Page 1
VISUALISER L‘INFORMATIONVISUALISER L INFORMATION
Exemples et astuces pour créer des représentations graphiques
0
2
4
6
8
8,5
9
9,5
10
Unemployment rate - 2011
0 Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov8
Maximilien Kintz, Lyon, jeudi 16 février 2012
© Fraunhofer
Maximilien Kintz, Lyon, jeudi 16 février 2012
Page 2
Twitter Traces
Harald Bosch, 2011, Université de Stuttgart
© Fraunhofer 2
Page 3
Pourquoi apprendre à visualiser l‘information ?
Offrir un meilleur niveau de compréhension des données
Permettre de voir l‘invisble
Et aussi : données de plus en plus diverses, nombreuses…
MaisMais…
Pièges à éviter
Le monde est plein de mauvais exemples Le monde est plein de mauvais exemples
Pas facile de faire simple et efficace
Besoins de règles et bonnes pratiques, y compris avec les logiciels usuels
© Fraunhofer
Page 4
AU SOMMAIRE…AU SOMMAIRE…
Présentation du Fraunhofer IAO
Visualisation de l‘information : historique et définitions
Quelques grands principes
Créer des représentations graphiques simples
Quelques règles Quelques règles
Bons et mauvais exemples
Sources Sources
Résumé et conclusion
© Fraunhofer 4
Page 5
AU SOMMAIRE…AU SOMMAIRE…
Présentation du Fraunhofer IAO
Visualisation de l‘information : historique et définitions
Quelques grands principes
Créer des représentations graphiques simples
Quelques règles Quelques règles
Bons et mauvais exemples
Sources Sources
Résumé et conclusion
© Fraunhofer 5
Page 6
Fraunhofer-GesellschaftFraunhofer Gesellschaft
Partner for Innovations
© Fraunhofer IAO, IAT University of Stuttgart
Page 7
Profile of Fraunhofer-Gesellschaft
Founded: 1949
18 000 employees
More than 80 research institutes, More than 80 research institutes, of which 60 operate as independent profit centres
Europe: Brussels (Belgium), Moscow (Russia),Budapest (Hungary), Jönköping (Sweden), p ( g y), p g ( ),Bolzano (Italy), et al.USA: Boston (Massachusetts), Pittsburgh (Pennsylvania),Plymouth (Michigan) Providence (Rhode Island)Plymouth (Michigan), Providence (Rhode Island),College Park (Maryland), Peoria (Illinois)Asia: Ampang (Malaysia), Beijing (China), Jakarta(Indonesia), Koramangala Bangalore (Indien), Seoul(Korea), Singapore, Tokio (Japan)Middle East: Dubai (United Arab Emirates), Cairo (Egypt)
© Fraunhofer
Page 8
Joseph von Fraunhofer Fraunhofer-Gesellschaft(1787 1826) (since 1949)(1787 - 1826) (since 1949)
Di f h h P id ´Discovery of the»Fraunhofer Lines«in the solar spectrum
Researcher e.g. the President´sGerman Future Award in 2004for electrical biochip technology
New methods forlens processing
e.g. two new patentapplications every working day
Inventor
Managing partner ofthe Royal Glass Factory
e.g. ~ € 463 million revenues fromindustry (approx 4000 contracts) per
Entrepreneurthe Royal Glass Factory industry (approx. 4000 contracts) per
year
© Fraunhofer
Page 9
Profile of Fraunhofer-Gesellschaft
Annual research budget: 1.65 billion Euros*
Including approx. 1.4 billion Euros for contractresearch*
Roughly over 70% of this sum is generated through
Projects commissioned by industry and
Publicly funded research projectsy p j
Roughly 30% is provided by the German state andfederal governments for advanced research(looking at issues that will be of concern to the economy and society in general in five or ten years time).
