticente car notre outil de dataviz n’était pas un outil corporate. Il y a 18 mois, la DSI a fait évoluer sa position. Maintenant, il n’y a plus de soucis, la solution est devenue un outil corporate.

Richard Coffre, Senior Business Analyst, PagesJaunes

En vérité, la data visualization est une chance pour les DSI et les équipes BI. D’une part, elle va les soulager de tâches chronophages, leur permettant de se concentrer sur leurs missions à plus forte valeur ajoutée ; d’autre part, elles ont même une opportunité unique d’inventer une nouvelle forme de BI et de relation avec les métiers.

3.2 impact de la data visualization sur les relations entre l’IT et les Métiers

La dataviz : une opportunité pour la DSI et pour les équipes BI

Nous pensons chez SAS que la data visualization constitue un atout formidable pour une Direction informatique. Elle lui offre une véritable opportunité d'inventer un nouveau service pour les Métiers et de se repositionner comme un partenaire du business. Ainsi, nous pouvons imaginer deux formes de Business Intelligence, en fonction des besoins requis : >  une BI traditionnelle, pour répondre aux besoins en reporting classiques ; > une nouvelle BI, à inventer. Beaucoup plus spécifique, elle serait conçue pour répondre à de nouvelles questions business des utilisateurs, ces derniers ne pouvant se satisfaire d'un reporting traditionnel, puisque ce qu'ils souhaitent, c'est analyser et explorer leurs informations à des fins métiers.

Les équipes BI mettraient en place un serveur dédié à un outil dataviz comme SAS® Visual Analytics, totalement scalable, par l’intermédiaire duquel il serait possible d'offrir une réponse complémentaire aux Métiers, sans qu'il soit besoin d'établir une expression de besoins très précise. Il s'agirait finalement d'un environnement de BI "libre service", dans lequel les Métiers pourraient accéder à leurs données pour les explorer et produire rapidement tous les rapports dont ils pourraient avoir besoin, y compris des rapports qu'ils n'avaient pas imaginés au départ. En définitive, nous aurions à disposition un modèle de gouvernance beaucoup plus sain. D'ailleurs, au niveau des responsables BI, ce type d'idées passe très bien, et nous avons un bon accueil global. D'une certaine façon, cela leur enlèverait aussi une épine du pied. Aujourd'hui, devoir satisfaire les demandes particulières en reporting de tous les départements constitue en effet une lourde charge. La dataviz permet à la BI d'être soulagée d'une partie de cette charge et donc de pouvoir apporter un service à plus forte valeur ajoutée aux Métiers.  Serge Boulet, Directeur Marketing & Communication, SAS France

93

3
Certaines DSI se servent même des projets de dataviz comme fer de lance pour conforter leur importance dans l’entreprise en prouvant par l’exemple leur capacité à innover et à apporter de la valeur. C’est ce que nous explique Charles du Réau, Consumer & Market Knowledge Director chez Ubisoft : "Cet outil a également servi de galop d'essai pour notre DSI, qui a pu prendre conscience d'un potentiel pour démontrer son savoir-faire dans ce domaine de data visualization. Il constitue désormais pour elle une sorte de vitrine." Car le mot d’ordre est bien celui-ci : "création de valeur", comme l’explique Philippe Nieuwbourg :
La création de valeur, clé d’une relation harmonieuse entre la DSI et les Métiers

D’un point de vue général, ma conception de la DSI est celle d’une direction au service des métiers. Selon moi, la DSI n’a pas à se lancer dans des projets qui n’aient été au préalable demandés ou du moins validés par les métiers parce qu’ils sont créateurs de valeur. Cela n’empêche pas la DSI d’être force de proposition, en montrant aux métiers les outils de dataviz qui existent et en se proposant de travailler avec eux pour voir comment ces outils peuvent créer de la valeur pour eux. Philippe Nieuwbourg, Analyste-journaliste indépendant en informatique décisionnelle

De nombreuses entreprises sont déjà dans ce modèle sur leurs projets de data visualization. Les plus en avance sont évidemment celles dans lesquelles DSI et Métiers sont déjà en mode partenariat1.

1.  Sur les avantages des relations de type partenariat entre la DSI et les Métiers, se référer au Référentiel des pratiques SI, édition 2013, 80 entreprises partagent leurs expériences et leurs priorités de demain, EBG, avril 2013.

3.2 impact de la data visualization sur les relations entre l’IT et les Métiers

Le partenariat DSI-Métiers sur les sujets de dataviz : business as usual chez ID Logistics

Les efforts fournis en matière de data visualization ont été initiés par la DSI, mais ils reposent sur une coopération avec les Métiers, qui s'opère en mode projet, une façon de fonctionner que nous avons adoptée de manière systématique. En ce sens, la démarche axée dataviz n'a pas eu d'impact particulier sur les relations DSI / Métiers. Emmanuel Vexlard, DSI, ID Logistics

Certaines entreprises sont en effet structurées autour de binômes entre la DSI et les Métiers, avec d’une part, des responsables métiers sensibilisés aux questions IT et d’autre part, des chefs de projet informatique à l’écoute des problématiques métiers. L’existence de ce type d’organisation constitue un atout de taille, notamment sur les projets de data visualization.
Un travail coopératif DSI - Métiers

Je suis rattaché à une entité Métier - Fabrication -, et non à la direction informatique. Je représente les utilisateurs, tout en bénéficiant au sein de la DSI d'une sorte d'alter ego, un business analyst qui m'appuie. En ce sens, la définition des évolutions proprement dites ayant trait à la data visualization est le fruit d'un travail collaboratif entre Métier et DSI. Guillaume Deschamps, FMT / Central Functions YTI / EDA, STMicroelectronics

La solution est le fruit d'une initiative commune de la DSI et de l'équipe Marketing. Sa réussite a reposé sur une véritable cohésion entre les deux départements. Jérôme Tharaud, Responsable des études et développement, Prisma Media
95

3
Même sans aller jusqu’à l’existence de ces binômes métiers – DSI, un projet dataviz peut être de nature à améliorer la relation entre les deux ensembles. Olivier Brousseau, Business Intelligence Program Manager chez Schlumberger, nous confie ainsi : "Avec ce genre de solutions, les utilisateurs ressentent une grande réactivité de la part de l’IT. La question du time to market est enfin résolue. Cela contribue à de bonnes relations avec les métiers." Au final, comme l’indiquaient précédemment Serge Boulet et Philippe Nieuwbourg, la data visualization est une opportunité pour la DSI et la BI de se décharger de tâches sur lesquelles sa valeur ajoutée est moindre, pour se concentrer sur une relation avec les métiers créatrice de valeur. C’est à ce titre que la data visualization peut s’inscrire dans une démarche gagnant-gagnant. À cet égard, pour que la data visualization puisse jouer pleinement son rôle, il importe de mettre en place une véritable démarche de gouvernance des données dans l’entreprise.

1.  Sur les avantages des relations de type partenariat entre la DSI et les Métiers, se référer au Référentiel des pratiques SI, édition 2013, 80 entreprises partagent leurs expériences et leurs priorités de demain, EBG, avril 2013.

3.2 Impact de la data visualization sur les relations entre l’IT et les Métiers

Quand la dataviz réaffirme l’importance de la gouvernance des données

Les multiples opportunités offertes par la data visualization et les diverses possibilités d’implémentation pour les entreprises (cloud, on premise, départementale, corporate, etc.) reposent aussi de manière urgente le problème de la gouvernance des données. À l’heure où chaque entreprise devrait considérer l’information comme un actif, une gouvernance défaillante peut avoir de graves conséquences : sous-exploitation des données (manque de partage) ou exploitation de données incomplètes (faible qualité, mauvaise prise en compte du temps réel). Une approche de gouvernance centralisée des données garantit une disponibilité, une intégrité, une sécurité et une valeur d’usage meilleures de la donnée, dans le temps, par les métiers. Et ce, même si les données elles-mêmes sont décentralisées pour des raisons parfois légitimes, ce qui est de plus en plus souvent le cas, notamment lorsque l’entreprise fait appel à des infrastructures décentralisées (départementales, cloud, etc.).La capacité d’une entreprise à utiliser l’information comme un actif stratégique est directement corrélée à sa maturité en termes de gestion et de gouvernance des données.

Mouloud Dey, Directeur des Solutions et Marchés Émergents, SAS France

Une idée forte que l’on peut retenir pour terminer ce chapitre, c’est que la data visualization, même si elle procure une grande autonomie aux métiers, est une question qui doit intéresser la DSI et les équipes BI, tout simplement parce qu’elle touche aux données. L’autonomie des métiers est utile si elle est mise en œuvre de manière intelligente et si elle leur permet d’obtenir encore plus de valeur de la part de la DSI et de la BI. Vraisemblablement, en habituant les Métiers à parler le langage de la data, grâce aux graphiques, la dataviz va contribuer à la prise de conscience de la valeur de la donnée. Elle peut donc jouer un rôle fédérateur, au service de la création de business.
97

3

3

3.3 facteurs clés de succès 

Pour réussir un projet de data visualization, il convient de réunir des facteurs clés de succès que l’on peut classer en trois catégories. Il y a d’abord les bonnes pratiques classiques de tout projet : veiller à la préparation et à la planification, choisir le bon périmètre, mettre en œuvre les méthodologies adéquates, etc. La deuxième catégorie tient à ce qu’un projet de dataviz concerne les données : leur ciblage, leur qualité, le respect de la confidentialité et des habilitations d’accès, sont donc essentiels. Enfin, évidemment, l’ergonomie et l’intelligence graphique jouent un rôle clé dans l’acceptation de la dataviz et son usage effectif (même si, soit dit en passant, ces aspects devraient faire partie de tout projet informatique…).

> Bien préparer le projet
 Le premier secret du succès, c’est la préparation. Celle-ci s’entend sur deux plans : le contenu de la data visualization, d’une part, et la démarche projet, d’autre part.  Sur le premier aspect, nos interlocuteurs nous rappellent que la dataviz n’est pas une panacée et que, pour être utile, elle doit être bien pensée.

