La mise en priorité du data storytelling est devenue impérative pour les explorateurs de données, y compris les utilisateurs d'affaires, les analystes de données, les spécialistes de l'exploration de données et d'autres personnes cherchant à obtenir des analyses intuitives, les analystes partageant leurs observations et les fournisseurs de produits qui affirment que leur plateforme raconte les données mieux que les autres. Toutefois, les techniques utilisées pour créer des histoires ont largement évolué et mûri avec le temps, mettant l'accent sur l'élégance et l'automatisation. Les êtres humains tendent à mieux comprendre et se rappeler des histoires que de simples chiffres ou faits. Les parties prenantes et les cadres dirigeants trouvent plus facile de se rapporter à des histoires de données expliquant l'histoire derrière les données plutôt qu'à un graphique ou une série de visualisations. Le data storytelling et les récits comblent le fossé entre les données et les gens.

Cependant, divers projets gourmands en données sont souvent livrés avec un accent mis sur les aspects techniques plutôt que sur les personnes, rendant à la fois la consommation difficile et la compréhension ardue de points de données qui pourraient être utilisés pour créer des actions concrètes dans un domaine d'affaires fonctionnel. Le récit est une pierre angulaire de l'expérience humaine et a été développé à travers divers médias au fil de l'histoire humaine — des traditions orales aux livres imprimés, aux films et même aux bandes dessinées. Les organisations aspirent à donner à leurs employés le pouvoir d'utiliser les données et de prendre des décisions plus intelligentes et efficaces. Malgré l'abondance de données, de nombreuses entreprises ont du mal à intégrer efficacement les données dans l'ensemble des flux de travail permettant la prise de décision. L'écosystème actuel de circulation des données permet l'accès aux données, mais échoue à soutenir la diversité des conversations organisationnelles autour de la donnée. Bien que les tableaux de bord constituent l'interface principale d'accès aux données, ils manquent souvent d'expressivité et de dynamisme nécessaire aux conversations de données et à la prise de décision véritablement significatives.

En résumé, les histoires sont :

Rapports traditionnels : Où est l'histoire ?

Au fil de l'histoire, le storytelling a été une pratique fondamentale. Les entreprises tenaient autrefois des registres méticuleux de données telles que les finances, l'inventaire de produits, etc., et prenaient des décisions éclairées pour définir les quantités selon les ventes passées ou les besoins de réapprovisionnement. Les gestionnaires s'appuyaient sur de l'analyse manuelle, compilaient les données en tableaux, puis publiaient et envoyaient les résultats pour utilisation, ce qui permettait d'avoir une vision précise des ventes, des pénuries, de l'offre et de la demande. Avec la transition de l'analogique au numérique, l'accessibilité des données s'est améliorée et la puissance informatique accrue nous a permis de mieux la comprendre. Au début du XXIe siècle, des systèmes avancés de rapports informatisés ou de tableaux de bord sont apparus et sont devenus des outils standard pour informer les employés sur les facteurs qui influencent leurs affaires.

Malgré le progrès technologique, l'objectif est resté le même : trouver des réponses aux questions qui préoccupent les décideurs : « Quels sont les risques et pourquoi ? », « Comment mon équipe performe-t-elle ? », « Comment pouvons-nous accroître les revenus tout en réduisant les coûts ? ». Pourtant, l'extraction de ces insights nécessitait d'importantes ressources et d'énormes investissements dans l'infrastructure de données. Les systèmes de rapports traditionnels exigeaient des compétences spécialisées livrées à temps. Les utilisateurs devaient souvent dépendre d'auteurs BI englués et débordés par d'innombrables requêtes sur des données semi-structurées, structurées, brutes, non filtrées, non formatées, et avec des outils limités, ralentissant l'obtention d'insights essentiels.

Même lorsque ces demandes étaient satisfaites, les réponses prenaient la forme d'une table de données, d'un cube, d'un rapport ou d'un tableau de bord statique qui manquait souvent de récit cohérent, laissant les utilisateurs dans l'incapacité de décoder correctement les données. Cela menait à une interprétation incohérente du rapport et donc à des résultats inconsistants. Ou bien, le récit restait caché dans la donnée parce que l'utilisateur final hésitait à effectuer le travail manuel nécessaire pour le comprendre. Ce défaut du reporting traditionnel a mené à la question : Y a-t-il une meilleure façon de diffuser et de consommer l'information ? Où est l'histoire ?