* Figures for 2010 Figures for 2010
© Fraunhofer
Page 10
Profile of Fraunhofer-Gesellschaft
Research & Development
Applied research to the direct benefit of privateand public enterprises and of interest to the society
Applied research
Research on behalf of the German Federal Ministryof Defence
Entrepreneurial mindset
Institutes operate as profit centres
Spin-offs by Fraunhofer researchers are activelysupported
Contract partners / Customers
Industrial and service companies
Public sector
© Fraunhofer
Page 11
Allianceswithin Fraunhofer-Gesellschaftwithin Fraunhofer Gesellschaft
Information and Communication Technology*
Life Sciences
Light & Surfacesg
Microelectronics
Production
Materials and Components Materials and Components
Defence and Security
* Membership of Fraunhofer IAO
© Fraunhofer
Page 12
Frontline ThemesTomorrow´s OpportunitiesTomorrow s Opportunities
Personal health assistant – the electronic guardian angel
Bio-functional surfaces – High tech with a sensitive skin
Food chain Management – Always fresh on the tableg y
Decentralized integrated water – Saving precious water
Energy-efficient modernization – More than just a façade
Solid-state light sources – Bright and efficient illumination Solid-state light sources – Bright and efficient illumination
Energy storage in power grids – Solar- and wind-generated electricity on demand
Green power train technologies – New impetus for eco-friendly cars Green power train technologies New impetus for eco friendly cars
Energy self-sufficient sensors and sensor networks – Vigilant clusters
Visual analytics – A clear overview in the data jungle
Hybrid material structures Combining the best of the best Hybrid material structures – Combining the best of the best
Integrated localization technology – On the move – quick and safe
© Fraunhofer
Page 13
© Fraunhofer IAO, IAT University of Stuttgart
Page 14
Profile of IAO and IATwww.iao.fraunhofer.de – www.iat.uni-stuttgart.dewww.iao.fraunhofer.de www.iat.uni stuttgart.de
Founded: IAO – 1981IAT – 1991
Head of Institute: Prof. Dr.-Ing. Dr.-Ing. E.h. Dieter SpathDieter Spath
Budget: 31,5 million Euro, of which 33%are generated from industrial contracts
Staff: 480 employees
Figures from 2010, including IAT University of StuttgartFigures from 2010, including IAT University of Stuttgart
© Fraunhofer
Page 15
Aerial of the Institute Campus in StuttgartFraunhofer IAO and IAT University of StuttgartFraunhofer IAO and IAT University of Stuttgart
© Fraunhofer IAO, IAT University of Stuttgart
Page 16
The Pillars of SuccessOur Areas of ExpertiseOur Areas of Expertise
Corporate Development and Work DesignFuture oriented corporate development I Design of productive work environments I Interconnect processes efficiently
Service and Human Resources ManagementMake the most of employees’ potential I Target-oriented competence development I Services with a strong customer focus
Engineering SystemsAdvance Virtual Engineering systematically I Design ergonomics into technical
systems I Rethink the concept of mobility
Information and Communication TechnologyDesign intuitive interactive systems I Apply process innovation successfully I
Exploit the full potential of ITp p
Technology and Innovation ManagementStrengthen innovation capabilities I Develop technology strategies IEnhance R&D performance
© Fraunhofer
Enhance R&D performance
Page 17
Laboratories, Demonstrationand Consulting Centresand Consulting Centres
Virtual Reality Lab with HyPI 6 (6-wall-Cave), »PIcasso« and Powerwall
Vehicle Interaction Lab ServLabLampo II
© Fraunhofer
Page 18
Laboratories, Demonstrationand Consulting Centresand Consulting Centres
Office Innovation Center (OIC)Lab Innovation Center (LIC)
Visual Enterprise Management (VISUM)
»Bank and Future« Showcase
© Fraunhofer
( SU )
Page 19
Laboratories, Demonstrationand Consulting Centresand Consulting Centres
Electronic Business Innovation CenterInteraction Lab
m-Lab: Mobile Software ApplicationsUsability Lab with Visualisation Room and Eye Tracking System
© Fraunhofer
Page 20
Laboratories, Demonstrationand Consulting Centresand Consulting Centres
LightFusionLab Model Factory
Ergonomy New Media Communication LabMedia Enabled Enterprise Lab
© Fraunhofer
Page 21
Laboratories, Demonstrationand Consulting Centresand Consulting Centres
»FutureHotel« Showcase »Care 2020« Showcase
© Fraunhofer
Page 22
www.iao.fraunhofer.de
blog.iao.fraunhofer.de
wiki iao fraunhofer de wiki.iao.fraunhofer.de
m.iao.fhg.de
https://shop.iao.fraunhofer.dep p
i f h f d / d di /407 www.iao.fraunhofer.de/presse-und-medien/407-rss
https://informationen.iao.fraunhofer.de
© Fraunhofer
Page 23
Webmining Cockpit
© Fraunhofer
Page 24
Ontologie de l‘artisanat en Allemagne
© Fraunhofer 24
Page 25
AU SOMMAIRE…AU SOMMAIRE…
Présentation du Fraunhofer IAO
Visualisation de l‘information : historique et définitions
Quelques grands principes
Créer des représentations graphiques simples
Quelques règles Quelques règles
Bons et mauvais exemples
Sources Sources
Résumé et conclusion
© Fraunhofer 25
Page 26
6200 av. JC
Carte de Çatalhöyük (Turquie)
Reconstitution
© Fraunhofer 26
Page 27
3000 av. JC
Tablette d‘Uruk (Mésopotamie) : distribution de grain au temple (?)