3.3 facteurs clés de succès

Une indispensable réflexion préalable sur le sens de la data visualization
Nous ne poussons la dimension visuelle à son optimum que si cette dernière a un véritable sens pour le client. Clément Delpirou, Associé, InfoPro Digital

Il convient de conduire une réflexion sur la donnée à visualiser elle-même. Autrement dit, il s'agit de s'interroger sur l’intérêt de montrer tel ou tel chiffre, sur le sens à donner à la visualisation de telle ou telle évolution ou telle ou telle rupture d'évolution …  Caroline Denil, Data Warehouse Program Manager, SPF Économie

Sur l’aspect méthodologique, la préparation consiste à mettre en place un processus de collecte, analyse et représentation des données viable dans le temps, mais aussi suffisamment souple. Ce qu’Yves Daelmans, ICT Project Manager chez IMEC, exprime en ces termes : "Il importe de prendre le temps de bâtir les bonnes procédures, afin de commencer avec une feuille de route qui soit à la fois durable et tolérante aux adaptations qui s’imposeront au fil du temps."

99

3
> Cibler les données et les

visualisations en fonction du profil des utilisateurs.
 Un deuxième facteur de succès est lié à la nature de la data visualization, à savoir un outil de communication. Or, pour communiquer efficacement auprès de quelqu’un, il importe de répondre à son besoin, avec clarté et sous une forme qu’il comprend.

Fournir à chacun les informations qui l’intéressent, selon sa personnalité et sa situation
Nous avons des clients "méthodiques" (ceux qui préparent leur voyage longtemps à l'avance et essaient d'optimiser différents critères), des clients "contraints" (ceux qui n'ont pas réellement le choix pour un voyage donné), des clients "opportunistes" (ceux qui sont avant tout à l'affût d'une bonne affaire et peuvent se montrer flexibles)... Il faut que notre application réponde aux attentes bien différentes de ces différents profils, sans noyer l'internaute sous prétexte d'étoffer l'application. Nous devons donc proposer les bonnes vues aux bons profils. Samuel White, Responsable de l'expérience utilisateur, Voyages-sncf.com

3.3 facteurs clés de succès

Claude-Henri Mélédo précise cette importance de bien cerner le profil du destinataire de la dataviz en nous invitant à nous poser systématiquement trois questions :

Trois questions clés à se poser pour choisir la meilleure représentation
Pour choisir la meilleure représentation graphique, il convient de se poser trois questions : > À quelle question voulons-nous répondre ? Tous les graphiques ne permettent pas de présenter les mêmes analyses (répartition, évolution, décomposition…). D’où l’importance pour le concepteur de s’interroger sur son intention. > À quel interlocuteur nous adressons-nous ? cf. : est-il expert ou profane ? Que doit-il faire de l’information (ex. : retenir l’information pour plus tard ou prendre une décision immédiate) ? > Dans quel contexte se trouve l’interlocuteur ? La bonne réception du graphique ne dépend pas seulement du graphique lui-même, mais également de la disponibilité intellectuelle et visuelle du lecteur. Tout ce que peut faire le concepteur du graphique, c'est d'essayer d'anticiper cette disponibilité plus ou moins grande, pour choisir la représentation la plus adaptée. Par exemple, le stress (bruit, foule…), en réduisant le champ visuel à ce que l'on a juste en face de soi et en occultant la périphérie, modifie la perception. De même le medium (ex. : tablette, projection sur écran mural, papier) va influencer la capacité de l’utilisateur à percevoir la visualisation. Claude-Henri Mélédo, cofondateur d’Aldecis, membre de l’International Institute for Information Design

101

3
La pédagogie est d’autant plus importante lorsque l’on s’adresse au grand public, comme l’expose Emmanuel Lechypre, éditorialiste de la chaîne de télévision BFM Business :

Être simple, indispensable quand on s’adresse au grand public
La simplicité est fondamentale. Ainsi, pour Social Ecorama, nous avons repris le critère très classique de positivité, utilisé sous une forme ou une autre dans la plupart des enquêtes d’opinion ; d’un point de vue graphique, la représentation se fait sous forme de courbes, très faciles à comprendre. C’est vraiment important pour que l’outil puisse être utilisé par des non professionnels. Et la quête de simplicité n’est jamais achevée. Je suis persuadé que nous pouvons encore progresser sur ce point. Emmanuel Lechypre, Éditorialiste, Responsable pôle Analyse et prévisions, BFM Business

La difficulté s’accroît quand la data visualization doit s’adresser à des audiences différentes. Il faut alors prévoir des modes de représentation adaptés à chacune d’entre elles. C’est par exemple le cas du SPF Économie belge, qui communique aussi bien auprès du grand public qu’auprès de professionnels.

3.3 facteurs clés de succès

Trois façons de mettre à disposition les données pour parler à trois publics différents
Nos données sont disponibles d'une part pour le grand public, qui y accède via notre site Internet ou via le portail open data belge, sous la forme de données agrégées, et d'autre part pour des utilisateurs à l'Institut National de la Statistique. Ce public-là dispose d'un ensemble de données beaucoup plus détaillées. Les chercheurs et universitaires ont aussi accès à des informations nettement plus détaillées susceptibles d’alimenter leurs études. Caroline Denil, Data Warehouse Program Manager, SPF Économie

Mais même en univers strictement professionnel, les publics peuvent être variés. Dans ce cas, il convient de tenir compte des contextes et des besoins variés des interlocuteurs. Dans l’industrie, par exemple, un ouvrier ou un contremaître aura besoin d’une dataviz immédiatement utile pour résoudre un problème concret sur une chaîne. Un manager aura souvent besoin d’une vision plus globale, à des fins de pilotage.

À différents profils et différents contextes, visualisations différentes
Nos data visualizations revêtent la plupart du temps une dimension statique (ce qui convient particulièrement bien aux ouvriers et chefs de services, notamment). Mais il arrive qu'elles fassent aussi intervenir l’interactivité, et c'est ce que privilégient les membres du personnel de niveau ingénieur. Guillaume Deschamps, FMT / Central Functions YTI / EDA, STMicroelectronics
103

3
> Démarrer sur des périmètres

réduits, pour apprendre.
 Une autre bonne pratique est de "se faire la main" sur de premiers périmètres restreints, si possible les plus maîtrisés possibles. Cela permet d’avancer, sans trop de risques, en mode essais-erreurs jusqu’à obtenir une première solution satisfaisante. Cette première solution peut alors servir de preuve de concept (POC ou Proof Of Concept). Une fois ce premier succès atteint, il est plus facile de l’étendre à des périmètres plus vastes, et également de convaincre les parties prenantes.

Nous sommes partis de petits projets impliquant infographie ou Google Maps, très isolés, que nous avons progressivement développés. Clément Delpirou,Associé, InfoPro Digital

Nous avons commencé par un projet pilote pour nous familiariser avec la technologie SAS®. Yves Daelmans, ICT Project Manager, IMEC

Nous avons volontairement lancé la démarche sur deux univers seulement, la jardinerie et l'informatique, représentant 0,5% des requêtes. Nous savions que nous avions des soucis de labellisation sur ces deux univers et, en même temps, ils constituaient des domaines non critiques en termes de business. C'était donc le terrain idéal pour expérimenter la démarche et réaliser une preuve de concept. Martin Daniel, Chef de projet Data Visual, fifty-five

3.3 facteurs clés de succès

Le fait de commencer sur un petit projet est également un bon moyen d’éviter toute procrastinationou toute tentation perfectionniste. Dès qu’une solution a minima a été réalisée (ce que les Américains appellent le Minimum Viable Product), l’organisation a tout intérêt à le présenter aux décideurs et/ou aux utilisateurs. Ce "baptême du feu" permettra de recueillir de précieux commentaires pour améliorer la solution.

Oser se lancer
Quand une structure a planifié d'innover via la DataViz, il lui faut se lancer : je conseille habituellement de commencer avec une petite statistique, sans attendre que l'ensemble de la plateforme ait été finalisé ou que tous les standards aient été instaurés ! Caroline Denil, Data Warehouse Program Manager, SPF Économie

105

3
> Veiller à la qualité des

données à la source
 En matière de BI, on récolte ce que l’on sème ou, pour le dire de manière plus lapidaire : garbage in, garbage out. Autrement dit, si l’on veut que la data visualization soit apte à communiquer les bons messages, permette de prendre des décisions éclairées, d’explorer des territoires inconnus, il y a une condition à remplir avant toute chose : avoir des données de qualité en entrée.

La qualité des données : un préalable à la data visualization
Il faut avant tout que les données sources soient bien structurées. Autrement dit, le nettoyage et la préparation préalables des données sont les conditions sine qua non d'une bonne data visualization. Dans cette optique, il convient de réduire la multiplicité de ces données à quatre ou cinq axes essentiels, en veillant bien, et c'est l'enjeu principal de la data visualization, à ce qu'elles demeurent justes et conservent leur intégrité. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire Direction des Technologies, Lagardère Active

Le fait d’avoir un entrepôt de données bien structuré a grandement aidé les power users à définir leurs propres états. Yves Daelmans, ICT Project Manager, IMEC

3.3 facteurs clés de succès

En retour, la data visualization permet d’améliorer la qualité des données. D’abord, parce qu’elle astreint à une certaine discipline ; ensuite, parce qu’elle visualise aussi... la non qualité des données. Des chiffres aberrants répétés pourront apparaître au premier coup d’œil sous la forme de points étonnamment placés, par exemple. Si des problèmes de qualité de données peuvent rester longtemps inaperçus dans des tableaux de chiffres, ils sautent littéralement aux yeux sur une data visualization.
La data visualization, école de discipline pour la qualité des données
Nous voyons donc que les démarches entreprises en termes de data visualization mettent en jeu la qualité des données, que ce soit ponctuellement ou de manière systémique. À cet égard, d'une certaine façon, nous pouvons dire que les outils de la dataviz sont plus exigeants que ceux de la BI classique. Mais la démarche est vertueuse pour les systèmes sources, puisqu'elle nous impose d’être encore plus vigilants en termes de qualité des données. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies, Lagardère Active

107

3
> Miser sur la coopération entre

plusieurs directions
 Un autre ingrédient de la réussite réside dans la coopération entre les acteurs du projet. Nous avons déjà vu dans le paragraphe 3.2 que la dataviz pouvait être l’occasion de conforter un partenariat entre la DSI et les métiers. Mais plus généralement, elle est un sujet hybride par définition, à la croisée de l’informatique au sens systèmes, de la BI et de la communication. C’est pourquoi les résultats les plus spectaculaires sont atteints lorsque ces trois types d’acteurs travaillent de concert.