Visualisation de données et découverte : L'ascension du data storytelling

Avec l'arrivée des capacités interactives de découverte de données et des visualisations dynamiques, la situation s'est sensiblement améliorée pour les gestionnaires d'affaires. Les outils BI dotés de fonctions de découverte et de storytelling répondent aux besoins des professionnels en quête de plus de contrôle sur leur analyse et d'un meilleur accès aux données. Les utilisateurs généraux ont ainsi pu poser et répondre eux-mêmes à leurs questions, réduisant leur dépendance vis-à-vis du soutien informatique.

Avec l'adoption généralisée du nuage, les entreprises peuvent désormais lancer des projets sans investissement important. Les fonctionnalités en libre-service donnent encore plus de pouvoir aux utilisateurs. Ils peuvent maintenant intégrer plusieurs jeux de données pour des analyses plus robustes et s'appuyer là-dessus pour prévoir les résultats futurs. En utilisant ces capacités, les utilisateurs créent des visualisations riches afin de mettre en évidence des insights autrement cachés dans les données ou les rapports. Les visualisations servent de médium pour construire une histoire captivante à partir des données, un progrès par rapport à la limitation des rapports statiques et des tableaux de bord figés du passé. Ces formats désuets étaient souvent trop simplifiés, causant de la confusion à cause de la mauvaise représentation des mesures et dimensions, ou trop complexes, rendant l'interprétation difficile. De plus, l'histoire devenait rapidement obsolète, puisqu'elle ne pouvait être mise à jour en temps réel.

Le data storytelling inclut désormais une véritable histoire. Chacun peut partager des insights en créant des storyboards qui offrent davantage de contexte aux insights contenus dans les graphiques et diagrammes.

Comment construire une histoire de données

Les données et tableaux de bord représentent des catalyseurs importants à la prise de décision dans les organisations. Ils peuvent servir de documentation, dans laquelle les données facilitent la prise de décision et la collaboration en établissant des bases de référence. Ils constituent également des moyens de faire circuler l'information et les idées entre travailleurs de données et au sein de divers contextes organisationnels. Cependant, le rôle le plus crucial des données est de soutenir les conversations.

Ces conversations autour des données se répartissent en deux types : celles avec la donnée et celles qui se produisent à travers et autour des données. Les conversations avec la donnée impliquent des interactions directes entre l'utilisateur et ses données (travail individuel d'analyse). Les conversations à travers et autour de la donnée emploient les données comme vecteur d'information, de récit ou de point de vue envers autrui. De façon importante, les gens transforment la donnée comme stratégie de communication, anticipant la nécessité de la traduction pour faire passer la donnée d'un contexte à un autre. Les conversations autour de la donnée suscitent souvent de nouvelles questions et lights, engendrent des actions et créent simplement des connexions entre personnes.

Voici un cadre d'ensemble préparant, visualisant et racontant la donnée à l'échelle de l'entreprise.

Les analystes de données poursuivent habituellement des objectifs courants d'analyse, comme expliquer, prédire ou détecter une anomalie, qui s'alignent souvent avec ceux d'autres analystes. Toutefois, des différences peuvent s'observer au niveau du temps ou de la bande passante allouée à ces tâches, de leur maitrise des techniques d'analyse de données ou de l'accès à des équipes de soutien. On note que la surveillance, la recherche et la synthèse sont d'une importance particulière pour les analystes, mais sont souvent négligées lors de la conception d'outils pour ceux-ci.

En associant tâches et objectifs spécifiques, on distingue comment certaines tâches contribuent à plusieurs objectifs, alors que d'autres servent des finalités plus précises. Par exemple, la donnée pourrait être segmentée (groupée, filtrée ou agrégée) lors d'une analyse, tandis que la modélisation s'employait seulement pour prédire ou collaborer. De même, les efforts de formatage des données sont entrepris seulement si l'objectif est la circulation ou la discussion. De plus, les tâches comprennent l'accès, l'enrichissement, le façonnement et la construction en plus du partage de données qui jouent des rôles pivots pour faciliter les conversations à travers et autour de la donnée.

Tableau Story Points

La fonctionnalité Story Points de Tableau permet aux utilisateurs de créer des histoires de données convaincantes et interactives en leur donnant la possibilité d'annoter des visualisations spécifiques de manière séquentielle. Cette approche enrichit la compréhension en fournissant un contexte approfondi grâce à un récit explicatif.

Story Points sert de cadre structuré pour ordonner les visualisations de données de manière séquentielle, permettant de bâtir des récits avec début, milieu et fin cohérents — même pour de grands ensembles de données complexes. Cette fonctionnalité permet aux utilisateurs de tisser des récits issus de l'analyse de données, assurant que leurs présentations demeurent reliées à la donnée sous-jacente.