Metropolitan Museum of Art
© Fraunhofer 27
Page 28
50 av. JC
Zodiaque de Dendérah, Égypte
Musée du Louvre
© Fraunhofer 28
Page 29
XVIIe
Descartes
Graphes 2D de fonctions mathématiques
© Fraunhofer 29
Page 30
XVIIIe
William Playfair, ÉcosseDiagrammes en colonnes, en lignes et circulaires
© Fraunhofer 30
Page 31
XVIIIe
Importations et exportations de l‘Écosse 1780-1781 (1786)
William Playfair, ÉcosseDiagrammes en colonnes, en lignes et circulaires
p p
© Fraunhofer 31
Page 32
XIXe
Carte du Dr. Snow, épidémie de choléra à Londres, 1854
© Fraunhofer 32
Page 33
XIXe
C t fi ti d t i h d l'A é F i
Charles Joseph Minard, ingénieur civil francais
Carte figurative des pertes successives en hommes de l'Armée Françaisedans la campagne de Russie 1812-1813 (1869)
© Fraunhofer 33
Page 34
1932
Plan du métro de Londres, Harry Beck
© Fraunhofer 34
Page 35
1967
Jacques Bertin
Cartographe francais
1967
Sémiliogie graphique
Théorie et définitionsThéorie et définitions
© Fraunhofer 35
Page 36
1977
John Tukey, statisticien
Boîtes à moustaches
1er quartille 3e quartilleq q
Minimum MaximumMédianeou… ou…
© Fraunhofer 36
Page 37
1983
Edward Tufte
The Visual Displayof Quantitative Information
Chartjunk
Data-ink ratio
Lie factor
…
cf. plus tard
© Fraunhofer 37
Page 38
Années 1990
Ben Shneiderman, Treemaps (ici : Newsmap) pour données hierarchisées
© Fraunhofer 38
Page 39
2005 – Sparklines
Tufte, visualisations intenses,de la taille d‘un mot
Intégration dans tableaux ou texteIntégration dans tableaux ou texte
Possibilité d‘indiquer clairementla valeur courante et le cadre des
l blvaleurs acceptables
© Fraunhofer 39
Page 40
2005 – Sparklines
Eytan Adar et al., Why We Search: Visualizing and Predicting User Behavior, 2007
© Fraunhofer 40
Page 41
2005 – Bullet graphs
80%
100%
40%
60%Excellent
Bon
Moyen
Courant
0%
20%
Pommes Poires
Objectif
Stephen Few
Pommes Poires
p
Différence objectif / courant
Bullet graph vertical possible avec Excel
© Fraunhofer 41
Page 42
2011 – Gestaltlines
Ulrik Brandes and Bobo Nick, Asymmetric Relations in Longitudinal Social Networks, 2011
© Fraunhofer 42
Page 43
Visualisation de l‘informationClassificationClassification
Visualisation
Visualisation de données
i li iVisualisationi tifi
Visualisationde scientifique de
l‘information
© Fraunhofer 43
Page 44
Visualisation ou Visualisation de donnéesDéfinitionDéfinition
La visualisation ou la visualisation de données couvretous les types de représentations visuelles qui facilitentl l i l l l i i d dl‘exploration, l‘analyse et la communication de données.
Les termes visualisation de l‘information etvisualisation scientifique désignent des
bl d l i li ti d d ésous-ensembles de la visualisation de données.