Un travail coopératif à l’origine du succès
Les rédactions contribuent beaucoup à notre démarche dataviz. Tout est d'ailleurs parti d'initiatives de nos journalistes. Aujourd'hui, le contenu de notre data visualization est le fruit du travail coopératif entre deux univers qui traditionnellement ne sont pas liés, mais qui chez nous opèrent en très bonne intelligence : l'équipe technique et l'équipe rédactionnelle. C'est celle-ci qui est responsable du taggage des données. Clément Delpirou, associé, InfoPro Digital

La data visualization contribue ainsi à briser les silos pouvant exister dans l’entreprise et concourt à une plus grande transversalité. C’est ce qu’indique, par exemple, Franck Jouenne, Director IT & Services Strategic Sourcing d’Alcatel Lucent : "la solution a permis de dépasser les frontières existant entre différentes fonctions de l’entreprise pour fournir à quelqu’un devant prendre une décision à un moment donné tous les éléments nécessaires pour le faire."

3.3 facteurs clés de succès

> Former les équipes
 La data visualization ne requiert pas réellement de formation côté utilisateurs. Au contraire, on peut dire qu’elle est pleinement réussie quand elle est immédiatement adoptée. Pour cela, la simplicité et l’intuitivité sont essentielles, comme nous l’avons identifié plus haut. Mais proposer un rendu simple peut être extrêmement compliqué. C’est pourquoi la formation de ceux qui produisent les visualisations est un plus indéniable. C’est ainsi que l’équipe travaillant sur ces sujets chez IFR-GfK se fait accompagner par un ergonome.

L’importance de la formation pour réaliser de bonnes data visualization
J’envoie régulièrement mes équipes en formation sur l’outil, mais également pour apprendre des règles d’ergonomie, de bonnes pratiques en termes de visualisation. Il y a des normes, des réflexes à acquérir. Certains sont universels, d’autres dépendent des cultures locales. Cela s’apprend. Fabrice Benaut, CIO global IFR, Head of IS and Operations, IFR Monitoring

Cette formation sur la dataviz, organisée par les entreprises elles-mêmes, vient pallier son absence actuelle dans les cursus d’enseignement, comme le regrette Philippe Nieuwbourg.

109

3
Un manque criant de formation universitaire
La grammaire visuelle existe. Le problème, c’est qu’on ne l’apprend pas. Dès les années 70, Jacques Bertin a publié un ouvrage de référence, Sémiologie graphique, véritable grammaire des graphiques. Aujourd’hui, des gens comme Claude-Henri Mélédo ou Stephen Few sont les experts du sujet, qui définissent et font évoluer ces grammaires visuelles. Encore faut-il les apprendre et les appliquer. Or, la visualisation graphique n’est enseignée dans aucun cursus. En contrôle de gestion, en statistiques, dans des écoles de commerce, on enseigne aux étudiants à représenter des choses justes, mais pas forcément belles et faciles à communiquer. C’est ainsi que l’on se retrouve avec des contrôleurs de gestion maîtrisant parfaitement les graphiques standard dans Excel, mais incapables de les exporter dans un autre outil pour les améliorer et les rendre plus esthétiques et aptes à communiquer. La communication n’est absolument pas prise en compte dans ces différents cursus. Philippe Nieuwbourg, Analyste-journaliste indépendant en informatique décisionnelle

> Utiliser l'esthétique comme

levier d'appropriation de l'information
 La data visualization ne saurait se réduire à une représentation esthétique des données. On peut faire de jolies représentations parfaitement inutiles. Mais cela ne veut pas dire que l’esthétique ne joue aucun rôle. Bien utilisée, elle est un critère essentiel d’efficacité pour la dataviz.

3.3 facteurs clés de succès

Ne pas mépriser ou négliger le côté esthétique de la data visualization
L'agrément graphique et l'aspect ludique de la dataviz, si souvent qualifiés de "gadgets’, sont au contraire loin d'être anecdotiques: ils donnent envie aux Métiers d'explorer les données. Ils contribuent donc à apporter de la valeur aux directions Métiers. Pierre-Olivier Sicamois, Responsable du domaine Régie publicitaire, Direction des Technologies, Lagardère Active

L’esthétique participe du confort d’utilisation de la data visualization. Si ce confort est important, de manière générale, pour que l’utilisateur s’approprie l’outil de dataviz ou son rendu, il joue un rôle encore plus essentiel lorsque la data visualization est employée à des fins d’exploration. L’exploration nécessite en effet une confiance et une disponibilité d’esprit importantes. L’ergonomie de la data visualization est alors un levier clé.

L’importance de l’ergonomie pour favoriser l’émergence de questions (et de réponses) nouvelles
Il faut que les utilisateurs se sentent à l’aise dans l’environnement d’exploration que nous mettons à leur disposition, pour les inciter à jouer avec la donnée. Ce confort est la condition pour que puissent apparaître des phénomènes émergents, non prévus, dans la découverte de l’information. Fabrice Benaut, CIO global IFR, Head of IS and Operations, IFR Monitoring

111

3
Dans ce souci de marier esthétique et efficacité, les entreprises ont tout intérêt à faire preuve d’imagination et à dépasser les traditionnels graphiques de type Excel, si cela fait sens.
Les indicateurs de performance de Coliposte

3.3 facteurs clés de succès

Une telle originalité mise en œuvre à bon escient est d’ailleurs la clé de l’acceptation de la data visualization par les Métiers, si l’on en croit Bernard Lebelle :
Changer de posture pour plus de valeur ajoutée opérationnelle
Il faut aller au-delà des standards et s’affranchir du triptyque Courbe / Camembert / Histogramme… Des représentations visuelles innovantes vont parfois vous permettre de vous rendre compte de réalités opérationnelles que l’on soupçonnait, mais que l’on ne pouvait facilement démontrer. Ainsi, en utilisant un format de Code Barre, où la performance mensuelle de chaque individu d’une équipe commerciale est représentée par une barre verticale spécifique, on peut plus facilement comprendre la répartition de la performance.

Il faut en revanche être prêt à évangéliser et donner les clefs de lectures des nouveaux graphiques pour vos équipes. Considérez la data visualization dans ses 2 dynamiques, à la fois comme vecteur de recherche et d’analyse dynamique et comme formidable vecteur de transmission d’information. Bernard Lebelle, Fondateur de Bleu-Cobalt

113

3
Le monde n’est pas en vert et rouge
Peut-être qu’un passager a eu une mauvaise expérience, mais que cela a été fortuit, pour telle ou telle circonstance, alors que d’autres passagers ont eu une bonne expérience. Notre data visualization permet donc aux passagers de comprendre que tous les utilisateurs n’ont pas les mêmes besoins, et que la satisfaction doit prendre en compte cette dimension. C’est pourquoi, en termes de couleurs dans nos représentations, nous n’avons pas opté pour les classiques rouge (négatif) et vert (positif). Nous n’opposons pas les attentes, nous comparons un ensemble d'attentes et chaque ressenti. Philippe Saffon, Responsable Médias, Aéroports de Paris

Représentation du degré d’appréciation d’un service sur le site mobile d’Aéroports de Paris

Toutefois, Claude-Henri Mélédo nous met en garde contre l’originalité à tout crin et le chant des sirènes des possibilités techniques. S’il faut savoir innover en termes de représentation, certains graphiques, séduisants en apparence, n’apportent finalement pas la valeur supposée.

3.3 facteurs clés de succès

Les fausses bonnes idées de la dataviz
Le motion chart ou graphe animé, aussi spectaculaire soit sa mise en mouvement, est généralement un concept inapproprié. Dans la mesure où il n’est pas possible de mémoriser tous les mouvements, il faut donner à l’utilisateur les moyens de recommencer la lecture de l’animation. C’est là que se pose le premier problème : il faut donc un unique utilisateur au dispositif si on veut lui laisser la possibilité de réinitialiser l’animation quand bon lui semble. Le second problème est l’émerveillement, voire la fascination que provoque le mouvement qui déconcentre l’utilisateur. Ce dernier parvient donc difficilement à appréhender la totalité des informations mises à sa disposition ; au point qu’il lui faut généralement un commentateur pour lui expliquer ce sur quoi il doit focaliser son regard, et finalement ce qu’il doit retenir. Quant à la 3D, elle est, d’une certaine manière, la mort de la dataviz. Parce qu’elle rappelle la nature, la 3D paraît plus vraie que l’abstraction d’un graphe scientifique sur plan. Mais la 3D présente des défauts majeurs quant à l’évaluation précise des mesures. Ainsi l’effet de perspective trouble le déchiffrement de la taille d’un symbole dont on ne sait s’il est petit parce qu’il représente une valeur faible ou parce qu’il est supposé être éloigné du lecteur. Mais surtout dès qu’un objet particulièrement grand se situe au premier plan, il masque les objets plus petits derrière lui (phénomène d’occlusion visuelle). Et même si l’utilisateur savait maîtriser un dispositif tridimensionnel pour se mouvoir spatialement dans le graphe (ex. : souris informatique sous forme de joystick d’hélicoptère lui servant de volant), rien ne dit qu’il l’analyserait systématiquement sous tous les angles jusqu’à détecter le signal faible qu’il recherche. Claude-Henri Mélédo, cofondateur d’Aldecis, membre de l’International Institute for Information Design

115

3

> Privilégier les aides

contextuelles pour accélérer l'apprentissage des utilisateurs
 Le côté intuitif et immédiat de la data visualization n’annule pas le risque d’erreurs d’interprétations. Il peut arriver que le graphe en lui-même soit incompris, ou que l’utilisateur ne connaisse pas réellement quelles sont les données sous-jacentes ou les conditions de réalisation de la dataviz (période, filtres appliqués, échelle, etc.). Pour éviter toute confusion, les concepteurs de data visualization ont tout à gagner à accompagner leurs graphiques de légendes ou d’explications. Parce que les manuels d’utilisation sont rarement lus, et parce que le sujet ne les justifie pas, c’est une aide contextuelle qui est la plus efficace, directement à proximité du graphe luimême. Différents modes d’assistance sont alors possibles : textes explicatifs sous le graphique, infobulles affichées lors de son survol, petites vidéos, etc.