L’utilisation de Story Points pour communiquer des insights est un bond dans le temps par rapport à l'époque où les rapports statiques prédominaient. Toutefois, assembler une histoire cohérente requiert encore une exploration manuelle de la donnée. Et s'il existait un moyen d'utiliser l'IA pour aider les utilisateurs à découvrir de nouveaux insights et raconter une histoire plus complète et cohérente à grande échelle ?

Génération du langage naturel : Data storytelling automatisé

De nos jours, de nombreuses organisations reposent sur des chaînes de traitement de données sophistiquées et des systèmes BI robustes pour répondre aux besoins de rapports de la haute direction. L'intégration de concepts d'IA et d'apprentissage automatique (AA) dans la modélisation, la préparation de données, le calcul statistique, etc., a donné naissance au storytelling de données automatisé. L'automatisation couvre toutes sortes de tâches — du nettoyage au formatage des données, à la production d'insights statistiques et à la génération automatique de langage naturel (NLG), une fonctionnalité qui transforme la donnée en récit en anglais. Cette innovation révolutionne le processus de découverte et de visualisation des données en produisant instantanément des insights en langage naturel pour accompagner tableaux et graphiques, aidant ainsi l'utilisateur commun à mieux comprendre la donnée.

Il existe des extensions dans Tableau pour générer du langage naturel sur les tableaux de bord. Par exemple, Quill et Wordsmith sont des produits de NLG. Les insights sont alors présentés dans un langage intuitif et facile à comprendre, difficile à distinguer de ce qu'un analyste rédigerait.

L'automatisation du data storytelling accélère considérablement le délai d'obtention des insights pour ceux engagés dans le processus de découverte. Ces récits fondés sur les données détectent et communiquent efficacement corrélations, tendances et anomalies dans les données, facilitant la compréhension pour les utilisateurs novices dans leurs visualisations et permettant aux experts de creuser plus efficacement.

Le storytelling automatisé peut être mis en œuvre selon les volets suivants :

• Récits : Rapports en langage simple avec illustrations (ex. : rapports de patrimoine, rapports de patients)
• Infographies : Insights visuels pouvant être livrés dans votre boîte de courriel (ex. : segmentation clientèle, tendances de l'auditoire)
• Bandes dessinées : Susciter l'engagement et l'émotion avec des icônes, émoticônes, etc. (ex. : prévisions de prix ou de revenus)
• Vidéos : Insights livrés sous forme de vidéos automatisées (ex. : corrélation de facteurs, détection de types)

Ces récits peuvent être intégrés de façon transparente dans des pages Web ou publiés avec les visualisations, offrant un moyen simple et rapide de diffuser les conclusions — éliminant le besoin d'annotations manuelles sur le graphique. La capacité de dévoiler et véhiculer automatiquement les insights par la langue présente de nombreux avantages, dont celui de permettre aux gens d'interagir avec leurs données de façon naturelle et fluide. De plus, cela réduit la mauvaise interprétation de la donnée et assure une cohérence dans le partage, facilitant ainsi la prise rapide de décisions éclairées sur les principales découvertes.

En combinant NLG, détection automatisée de motifs et préparation de données en libre-service, on peut faire progresser l'expérience utilisateur des futures plateformes intelligentes de découverte de données et élargir les avantages de l'analytique avancée à une audience plus vaste d'utilisateurs et de scientifiques de données. À mesure que le data storytelling automatisé gagne en popularité, un plus grand nombre de personnes pourra explorer ses propres données, découvrir des insights et maximiser l'impact de son travail.

Conclusion

De la prévention des maladies à la compréhension des catastrophes naturelles, le potentiel des histoires de données est illimité. Imaginer l'impact de milliards de personnes racontant leurs expériences à travers les chiffres révèle un immense champ de génération d'idées, de création de modèles et de processus, etc. Les histoires ont toujours servi de vecteur universel de communication. Depuis l'Antiquité, elles servent à conserver et transmettre l'information. Avec une histoire de données, des millions de lignes peuvent être condensées en un seul récit. Suivre ce récit rend infiniment plus facile la compréhension des dynamiques sous-jacentes. Alors que la donnée peut révéler ce qui se passe, une histoire peut expliquer la cause. De plus, les histoires incitent à l'action. Et dans le monde actuel de surcharge informationnelle, il est essentiel de pouvoir prendre des décisions éclairées et exploitables avec toutes vos données.