S. Few, Now You See It, Analytics Press, 2009.
© Fraunhofer 44
Page 45
Visualisation de l‘informationDéfinitionDéfinition
La visualisation de l‘information est l‘utilisation de représentations visuelles, interactives et assistées par
di d d b i f ili lordinateur de données abstraites pour faciliter la cognition.
S. Card, J. Mackinlay, B. Shneiderman,Readings in Information Visualization, Academic Press, 1999.
© Fraunhofer 45
Page 46
Visualisation scientifiqueDéfinitionDéfinition
Par opposition, la visualisation scientifique est la représentation visuelle de données scientifiques
h iphysiques.
S. Card, J. Mackinlay, B. Shneiderman,Readings in Information Visualization, Academic Press, 1999.
© Fraunhofer 46
Page 47
Visualisation scientifiqueDéfinitionDéfinition
La visualisation est une méthode de calcul. Elle transforme le symbolique en géométrique et permet auxh h d b l i l i l lchercheurs d‘observer leurs simulations et calculs. La
visualisation propose des méthodes pour voir l‘invisible.
McCormick, B.H., T.A. DeFanti, M.D. Brown, Visualization in Scientific Computing,Computer Graphics Vol. 21.6, November 1987
© Fraunhofer 47
Page 48
Visualisation scientifiqueDéfinitionDéfinition
La visualisation scientifique concerne l‘exploration de données et d‘informations de telle sorte qu‘il est possibled d l d b d ff ide comprendre les données. Son but est d‘offrir unmeilleur niveau de compréhension des données et d‘encourager de nouvelles découvertes en s‘appuyant surd encourager de nouvelles découvertes en s appuyant surla capacité des humains à visualiser.
K.W. Brodlie, L.A. Carpenter, R.A. Earnshaw, J.R. Gallop, R.J. Hubbard, A.M. Mumford, C.D. Osland, P. Quarendon, Scientific Visualization,Techniquesand Applications,Springer-Verlag, 1992.
© Fraunhofer
and Applications,Springer Verlag, 1992.
48
Page 49
Visualisation scientifiqueDéfinitionDéfinition
Une définition simple de la visualisation peut êtrel‘association (mapping) de données à des représentations
i d i iqui peuvent être percues. Les types d‘associationspeuvent être visuels, auditifs, tactiles etc., ou unecombinaison de ceux ci combinaison de ceux-ci.
J. Foley and B. Ribarsky, Next-generation Data Visualization Tools, in Scientific Visualization, 1994, Advances and Challenges, Academic Press.
© Fraunhofer 49
Page 50
AU SOMMAIRE…AU SOMMAIRE…
Présentation du Fraunhofer IAO
Visualisation de l‘information : historique et définitions
Quelques grands principes
Créer des représentations graphiques simples
Quelques règles Quelques règles
Bons et mauvais exemples
Sources Sources
Résumé et conclusion
© Fraunhofer 50
Page 51
Pipeline de la visualisation
Données (bases, simulations, capteurs…)
AcquisitionAcquisition
Données brutes
Filtrage
Données de visualisationDonnées de visualisation
Association (mapping)
Représentation pouvant être rendue
RenduD é Rendu
Visualisation
Données
Processus
© Fraunhofer 51
Page 52
Principes de la forme
Gestaltprinzipien
Christian von Ehrenfels, Autriche, 1912
Max Wertheimer, Allemagne, 1923
Bonne forme
Bonne continuité Bonne continuité
Proximité
Similitude (forme taille couleur orientation) Similitude (forme, taille, couleur, orientation)
Clôture
Destin commun : des parties en mouvement ayant la même trajectoire p y jsont perçues comme faisant partie de la même forme.
Ces lois agissent en même temps et se concurrencent !
© Fraunhofer 52
Page 53
Bonne forme
Un ensemble de parties informe (comme des groupements aléatoires de points) tend à être perçu d b d ( i ) fd’abord (automatiquement) comme une forme, cette forme se veut simple, symétrique, stable.