Savoir faire preuve de pédagogie
Dans la pratique, nous tablons sur une version 2.0 de BeStat qui soit plus graphique et plus ergonomique pour les utilisateurs. Face aux complexités d'usage que présente la solution logicielle pour les utilisateurs, nous projetons d'en expliquer systématiquement les modalités de fonctionnement, notamment par le biais de vidéos pratiques relatives à l'utilisation des graphes. Caroline Denil, Data Warehouse Program Manager, SPF Économie

3.3 facteurs clés de succès

Sur notre projet, nous avons particulièrement soigné la facilité d'utilisation. Nous avons par exemple mis en place une sauvegarde automatique des dernières variables utilisées permettant de manipuler l'application plus rapidement. Des textes introductifs et un glossaire rappellent également la signification des différents graphiques et la manière dont ils ont été constitués, pour permettre aux utilisateurs de bien les comprendre et donc de bien les interpréter. Le résultat est positif puisque nous observons beaucoup d’utilisations en totale autonomie par des équipes qui n’ont jamais été formées. Charles du Réau, Consumer & Market Knowledge Director, Ubisoft

> Faire attention aux contraintes

en termes de légalité et de confidentialité, surtout pour les usages grand public.
 Dernier conseil, et non des moindres : la datavisualization n’exonère pas du respect de la confidentialité des données, de la vie privée, et plus généralement des conditions d’utilisation des données. Comme le rappelle à juste titre Caroline Denil, du SPF Économie, "il faut prendre garde à ne pas publier trop vite les données, pour ne pas s'exposer à des problèmes de confidentialité, et également faire attentionaux problématiques de légalité s'agissant des modalités de publication."

117

3
Tous les facteurs de succès mentionnés ci-dessus sont importants. Nous terminerons avec un petit résumé proposé par Dorina Ghiliotto-Young d’Ingenico sur trois facteurs qui lui semblent particulièrement importants.

3 prérequis pour une bonne data visualization
Pour faire une bonne dataviz, trois éléments clés sont indispensables : 1. Avoir des données de qualité Les données doivent être complètes, fiables... et bien utilisées ! Par exemple, il convient de ne pas mélanger des data n'ayant rien à voir ensemble. 2. Bien comprendre le contexte La data visualization doit reposer sur une bonne compréhension des relations entre les données que l'on analyse. Pour éviter tout risque de confusion dans l'interprétation, on sera peut-être amené à retirer des données du périmètre. Par exemple, sur un marché, il n'est pas forcément pertinent de comparer les données des pays développés avec les données des pays émergents. Cela peut conduire à des conclusions fausses, parce que ces pays sont dans des contextes différents. 3. Pouvoir interagir avec la data visualization Les possibilités d'interaction peuvent aller du choix des couleurs à des options beaucoup plus évoluées, comme le recours à la 3D. Rien n'est interdit, à condition que cela ait du sens et que cela aide à la compréhension. Dorina Ghiliotto-Young, Head of Innovation, Ingenico

3.4 écueils à éviter 

Si certaines bonnes pratiques maximisent les chances de réussir son projet de data visualization, il faut s’attendre, comme pour tout projet, à rencontrer des difficultés. Forts de leurs expériences, les contributeurs à cet ouvrage nous alertent sur les principales d’entre elles. Au passage, ils nous donnent des indications pour les surmonter.

> Le risque de la surcharger

d’information
 L’un des avantages de la data visualization, c’est qu’elle densifie l’information. Nos experts, Philippe Nieuwbourg et Claude-Henri Mélédo, nous le confirment tous deux :

Plus d’information en moins de place grâce aux graphiques
Si on fait le calcul de la quantité d’information transmise par pixel utilisé, on a toujours beaucoup plus d’informations dans un visuel que dans un texte. Philippe Nieuwbourg, Analyste-journaliste indépendant en informatique décisionnelle Un graphique densifie l’information au centimètre carré. Il permet de voir très vite des choses importantes, telles que des schémas récurrents (patterns) et des exceptions. Claude-Henri Mélédo, cofondateur d’Aldecis, membre de l’International Institute for Information Design

119

3
Toutefois, attention à la surcharge informationnelle ! Charles du Réau, d’Ubisoft, considère ainsi “qu’il ne faut pas afficher plus d’une quarantaine de points sur un écran, sinon l’utilisateur s’y perd”. Andrew Musselman, d’Accenture, abonde dans ce sens :
Quand ne pas utiliser la data visualization
Nous ne recommandons pas que vous essayiez de visualiser absolument tout parce que, parfois, la visualisation ne produit que de la confusion ; par exemple, si vous essayez de placer des points représentants des millions d’utilisateurs, vous obtiendrez une jolie image, mais en tirer de l’information sera impossible. Une analyse de tableaux numériques ou de courbes sera souvent une façon plus puissante de révéler des connexions. Andrew Musselman, Data scientist, ingénieur et architecte dans le département Big Data d’Accenture

Fort heureusement, certains concepts de la data visualization sont justement là pour éviter cette “infobésité graphique“. Il en est ainsi de la pratique consistant à aller du général au particulier, en laissant l’utilisateur zoomer ou filtrer s’il souhaite plus de précisions.
La vue d’ensemble d’abord, les détails ensuite
L’affichage progressif des données, ou progressive disclosure, figure parmi les facteurs clés de succès pour une bonne appropriation de la dataviz par les utilisateurs. Il s’agit de déterminer au préalable quelles sont les informations clés à mettre en avant dans un premier temps, puis quelles sont les données secondaires qu’il convient d’afficher. Frédérique Ville, Directrice de l’Innovation, Voyages-sncf.com

3.4 écueils à éviter

La vue d’ensemble d’abord, les détails ensuite
Pour ne pas noyer l’utilisateur, nous avons adopté une approche "overview first, details at demand". Autrement dit, c’est à travers des filtres successifs que l’utilisateur métier peut affiner sa recherche, pour traquer les requêtes mal catégorisées. À noter qu’une action sur un filtre modifie automatiquement les données disponibles dans les autres filtres. En ce sens, nous adoptons une bonne pratique recommandée en termes de dataviz, le "progressive disclosure". Martin Daniel, Chef de projet Data Visual, fifty-five

> Une Direction Générale qui

ne perçoit pas nécessairement immédiatement l’intérêt de la data visualization
 Un écueil à surmonter peut être le manque d’enthousiasme de la Direction Générale pour un projet similaire. Elle peut se dire, au premier abord, que la data visualization ne lui apportera rien, puisqu’elle a déjà des outils de reporting. En témoigne Jérôme Tharaud, Responsable des études et développement chez Prisma Media : "Nous n'avons pas véritablement rencontré de réticences dans la mise en place de nos solutions de data visualization, sauf au tout début. Nous avions déjà en main des tableaux de reporting ou des états, si bien que lorsque j'ai d'abord évoqué le projet en question auprès de la direction commerciale, cette dernière n'y a pas vu d'intérêt tangible."  C’est alors un effort de pédagogie qui s’impose, pour montrer à la direction commerciale tous les avantages de la dataviz et ce en quoi elle diffère du reporting classique. Démarche qui s’est finalement avérée concluante chez Prisma Media : "au final, c'est l'esthétique qui a convaincu tout le monde et nous a valu un véritable succès !" Où l’on retrouve également l’importance de la qualité du rendu graphique, que nous avons identifiée comme facteur clé de succès au paragraphe précédent.

121

3
> Un scepticisme devant la

performance de l’outil
 Paradoxalement, c’est la performance même de la dataviz qui peut être son pire ennemi. Les solutions actuellement disponibles tranchent si nettement par rapport aux solutions BI traditionnelles en termes de rapidité de traitement et de fluidité d’interaction, que les utilisateurs restent parfois dubitatifs. Mis en cause devant des indicateurs graphiques trop voyants et trop clairs d’une mauvaise performance, des utilisateurs peuvent aussi être tentés de mettre en doute la fiabilité de l’outil. Ce genre d’attitude s’apparente à une stratégie bien connue dans le monde d’Internet qu’on appelle le FUD1 (Fear, Uncertainty and Doubt). Il s’agit en substance d’instiller le doute, l’incertitude, la peur, devant une solution nouvelle. La parade ? Donner accès directement aux données sous-jacentes depuis la visualisation. C’est ce que nous explique Sandrine Noail, de Coliposte :

La data visualization, trop belle pour être vraie ?
Face à la facilité d'utilisation et à la rapidité d'un outil de data visualization, l'interlocuteur auquel on le présente, surtout quand il s'agit d'un décideur, a tendance à être sceptique et à remettre en cause le résultat présenté. Tout se passe comme si l'outil était trop convivial et rapide et comme si cela devait cacher un grain de sable, un défaut de qualité, fatidique. Il peut s’agir aussi d’un réflexe de défense face à un graphique reflétant une mauvaise performance. L’interlocuteur aurait beau jeu de dire que la visualisation ne prouve rien parce que nous n’avons pas, derrière, les bonnes données. La solution que nous avons retenue répond à ce genre d'inquiétude, car elle permet, à partir de la data visualization elle-même, d'accéder au niveau de détail le plus fin, la facture même d'un client. Devant quelque chose d'aussi concret, les réserves tombent. Sandrine Noail, Responsable Analyse et Pilotage, Coliposte
1. http://en.wikipedia.org/wiki/Fear,_uncertainty_and_doubt

3.4 écueils à éviter

> Un écueil à éviter :

oublier ses classiques
 Enfin, un autre risque est de succomber au chant des sirènes de la facilité. Certes, la simplicité d’usage, le fait de présenter d’abord des données très générales avant de rentrer dans le détail, l’esthétique, sont des facteurs clés de succès. Mais ils doivent reposer sur le socle inamovible du sérieux de la BI et de la fiabilité des données.

Ne pas confondre simplicité et simplisme
Par ailleurs, l’avenir est sans doute à toujours plus de simplicité dans l’usage. Attention toutefois à ne pas confondre simple et simpliste. Il ne faut jamais oublier que tous les basiques de l’analyse des données restent vrais, notamment l’importance de la qualité des données. Fabrice Benaut, CIO global IFR, Head of IS and Operations, IFR Monitoring

Voilà qui achève notre tour d’horizon de la réalité de la data visualization aujourd’hui. On le voit, les réalisations sont déjà nombreuses. Pourtant, d’une certaine façon, nous n’en sommes encore qu’aux prémices. Nous allons voir maintenant, dans la quatrième et dernière partie de l’ouvrage, les perspectives que nous offre et qui s’offrent à la dataviz.