© Fraunhofer 53
Page 54
Bonne continuité
© Fraunhofer
Page 55
Bonne continuité - conséquences
4
5
2
3
1
2
0
1 2 3 4
© Fraunhofer 55
Page 56
Similitude : forme
© Fraunhofer 56
Page 57
Similitude : taille
© Fraunhofer 57
Page 58
Similitude : couleur
© Fraunhofer 58
Page 59
Similitude : couleur - conséquences
4
5
3
4
2
1
0
A B C D
© Fraunhofer 59
Page 60
Similitude : orientation
© Fraunhofer 60
Page 61
Proximité
© Fraunhofer 61
Page 62
Proximité – conséquences
Nom Prénom Année
Minard Charles Joseph 1869Minard Charles Joseph 1869
Playfar William 1786
Tufte Edward 1983
© Fraunhofer 62
Page 63
Clôture
© Fraunhofer 63
Page 64
Combinaisons et priorités
© Fraunhofer 64
Page 65
Combinaisons et priorités - conséquences
Nom Prénom Année
Minard Charles Joseph 1869Minard Charles Joseph 1869
Playfar William 1786
T f Ed d 1983Tufte Edward 1983
© Fraunhofer 65
Page 66
AU SOMMAIRE…AU SOMMAIRE…
Présentation du Fraunhofer IAO
Visualisation de l‘information : historique et définitions
Quelques grands principes
Créer des représentations graphiques simples
Quelques règles Quelques règles
Bons et mauvais exemples
Sources Sources
Résumé et conclusion
© Fraunhofer 66
Page 67
Couleurs
Saturation (couleurs vives ou fades) ou valeur (couleurs claires ousombres) : ordre mais pas de valeur
Teinte : pas d‘ordre Teinte : pas d ordre
1 ?
© Fraunhofer 67
Page 68
Couleurs
Daltonisme : environ 10 % des hommes, 1 % des femmes
Éviter les combinaisons rouge / vert
Ne pas utiliser la couleur comme seul discriminant
Illustration : http://blog robbowley net
© Fraunhofer 68
Illustration : http://blog.robbowley.net
Page 69
Précision
Longueur : précis, grille possible pour aider
Position 2D (x, y) : précis, grille possible
Angles, surfaces : pas précis, possible, grille pas possible
Volumes : quasi impossible
= 1= ?
= 1= ?
© Fraunhofer 69
Page 70
Précision : conséquences
Pas de 3D (sauf cas très particuliers)
Pas de visualisation de données simples avec des surfaces ou des angles
Privilégier diagrammes en lignes, en colonnes…
6
8
0
2
4
© Fraunhofer 70
Page 71
Shame on Fox News
© Fraunhofer 71
Page 72
Automne 2012 à Stuttgart…
Bleu: 1,747 milliards, rouge: 1,229 milliards différence: 40% !
© Fraunhofer 72
Page 73
Même sans 3D…
7
3
4
6
8
4
0
2
4
50
© Fraunhofer 73
Page 74
Shame on Fox News… again!
Unemployment rate - 2011
9,5
10
p y
8
8,5
9
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov
© Fraunhofer 74
Page 75
Rapport données / encre (Data-ink ratio)
Avant tout, montrez les données !
Rapport données / encre = proportion du graphique dédié à la présentation, sans redondance de données informativessans redondance, de données informatives
= encre utilisée pour présenter des données / encre utilisée en tout pourimprimer le graphique
Rapport données / encre = Encre qui présente des données
E tili é i i l hiEncre utilisée pour imprimer le graphique
© Fraunhofer 75
Page 76
Redondance inutile
5050
4042
40
3030
10
20
10
20
0
10
0
10
AA
© Fraunhofer 76
Page 77
Chartjunk
Déchets graphiques
Ne pas distraire, ne pas déformer, ne pas masquer les données
Le plus simple est souvent le mieux…
© Fraunhofer 77
Page 78
Coefficient de distorsion (Lie factor)
Différence en valeur : (27,5 - 18) / 18 : 53 %
Différence en représentation : (5,3 - 0,6) / 0,6 : 783 %
Coefficient de distorsion : 783 / 53 = 17,8
© Fraunhofer 78
Page 79
Tableaux
Bordures et espacement :
Utiliser l‘espacement pour séparer les valeurs
É Éventuellement, utiliser des couleurs de fond discrètes
Éventuellement, utiliser des bordures discrètes (grises)
Alignement :
Aligner les nombres à droite précision constante Aligner les nombres à droite, précision constante
Aligner les dates à gauche, format qui donne une taille constante
Aligner le texte à gaucheg g
Aligner les en-têtes de colonnes comme le contenu
Répeter les en-têtes sur chaque page
© Fraunhofer 79
Page 80
Devise de la recherche visuelle d‘information
1996, Ben Shneiderman
1. Vue d‘ensemble
2. Zoomer et filtrer
3 Détails à la demande3. Détails à la demande
© Fraunhofer 80
Page 81
Vue d‘ensemble > Zoomer et filtrer > Détails à la demande
1430 actions, cours à la clôture des marchés, 52 semaines
© Fraunhofer 81
Page 82
Vue d‘ensemble > Zoomer et filtrer > Détails à la demande
© Fraunhofer 82
Page 83
Vue d‘ensemble > Zoomer et filtrer > Détails à la demande
Logiciel : TimeSearcher (gratuit pour usage non commercial)
© Fraunhofer 83
Page 84
Exercice
Source : S. Few, Show Me The Numbers
© Fraunhofer 84
Page 85
Exercicell Grille inutile
Années ? Monnaie ?