123

4

2 4

Perspectives
Dans cette partie, nous allons nous projeter dans l’avenir pour imaginer comment la data visualization peut évoluer. Pour cela, nous allons d’abord considérer les évolutions envisagées ou planifiées pour les projets menés par nos contributeurs. Ensuite, nous écouterons ces derniers nous faire part de leurs paris prospectifs pour l’avenir de la data visualization en général.

4.1 le futur des projets 

Pour commencer, constatons que la plupart des contributeurs ont mentionné des extensions de périmètre. Quelques exemples parmi d’autres :

Devant les premiers succès, l’envie de continuer
L’entrepôt de données n’arrête pas de grossir, ce qui explique que nous ayons des projets BI en vue. Nous avons déjà planifié la mise en place du reporting financier. Aujourd’hui, nous sommes en train de rendre disponible l’ensemble des KPI liés à la santé et à la sécurité au travail. Yves Daelmans, ICT Project Manager, IMEC

La direction nous a demandé de travailler à une nouvelle application de la dataviz dans le domaine de l’évaluation des fournisseurs. Des systèmes de calcul de bonus et de malus existent déjà pour tenir compte de la qualité des fournisseurs, mais ils sont disparates. Aujourd’hui, nous voulons homogénéiser l’évaluation et surtout assurer sa traçabilité. Les outils que nous avons appris à utiliser avec notre premier projet dataviz s’y prêtent bien. Richard Coffre, Senior Business Analyst, PagesJaunes Nous projetons d'avoir recours à la data visualization au gré du besoin. Et ce que nous avons déjà réalisé pour le commercial, nous comptons le mettre en œuvre pour le département Finances en 2013. Jérôme Tharaud, Responsable des études et développement, Prisma Media

125

4
En dehors de ces prolongements et développements des projets dataviz, Fabrice Benaut d’IFR-GfK et Olivier Brousseau de Schlumberger pensent que la dataviz ne laissera pas inchangé le reporting classique. Pour Olivier Brousseau, "La data visualization est en avance, c’est l’innovation en termes de BI ; mais la BI traditionnelle va forcément rejoindre la dataviz." En ce qui concerne les états plus traditionnels, leur utilité n’est pas remise en cause. Ils seront par contre vraisemblablement amenés à s’intégrer plus étroitement avec les outils de data visualization.
Repenser les tableaux de bord traditionnels
À l’avenir, il faudrait également accéder aux dashboards simples, traditionnels, à travers l’outil de data visualization. Ce serait dommage de ne pas les repenser à l’aune de ce nouveau paradigme, de se dire qu’ils sont figés, qu’ils n’évolueront jamais, alors qu’ils représentent encore aujourd’hui 80% de l’usage des données Fabrice Benaut, CIO global IFR, Head of IS and Operations, IFR Monitoring

Pour y parvenir, de nouvelles compétences sont nécessaires. À la DSI et dans les équipes BI, on doit s’attendre à rencontrer demain des personnes aux parcours diversifiés, et dotés de multiples compétences.

4.1 le futur des projets

Quels profils aux SI pour mener les projets dataviz de demain ?
Il faudra réussir à convertir l’enthousiasme en bonnes pratiques et nouveaux usages. C'est aussi l'occasion de voir que les profils SI vont changer : il y aura de plus en plus de "moutons à cinq pattes", pourvus de connaissances en matière de modélisation, et également d’une appétence pour le graphisme et l'ergonomie. L’étape d’après sera certainement aussi la scénarisation et le storytelling, c’est-à-dire le fait de transformer une série de photos en un véritable film racontant une histoire. François Nguyen, Directeur SI décisionnel et marketing relationnel, SFR

Mon parcours académique en mathématique et le parcours en mathématique et en statistiques de beaucoup de mes collaborateurs s’avèrent très pertinents pour la data visualization. Les personnes ayant fait des études d’informatique, de physique, de biologie ou de chimie savent aussi, généralement, comment représenter leur travail visuellement. Andrew Musselman, Data scientist, ingénieur et architecte dans le département Big Data d’Accenture

127

4
Mais ces profils atypiques, où les trouver ? Si la data visualization n’est pas encore pleinement intégrée dans les cursus, comme le pointait plus haut Philippe Nieuwbourg, des initiatives sont néanmoins menées par les Écoles, les Universités et les entreprises, pour former à cette discipline. C’est le cas, par exemple, du SAS Spring Campus :

Former les jeunes à la data visualization
Conscient du besoin grandissant de ces nouveaux profils dans son écosystème, SAS a décidé de développer un programme innovant de formation spécifique pour répondre aux nombreuses demandes de recrutement de ses entreprises clientes et partenaires, ainsi qu’à son propre développement dans le cadre d’une politique jeunes diplômés. C’est ainsi qu’est né "SAS Spring Campus 2013", un cursus complet couplé d’un stage obligatoire de fin de cycle, avec pour objectif final un premier emploi. Cette première édition a réuni 20 étudiants qui se sont vu proposer plusieurs missions par des entreprises clientes ou bien des partenaires. Devant le succès rencontré cette première année (250 candidatures reçues), SAS Spring Campus sera renouvelé et étendu dès 2014 pour une nouvelle édition, car les besoins des entreprises de ces nouveaux profils ne feront que croître dans les prochaines années. Ariane Liger-Belair Sioufi, Directeur Académique, SAS France

1. http://en.wikipedia.org/wiki/Fear,_uncertainty_and_doubt

4.2 tentative de prospective 

D’une manière plus générale, maintenant, le futur de la data visualization devrait s’attacher, selon certains de nos interlocuteurs, à combler des attentes encore insuffisamment satisfaites. Il en va ainsi par exemple de la portabilité des solutions entre différents environnements. Un progrès en la matière est ainsi attendu par Jérôme Tharaud, de Prisma Media : "Ce qui nous bloque actuellement, c'est le fait que nos deux solutions dataviz ne soient pas multiplateformes, ni vraiment multi-navigateurs. Ce serait pour nous une évolution à forte valeur ajoutée." Au-delà de ces réserves, la data visualization dans son état actuel donne largement satisfaction aux contributeurs que nous avons interrogés. Au point que certains se prennent à rêver de ce que pourrait être la dataviz de demain. Par exemple, le DSI d’ID Logistics, Emmanuel Vexlard, met l’accent sur l’accessibilité : "Si l'on cherche à imaginer le futur de la data visualization, l'idéal serait de pouvoir obtenir des représentations graphiques à partir de simples requêtes en langage naturel, aussi facilement que l'on obtient des résultats sur Google." D’autres renvoient au phénomène de la quantification de soi quantified self1, en plein essor. Il s’agit en l’occurrence de la mise à disposition par les individus de données personnelles liées à leur mode de vie et à leurs activités : manière de s’alimenter, sport, sommeil, etc. Tous ces domaines de la vie peuvent aujourd’hui être mesurés par des capteurs ou des dispositifs variés, allant du smartphone à la fourchette électronique. Ceux-ci génèrent une énorme quantité de données, inexploitable sans le secours de la data visualization.
1. http://en.wikipedia.org/wiki/Quantified_Self

129

4

C’est ainsi que Frédérique Pain, des Bell Labs d’AlcatelLucent, prédit "l’avènement d'une nouvelle expérience de la dataviz, individualisée et contextualisée. Les domaines du bien-être et de la santé seront probablement les fers de lance de cette évolution." Ces utilisations encore assez avant-gardistes de la data visualization vont-elles se généraliser ? Certains de nos contributeurs semblent penser que oui. La dataviz augurerait d’un véritable changement d’ère. Le projet "empreinte de mouvement" de France Télécom est à cet égard significatif.
Un outil au service de l’avènement d’une nouvelle ère

Notre démarche de data visualization nous permet de conduire une réflexion allant bien au-delà de la donnée, en partant de la circulation d'un individu au sein d'un espace clos ou dans un environnement ouvert. En croisant les différents rendus graphiques obtenus, nous pourrons aboutir à des applications concrètes : optimisation des déplacements en fonction du trafic routier, amélioration de l'urbanisme... Tout est dans le croisement des données : données ayant trait aux individus, à leur consommation, leurs habitudes, ainsi que des données externes sur la ville ou les transports. Certaines de ces données ne sont pas sous notre contrôle, notamment les données externes. Mais en les considérant et en les associant aux données que nous maîtrisons plus directement, nous voyons émerger de nouvelles perspectives qui nous éclairent sur des solutions potentielles. C'est donc une réelle réflexion sur le changement des comportements que nous voyons émerger... En matière de gestion plus rationnelle de l'énergie, par exemple, s'interroger sur l'optimisation du parcours utilisateur peut amener à revoir nos modes de consommation. Changer ces derniers peut, au final, déboucher sur des économies d'énergie. Au regard du groupe France Télécom, cette optimisation est à valoriser aussi bien en interne qu'à l'externe. Au final, nous assistons au démarrage d'un phénomène qui peut nous renseigner sur nous-mêmes, sur nos façons de faire et nous faire prendre conscience de nos défaillances. C'est ainsi que dans une démarche philosophique, voire sociologique, nous prenons conscience que nous pouvons remettre en question des comportements établis. Lamia Delenda, Project Management Office, Orange

4.2 tentative de prospective

En fait, les formes que prendra le futur de la data visualization sont difficiles à prévoir, car la dataviz est au croisement de différentes disciplines (ergonomie et IHM1, IT, design, analytique, communication...). Ce sont en grande partie les innovations dans chacun de ces domaines qui contribueront à l’évolution de la data visualization.