Grille 3D
Fond gris
Grille inutile
Objets 3D
Trop d‘indicationssur l‘axe
Précision inutile !
Données discrètes reliées
Précision inutile !
Trimestres misen avant ?
Trop de catégories
OrientationOrientation
Source : S. Few, Show Me The Numbers
© Fraunhofer 85
Page 86
Exemple de solution
Relier par un trait lesvariables continuesvariables continues
Associer par les couleursles capacités identiques
Trois graphiques clairs plutôtqu‘un seul chargé
Axes aussi simples que possible Axes aussi simples que possible
Échelle adaptée
Source : S. Few, Show Me The Numbers
© Fraunhofer 86
Page 87
AU SOMMAIRE…AU SOMMAIRE…
Présentation du Fraunhofer IAO
Visualisation de l‘information : historique et définitions
Quelques grands principes
Créer des représentations graphiques simples
Quelques règles Quelques règles
Bons et mauvais exemples
Sources Sources
Résumé et conclusion
© Fraunhofer 87
Page 88
Jacques Bertin
© Fraunhofer 88
Page 89
Edward R. Tufte
© Fraunhofer 89
Page 90
Stephen Few
© Fraunhofer 90
Page 91
Stephen Few
© Fraunhofer 91
Page 92
Robert L. Harris
© Fraunhofer 92
Page 93
David McCandless
© Fraunhofer 93
Page 94
2000
McCandless : l‘esthétique avant l‘information
© Fraunhofer 94
Page 95
Sources – Sites Web et cours
http://www.perceptualedge.com/ (lettre d‘information)
http://www.edwardtufte.com (forum)
http://infosthetics.com/
http://junkcharts.typepad.com/
http://www excelcharts com/blog/http://www.excelcharts.com/blog/
http://www.informationisbeautiful.net/
Cours d‘introduction aux systèmes graphiques interactifs etcours de visualisation, Prof. T. Ertl, Université de Stuttgart
© Fraunhofer 95
Page 96
AU SOMMAIRE…AU SOMMAIRE…
Présentation du Fraunhofer IAO
Visualisation de l‘information : historique et définitions
Quelques grands principes
Créer des représentations graphiques simples
Quelques règles Quelques règles
Bons et mauvais exemples
Sources Sources
Résumé et conclusion
© Fraunhofer 96
Page 97
À retenir
Montrer les (bonnes) données, faire passer le message
Séparer décoration et information
3D jamais utile, souvent nuisible
Privilégier les lignes droites aux courbes, les longeurs aux surfaces
Alléger ce qui peut l‘être éviter la redondance les grilles qui Alléger ce qui peut l‘être, éviter la redondance, les grilles quiemprisonnent les données
Attention aux couleurs
© Fraunhofer 97
Page 98
Maximilien KintzChercheur et consultant Fraunhofer IAOChercheur et consultant, Fraunhofer IAO
Web and Business IntelligenceFouille, analyse et présentation de données sur Internet
[email protected]
Nobelstr. 12, 70569 Stuttgart (Allemagne)
Twitter @webintelligenzTwitter @webintelligenz
http://www.innovation-mining.net/
+49 711 970-2182
© Fraunhofer