131

conclusion

A

insi s’achève notre périple sur les terres de la data visualization. Elles restent encore largement à défricher. Mais le présent livre blanc a permis de mettre en exergue leur fertilité. Il montre notamment que la dataviz n’est pas qu’un concept. Plus de trente entreprises peuvent témoigner de sa réalité au travers de projets concrets, qu’elles veulent encore poursuivre et développer. La data visualization est une approche radicalement nouvelle de la BI et, tout à la fois, elle est extrêmement fidèle à ses fondamentaux. Elle tire tout le parti du pouvoir des représentations graphiques et des technologies permettant aujourd’hui d’exploiter rapidement de larges volumes de données. Elle offre ainsi une nouvelle manière d’analyser ces dernières, de les communiquer et de les explorer. Ce faisant, elle met la puissance des données au service des métiers et catalyse leur transformation. En mettant de la sorte les données en pleine lumière, à la vue de tous, la data visualization en révèle leur nature profonde : un réservoir de connaissance pour l’entreprise, un levier d’action, un véritable patrimoine immatériel, source de valeur. Puisse cet ouvrage vous servir de guide pour vous aider à tirer pleinement profit de cette valeur qui est là, à portée de main.

conclusion

133

contributeurs

1

contributeurs

• contributeurs • présentation SAS • présentation ebg

135

contributeurs

1

Data scientist, engineer and architect in the Big Data practice Mathématicien et ingénieur informatique de formation (Central Washington University), Andrew Musselman a d’abord travaillé comme développeur Web (Real Networks), puis comme ingénieur en développement logiciels (Real Network, Rhapsody International). Au cours de ses expériences, il s’oriente dans la Big Data Analytics. Il devient développeur/ analyste chez WhitePages (l’équivalent anglo-saxon de PagesJaunes) avant de rejoindre Accenture en tant qu’architecte Hadoop/Big Data, poste qu’il occupe actuellement.

Accenture Andrew Musselman

Aéroports de Paris Philippe Saffon Responsable des médias
Diplômé de Télécom Management (INT), Philippe Saffon possède plus de 15 ans d'expérience dans le domaine de la Communication, Marketing, Commercial et Nouveaux Médias. Avant de rejoindre Aéroports de Paris en 2010, il a notamment travaillé chez Bouygues Télécom en tant que Responsable Marketing/Commercialisation des services et chez Kodak comme Responsable du Marketing Numérique. Dans le cadre de ses fonctions, il a développé l’activité E-commerce des deux groupes.

Affini-Tech Frédéric Gonnet

Directeur associé

Ingénieur ESIEA, Frédéric Gonnet a débuté sa carrière dans des sociétés de services en informatique. Depuis 2003, il est dirigeant fondateur de FAIRSYS Consulting. Il a dirigé de nombreux projets dans les domaines informatiques et organisationnels, notamment au sein de PagesJaunes (changement de SI de fabrication...).  En 2012, il devient également Directeur associé au sein d’Affini-Tech, société centrée sur le BigData et le traitement des données. Il est responsable de la partie métiers (besoins, accompagnement, pilotage & direction de projet) et de l'offre Data Visualisation.

Director, IT & Services Strategic Sourcing Franck Jouenne a réalisé l’ensemble de sa carrière chez Alcatel-Lucent dans le secteur IT. Il rejoint en 1993 la direction Recherche & Innovation (aujourd’hui Bell Labs) du groupe pour prendre en charge le développement de diverses innovations pour les applications réseaux. Il a ensuite rejoint en 2002 les lignes de produit du groupe en tant que Director Computing Systèmes & Industrialization puis la Direction des Achats en 2008 où il occupe actuellement le rôle de Director, IT & Services Strategic Sourcing.

Alcatel-Lucent Franck Jouenne

contributeurs

Alcatel-Lucent Bell Labs Frédérique Pain Experience Strategy Director
Après un master de recherche en design industriel et un master en ergonomie, physiologie et psychologie cognitive, Frédérique  Pain commence sa carrière par 3 ans de recherche sur les processus de design pour les interfaces à EADS en codirection avec le CNAM et l’université de Compiègne. En 1997, elle intègre le département Brand d’Alcatel où elle développe en France et en Chine un département de design des applications de toutes les gammes de produits de téléphonie mobile et fixe. Elle fonde en 2009 l’Application Studio au sein des laboratoires de recherche Bell Labs où elle développe et opérationnalise l’innovation par les usages.

Aldecis Claude-Henri Mélédo

Associé

Claude-Henri Mélédo est le responsable de la société de conseil Aldecis et de l'association Visual Decision (.fr) d'experts français en Data Visualisation. Il a obtenu plusieurs distinctions telles que la médaille d'argent du concours de Dataviz pour l'élection présidentielle de 2012 organisé par Google ou le titre de principal expert 2011 des graphiques financiers au sein de l'organisation mondiale IIID de Design de l'information. Depuis 20 ans, il élabore des tableaux de bord et même des visualisations exclusives pour les plus grands groupes français. Il a d'ailleurs réalisé plusieurs études comparatives des graphiques utilisés dans les rapports annuels du CAC40 et du Dow Jones (DJIA).

BFM Business Emmanuel Lechypre

Éditorialiste, Responsable pôle Analyse et prévisions

Économiste de formation, Emmanuel Lechypre a été rédacteur en chef du service Économie générale de L'Expansion, dont il était aussi responsable du centre de prévision du groupe. Il est actuellement éditorialiste et Responsable pôle Analyse et prévisions de BFM Business. Il a coécrit, avec Franck Dedieu et François de Witt, 150 idées reçues sur l'économie, publié par les éditions L’Express en 2010. Son dernier livre, signé avec Béatrice Mathieu et paru chez le même éditeur en 2012, s'intitule La présidentielle en 25 débats.

Bleu-Cobalt Bernard Lebelle

Associé fondateur

Bernard Lebelle, diplômé de l’EDHEC, est le fondateur deBleuCobalt, cabinet de Conseil, Formation et Facilitation. Formé au sein des plus grands cabinets (PWC, Deloitte) et fort de son expérience opérationnelle au sein d’Air France, il a développé un savoir-faire unique, fruit d’une approche syncrétique visant à tirer le meilleur parti du consulting et du visual thinking.
137

contributeurs

1

Coliposte Sandrine Noail

Responsable du pôle Analyse et Pilotage

Sandrine Noail a plus de 13 ans d’expérience sur le Support aux ventes. Après avoir travaillé comme Responsable des études, Chef de Projet et Directeur de Projet, elle pilote et développe aujourd’hui l’activité commerciale de Coliposte. Elle accompagne et sert, au travers d’analyses, l’atteinte des objectifs fixés par l’entreprise.

Journaliste enseignant spécialisé en Informatique Décisionnelle / Business Intelligence / Big Data Depuis 1995, Philippe Nieuwbourg anime la communauté francophone des utilisateurs d’outils d’aide à la décision sur www.decideo.fr, le site de référence autour des sujets tels que la big data, les entrepôts de données, le reporting, l’analyse, le data mining, la visualisation graphique et la qualité des données. Auteur de plusieurs livres sur l’informatique décisionnelle, il participe chaque année à de nombreuses conférences en France et à l’étranger. Il est également chargé de cours à l’université du Québec à Montréal.

Decideo Philippe Nieuwbourg

Fifty-five Martin Daniel

Data Visual

Diplômé de l’ESCP Europe, Martin Daniel rejoint la société fifty-five à ses débuts après un passage remarqué chez Google. Chez fifty-five, Martin développe avec une équipe de data scientists des produits basés sur les données de webanalyse pour rendre les entreprises plus intelligentes.

France Télévisions Antoine Allard Chargé de communication
& marketing Social Media Antoine Allard commence sa carrière chez Ogilvy PR en stratégie d’influence digitale et éditoriale. Il rejoint France Télévisions en 2012 en tant que chargé de communication online au sein de la direction marketing des éditions numériques du groupe audiovisuel public. Il s’occupe notamment du community management et de la stratégie médias sociaux et social TV de France 5 et des projets Nouvelles Écritures et Transmedia du groupe.

contributeurs

Havas Media Emmanuel Barbet

Global Accounts Director

Emmanuel Bardet est diplômé de l’IDRAC Lyon en Marketing et Management. Après avoir travaillé 10 ans dans le web marketing et trois ans en tant que Digital Account Directeur, il rejoint Omnicom Media Group afin de coordonner et implémenter la stratégie digitale de Renault EMEA. Arrivé chez Havas Media en 2012, il aide ses clients à développer leur stratégie digitale media.

Havas Media Irène Labus Directrice Analytics Digital
Après plus de 15 ans de fonctions marketing et business développement au sein de pure players Internet, Irène Labus rejoint Havas Digital en 2008 pour développer le pôle Analytics. Elle accompagne à ce titre les annonceurs dans l’exploitation et l’analyse de leurs données de campagnes et les aide à traduire leurs objectifs business digitaux en stratégies de collecte et de visualisation de données. Irène est diplômée de Paris Dauphine (Magistère de Sciences de Gestion) et de l'IAE Paris (Master Marketing et Pratiques Commerciales).

ID Logistics Emmanuel Vexlard
Directeur des Systèmes d’Information Diplômé d’un master en logistique de l’ISLI à Bordeaux, Emmanuel Vexlard débute sa carrière chez Habitat en tant que responsable transport en 1996, avant de prendre le poste de responsable transport et distribution de Geodis Logistics à Taïwan en 1999. Il intègre ensuite la direction achats de logistique de Rhodia. Il rejoint ID Logistics en 2005 en tant que directeur des opérations de La Flèche Cavaillonnaise et de directeur supply chain groupe du prestataire. En 2011, il prend la tête de la nouvelle DSI du prestataire logistique avec pour mission d’anticiper l’évolution des systèmes d’information et le pilotage des projets IT en France et à l’international.

IFR Group Fabrice Benaut

Directeur des Systèmes d'Information

Titulaire de mastères en technologies de l'information (Université IAE Sorbonne) et en marketing (HEC), Fabrice Benaut rejoint le groupe GfK en 1983. Il y dirige des services informatiques depuis 15 ans et est impliqué dans bon nombre de projets de transformation du groupe. Avant de prendre la direction des systèmes d'information monde de IFR en janvier 2011, Fabrice Benaut était DSI de GfK Retail and Technology France. En dehors de l’entreprise, il remporte quelques Awards : Microsoft (1997), Business Objects (SAP en 2003), Informatica (2009), QlikView (2012), et anime le club utilisateurs Informatica (5 ans au CAB).
139

contributeurs

1

IMEC Yves Daelmans

ICT Project Manager

Au cours d’une dizaine d'années d’expérience dans l’édition, Yves Daelmans s’est progressivement orienté vers le reporting, la gestion des données et la Business Intelligence. De 2006 à 2008, il a été responsable Business Intelligence chez Wolters Kluwer, la filiale française du groupe néerlandais d'édition et d'information professionnelle. Il a intégré en 2008 l’Institut des Mémoires de l’Édition Contemporaine (IMEC) en tant qu’ICT Project Manager en charge du programme SAP et de tous les projets BI. Il coordonne également le centre virtuel de compétence BI (BICC) de l’IMEC.

Infopro Digital Clément Delpirou

Associé

Clément Delpirou est un des associés du Groupe Infopro Digital. Il a particulièrement en charge l’ensemble des activités Web du groupe. Opérant exclusivement en B2B, les 200 experts digitaux qui travaillent chez Infopro pilotent 60 sites autour de 3 business models : génération de leads, media et bases de données expertes. Les 3,5M de VU mensuels et les centaines de milliers de leads annuels de l’activité font d’Infopro un acteur incontournable du Web en B2B en France. Diplômé de HEC, Clément était DG de Nurun France avant de rejoindre Infopro.

Ingenico Dorina Ghiliotto-Young

Head of Innovation

Dorina Ghiliotto-Young a intégré la direction Global Solutions, Sales & Marketing d’Ingenico en tant que Head of Innovation. Elle était auparavant à la tête du Business Development de Mappy SA (France Telecom), où elle a lancé avec succès l’activité de navigation GPS avec les fabricants et opérateurs mobiles européens. Elle a également développé l’activité e-commerce du groupe Amadeus et QCNS (voyagiste leader sur internet). Dorina a obtenu un master au sein de la prestigieuse université italienne Bocconi-IULM, complété en 2003 par un MBA full-time en Marketing, Innovation et hi-Tech au sein de l’EDHEC

Keyrus Vincent Lagorce

Practice Manager Data Recovery

Vincent Lagorce possède plus de 10 ans d’expérience en Business Intelligence. Après avoir travaillé comme consultant Avant-vente, Chef de Projet et Directeur de Projet, il pilote et développe aujourd’hui l’activité de la Business Unit "Data Discovery". En s’appuyant sur une connaissance du marché et sur une expertise forte, son équipe accompagne les clients dans le choix de solutions et dans la mise en œuvre de projets de Data Discovery.

contributeurs

L’Oréal Laurence Kerjean

Global Digital Manager DPP

Laurence Kerjean commence sa carrière en 2002 chez Louis Vuitton en tant que responsable CRM avant de partir à Londres pour un poste de Direct Marketing Manager chez Selfridges, leader du retail sélectif en Grande Bretagne. Laurence a réalisé depuis 2005 l’ensemble de sa carrière chez L’Oréal (notamment en tant que chef de projet événementiel et Trade Marketing pour la marque Redken, Chef de Groupe pour L’Oréal Professionnel et Directrice marketing opérationnelle pour les marques Kérastase, Kéraskin et Shu Uemura en Europe). Elle intègre en 2011 la structure Business Development de la DPP et s’attèle à développer le contenu éducation business pour les 8 marques professionnelles du groupe avant d’être nommée, en septembre 2012, Global Digital Manager de la DPP.

Responsable du domaine Régie publicitaire Ingénieur financier de formation, Pierre-Olivier Sicamois commence son parcours chez Lagardère Active Publicité en 2004 en tant que chef de projet. Après avoir travaillé quelques années dans la gestion de projets au sein de Lagardère Active, PierreOlivier a été nommé en 2007 Responsable IT du domaine régie publicitaire. Il pilote à ce titre les projets technologiques de la Lagardère Publicité. Depuis 2011, il a aussi à sa charge certains projets transverses pour la Direction des Technologies.

Lagardère Active Pierre-Olivier Sicamois

Orange Catherine Ramus

Chef de projet Equipe design

Catherine Ramus travaille actuellement chez Orange dans l’entité de design intégrée au sein de l’équipe d’Advanced Design au Technocentre, équipe ayant notamment créé One concept de Orange, primé l’année dernière à l’Observeur du design avec une étoile. De formation ingénieur Optoélectronique, elle mène depuis 1996 de nombreux projets au sein des différentes structures d’innovation de France Télécom. Elle a aussi passé deux ans à la R&D de San Francisco. Depuis 2005, elle travaille avec des designers et a suivi tout récemment la formation Innovation by Design de l’ENSCI (École nationale supérieure de création industrielle).

Orange Lamia Delenda

Project Management Office

Diplômée de l’École Nationale Supérieure des Télécommunications, Lamia Delenda est depuis mars 2010 Directeur de projet en Management Office au sein de la Direction Réseau du Groupe Orange. Elle pilote à ce titre l'ensemble des projets "RéseauxArchitecture et Design" du groupe, ce qui lui permet d'anticiper les tendances et les développements possibles des modèles d'affaires du groupe à la rencontre de nouveaux marchés. Lamia a auparavant travaillé dans les fonctions de stratégies réseau et dans le domaine de la prospective réglementaire.
141

contributeurs

1

Pagesjaunes.fr Éric La jarige Responsable de projets search
Diplômé de l’École centrale de Lille et de HEC, Éric Lajarige entame sa carrière en 2004 chez Prosodie en tant que chef de produit. Il rejoint ensuite VSC Technologies (filiale technologique de Voyages-sncf.com) comme consultant fonctionnel et participe à ce titre à de nombreux projets internet dans le domaine de la distribution ferroviaire ou du voyage. De 2008 à 2010, Éric a piloté au sein de Voyages-sncf.com le projet de dématérialisation des titres de transport SNCF ainsi que le lancement des premières applications mobiles. Il est depuis 2010 responsable de projets search au sein de la direction des Opérations Search et Données de Pagesjaunes.fr

Pagesjaunes.fr Richard Coffre Senior Business Analyst
Senior Business Analyst à la Direction de la Production Annonceurs de PagesJaunes SA, Richard Coffre fut un des pionniers de la mise en oeuvre d'outils de data visualization au sein de PagesJaunes. Il accompagne la mise en place d'un pilotage de l'activité de la direction par une refonte des rapports d'activité et la mise en place de tableaux de bord. Adepte des méthodes agiles (notamment Scrum), il enseigne la gestion de projets à l'European Communication School de Paris, et convaincu de la nécessité d'apporter l'information au plus près des utilisateurs, il a opté pour une approche Data Visualization des KPI. Son leitmotiv est Keep It Simple and Smart (KISS).

Philips Menno Haijma

Senior Global Search Manager

Diplômé de l’université néerlandaise Rijksuniversiteit Groningen, Menno Haijma entreprend une carrière internationale dans le marketing online en 2005. Après avoir réalisé une étude de marché au Danemark au sein des publications Ventus et un stage chez NDC|VBK Publications aux Pays-Bas, il rejoint Google en Irlande comme senior account manager pour le marché Benelux. Il intègre en 2008 l’équipe management de Google Wroclaw en Pologne en tant que Team Strategist. Il est depuis 2011 senior Global Search Manager au sein de Philips Consumer Lifestyle aux Pays-Bas.

Responsable des études et développement Après des études en Intelligence Artificielle, Jérôme Tharaud amorce sa carrière en 1992 en tant qu'ingénieur dans une SSII. En 1994, il intègre une SSII spécialisée dans la BI où il devient Chef de projet / Consultant. Il pilote notamment la mise en œuvre de Data Warehouse et accompagne le développement de la BI chez différents clients. Il rejoint en 2000, le groupe Prisma Media en tant que Chef de projet RH où il pilote la refonte de l'ensemble du SIRH jusqu'à son externalisation. Depuis 2006, il est Responsable des études et développement du groupe.

Prisma Media Jérôme Tharaud

contributeurs

Roambi Thibaut de Lataillade Vice-président Europe du Sud
Thibaut de Lataillade a intégré Roambi en 2011 en tant que Vice-président pour l'Europe du Sud. Son expérience préalable de management, de vente, de marketing et de consultant en stratégie lui donne une position idéale pour aider les clients à comprendre les enjeux de la mobilité appliqués aux réalités du business. Thibaut est titulaire d'un diplôme de l'European Business School (EBS) à Paris, option finance.

Schlumberger Olivier Brousseau

Business Intelligence Program Manager

Diplômé de l’École Supérieure d'Électricité de Paris, Olivier Brousseau a travaillé trois ans au sein du groupe Sema, société de conseil spécialisée dans les prestations d’intégration IT et trois ans en tant qu’architecte software pour Atos Origin avant de rejoindre Schlumberger en 2005. Depuis 2012, après plusieurs années d’expérience dans le domaine de l’architecture informatique, il est responsable du programme BI du groupe.

SFR François Nguyen
Directeur SI décisionnel et marketing relationnel Expert comptable de formation, François Nguyen commence son parcours dans l’audit chez Deloitte Touche Tohmatsu (1993-1997), puis rejoint SAP France en tant que consultant. Il occupe depuis 2001 diverses fonctions au sein du groupe SFR : Responsable MOA DAF (2001-2003), Directeur MOA Finances-Achats (20032006), Directeur Solutions Finances-Achats Logistique (2007-2008) et Directeur du SI interne (2008-2011). Il a été nommé Directeur SI décisionnel et marketing relationnel en 2011 et s’occupe à ce titre de sujets liés à la connaissance client, la recommandation d’offres ou encore les outils de reporting des canaux.

SM Marketing Convergence Inc. Valente Corpuz Garin
Assistant Vice President IT - Information Technology Division Titulaire d’une licence en Computer Science de La Salle University (Manila), Valente Corpuz Garin a plus de vingt ans d’expérience dans l’IT. Il est depuis 2007 Responsable de la Division IT de Marketing Convergence Inc SM Advantage (58 personnes, budget annuel de 4,57 millions d’euros). Avant d’occuper cette fonction, Valente a travaillé dans le management de projets et l’implémentation de solutions notamment chez Oracle.
143

contributeurs

1

Responsable de l’équipe Statistique, Econométrie et Datamining, Direction Innovation & Recherche Diplômée de l’École Nationale de la Statistique et de l’Analyse de l’Information (ENSAI) et docteur en mathématiques de l’université de Paris VI (2005), Maguelonne Chandesris est en charge à la direction Innovation & Recherche de la SNCF d’une équipe spécialisée en Statistique, Econométrie et Dataminig.

SNCF Maguelonne Chandesris

SPF Economie Caroline Denil Data Warehouse Program Manager
Avant d’avoir rejoint le service public Économie en 2008, Caroline Denil a travaillé plus de 10 ans pour une société d’assurance. Elle a acquis des années d’expérience dans le domaine du Data Warehouse et de la Business Intelligence. Fort de son expertise, elle remporte en 2012 le prix SAS de l’excellence Best business analytics pour le projet Ecozoom.

STMicroelectronics Guillaume Deschamps
EDA Manager

FMT / Central Functions YTI /

Guillaume Deschamps a réalisé l’ensemble de sa carrière au sein de STMicroelectronics notamment en tant qu’ingénieur produit avant de s’impliquer dans les process d’optimisation du groupe. Il devient en 2007 chef de projet en Data Management en charge du déploiement du nouvel outil compagnie d’analyse de données sur Singapour, puis de la création des outils pour le support du transfert de 5 technologies des États-Unis vers Singapour. Il a été nommé en 2009 Responsable de la Sécurité et des interfaces client au sein de Wafer Foundries Outsourcing avant de prendre en charge les activités Data Analysis de toute la partie fonderie interne de STM (20 000 personnes).

& Market Knowledge

Ubisoft Charles du Réau

Directeur du département Consumer

Charles du Réau a intégré le groupe Ubisoft en 2003 pour créer le département études consommateurs. Il a réussi à mettre en place des programmes d'études échelonnées en fonction des étapes clés du cycle de vie des nouveaux produits. S’appuyant sur l’expertise acquise à Londres au sein de Procter & Gamble, il a lancé des méthodologies d’études innovantes adaptées au monde du jeu.  En 2008, il a constitué, en liaison avec le studio canadien, une nouvelle équipe dédiée au tracking dans les jeux, s’ouvrant ainsi au domaine de l'analytics. Plus récemment, il a opéré la refonte du pôle études de marché pour aider la Production, la Finance et la Direction Générale à mieux appréhender le virage vers les ventes digitales dans cette industrie.

contributeurs

Voyages-sncf.com Frédérique Ville Directrice de l'Innovation
Frédérique Ville a pour mission de développer l’innovation et les nouveaux projets en la matière au sein de Voyagessncf.com. Diplômée de l'École Polytechnique et de l'École Supérieure des Télécommunications, Frédérique commence sa carrière en 1994 au sein du groupe TRT-Philips Communications. Elle intègre ensuite la Division des Réseaux Nationaux à France Telecom avant de rejoindre la Branche Entreprises – Direction des Grands Projets et de l’International en tant que responsable du département technique jusqu’en 2001. Frédérique Ville intègre alors le groupe Orange puis Orange Experience au Technocentre et enfin directeur performance et process management au sein de la division Orange Business Services.

X Prime Group Pierre Pongi Directeur de Projet
Pierre Pongi obtient son Master en Marketing et Technologies de l'Information et de la Communication à l'IAE de Montpellier, ce qui le conduit dès 2007 au poste de Chef de Projet chez BuzzParadise, agence de web advertising du groupe Vanksen. Après avoir développé son expertise digitale à de nombreux domaines, il arrive chez X-PRIME Groupe en 2010. Directeur de Projet dans cette agence web indépendante, il conseille et accompagne quotidiennement ses clients sur de nombreuses problématiques métier : gestion de la présence digitale des marques, structure de l’information et expérience utilisateur, prise de parole sur les espaces sociaux, recommandation et optimisation e-commerce.

145

sas
sas est leader mondial du

1

décisionnel et des solutions de business analytics. Grâce

Les solutions sas couvrent l'ensemble des métiers de l'entreprise : finance, commercial,
marketing, achats, risques, pilotage des systèmes d'information, ressources humaines… et répondent aux spécificités de multiples secteurs d'activités.

à des solutions innovantes reposant sur une infrastructure intégrée, SAS aide ses clients -sur plus de 60 000 sites dans le monde- à améliorer leur performance et à produire de la valeur en leur permettant de prendre rapidement de meilleures décisions.

proposer une plate-forme décisionnelle d'entreprise ouverte et intégrée couvrant toutes les fonctionnalités du décisionnel : gouvernance
des données, analyse, restitution (reporting/ business intelligence) et visualisation exploratoire des données. La puissance de ses solutions repose sur un éventail unique d'outils d'analyse (standard, ad hoc, OLAP, alerte, statistique, prévision, modélisation, prédiction, optimisation) et une forte expertise métier.

sas est le seul éditeur à

Créé en 1976, sas est le plus important éditeur indépendant du marché du décisionnel avec un chiffre
d’affaires de 2,870 milliards de dollars réalisé en 2012. Ses solutions équipent 90 % des 100 premières sociétés citées dans Fortune 500.

sas France

Domaine de Grégy Grégy-sur-Yerres 77257 Brie-Comte-Robert www.sas.com/france Contact : Patricia Machet, Responsable du marketing stratégique Patricia.Machet@sas.com +33 1 60 62 12 38

sas

Serge Boulet

Directeur Marketing & Communication - SAS France Ingénieur de formation, Serge Boulet débute sa carrière dans des fonctions de maîtrise d’ouvrage dans le secteur de la finance. Il rejoint SAS France en 1985 et participe au démarrage des activités de la filiale française. Il y exerce plusieurs fonctions commerciales, de business développement et de marketing. Au cours de ces années, il contribue activement à la croissance de la filiale sur le marché français et accompagne les clients dans le développement de projets innovants et le déploiement des solutions SAS dans des domaines tels que le pilotage des risques, le marketing multicanal et plus généralement tous les domaines couvrant la Business Analytics. Sa connaissance des besoins métiers conjuguée à celle des équipes informatiques dédiées aux applications décisionnelles lui ont permis de développer une approche et un regard particulièrement pertinents sur la valorisation des informations de l’entreprise • Contact : Serge.Boulet@sas.com

Jérôme Cornillet

Responsable de l'offre SAS® Business Analytics - SAS France Statisticien et prévisionniste de formation universitaire. Après un début de carrière dédié à l'analyse d'essais thérapeutiques dans de grands laboratoires pharmaceutiques, Jérôme Cornillet a intégré SAS France en 1990. Sensibilisé aux problématiques métier des clients à travers des missions de conseil et de formation et passionné de nouvelles technologies, il est aujourd'hui responsable de l'offre SAS Business Analytics regroupant tous les composants de l'infrastructure analytique de SAS • Contact : Jerome.Cornillet@sas.com

Mouloud Dey

Directeur Solutions et Marchés Emergents - SAS France
Diplômé en économie mathématique et informatique à l’Université Paris-Ouest, et en marketing à l’Université de Paris Dauphine, Mouloud Dey a consacré sa carrière au secteur des nouvelles technologies de l’information et de la communication dans des missions de conseil, et de management couvrant les principaux domaines de l’informatique décisionnelle. Sa compréhension des besoins stratégiques des entreprises lui permet d’intervenir en partenaire de confiance des plus grandes entreprises dans des domaines analytiques variés. Il apporte régulièrement son expertise et sa vision personnelle sur des sujets innovants liés à l’ère numérique : Big Data, réseaux et médias sociaux, marketing digital, expérience client… • Contact : Mouloud.Dey@sas.com

Au-delà de ces experts, c’est toute une équipe SAS qui s’est mobilisée pour la réalisation de cet ouvrage par ses contributions, ses conseils, sa vision, son expérience. Nous remercions ici Ariane Liger-Belair Sioufi, Patricia Machet, Elisabeth Ziegler, Luca Garlanda, mais aussi tous ceux qui de près ou de loin ont permis à "dataviz" d’être publié.
147

ebg
L’ ebg est la plus importante communauté professionnelle française qui rassemble des décisionnaires d’entreprises actives dans l’industrie, les services, les médias… et qui ont pour point commun d’agir dans le sens de l’innovation. Le Conseil d’Administration de l’ebg se compose des
personnalités suivantes : Stéphane Richard Président-directeur général de France Télécom Orange Didier Quillot Président de Coyote System Jean-Bernard Levy Président de Vivendi jusqu’en juin 2012 François-Henri Pinault Président de PPR Wu Janmin Président de l’Institut de la Diplomatie de Beijing, Président du Bureau International des Expositions, Steve Ballmer CEO de Microsoft Sir Martin Sorrell Président de WPP Philippe Rodriguez Trésorier Pierre Reboul Secrétaire général

Les activités de l’ebg
L’ebg a pour vocation d’animer un réseau de compétences et de savoirfaire, en organisant chaque année plus de 120 tables rondes permettant aux cadres dirigeants de partager leurs expériences. Il y a ainsi dix communautés actives à l’ebg : les PDG/DG, les Directeurs des Achats, les responsables SI et Décisionnel, les Directeurs financiers les Responsables Juridiques et RH, les Directeurs Marketing, et Webmarketing/eCommerce, Les Directeurs Media et Mobilité et les Responsables de la communication… Chaque communauté se réunit au moins une fois par mois pour échanger et faire le point sur les nouvelles pratiques de leur fonction. Les séances sont filmées et diffusées en direct sur ebg.net.

Pour plus d’informations sur l’ebg :
Benjamin Glaesener Directeur général +33 1 45 23 05 12 benjamin.glaesener@ebg.net Arthur Haimovici Responsable du Pôle Études +33 1 48 01 65 61 arthur@ebg.net

Impression : Corlet Imprimeur Conception graphique/maquette : Thierry Badin @ Hite design graphique Copyright © 2013 SAS - EBG-Elenbi Tous droits réservés. Cet ouvrage ne peut en aucune manière être reproduit en tout ou partie, sous quelque forme que ce soit ou encore par des moyens mécaniques ou électroniques, y compris le stockage de données et leur retransmission par voie informatique sans autorisation des éditeurs, Elenbi et SAS. La citation des marques est faite sans aucun but publicitaire. Les erreurs ou les omissions involontaires qui auraient pu subsister dans cet ouvrage malgré les soins et les contrôles de l’EBG et Sas ne sauraient engager leur responsabilité. Electronic Business Group / Elenbi et SAS.