Open Data :
Visualisation sans code

Victor VILA [Open Data, RGPD]

Image : Etalab

Territoires Numériques

GIP e-bourgogne-franche-comté
GIP régional créé en 2008 avec le soutien de :
l’Etat, la Région, les 4 conseils départementaux de Bourgogne

Nos missions

  1. Contribuer à la modernisation des relations collectivités-État
  2. Répondre aux attentes de simplification exprimées par les usagers de l’administration
  3. Participer à la maîtrise des dépenses publiques
  4. Sensibiliser aux enjeux du numérique
  5. Venir en appui des politiques publiques d’aménagement numérique du territoire

Open Data

  1. Open data en 15 minutes
  2. Offre d'accompagnement Open data
  3. Open data et vie privée
  4. Visualisation de données

Objectifs

Apprendre à faire une première analyse des données

Créer des réprésentations visuelles attractives

Pourquoi explorer visuellement les données ?

John Snow a aussi une réponse !

Visualisation pour la connaissance pas pour la déco


Warming stripes. Données du WMO pour 1850 à 2018.

Explorer avec Raw

Pointez votre navigateur sur :
http://labo.e-bourgogne.fr/raw/

Nuage de points
- Scatterplot -

Données d'exemple > Emissions voitures

Explorons les relations entre ...

  • Poids et CO2 ?
  • Puissance et CO2 ?
  • Puissance et NOx ?
  • NOx et CO2 ?

Biais et corrélations

La corrélation n'implique pas une causalité.

(cf. Alberto Cairo - The Truthful Art)

1. Identification de motifs

Si ce biais existe, c'est parce qu'il est utile !

2. On attribue une explication

Apophénie : altération de la perception,
qui conduit un individu à attribuer un sens particulier à des événements banals
en établissant des rapports non motivés entre les choses (Wikipédia)

3. Biais de confirmation


https://www.outils-pour-reflechir.fr/wp-content/uploads/2015/12/recherche.png

Corrélation vs Causalité

https://www.tylervigen.com/spurious-correlations

Corrélation vs Causalité

https://www.tylervigen.com/spurious-correlations

Rayons de soleil
- Sunburst -

Explorons les proportions entre ...

  • NOx par marque et modèle ?
  • CO2 par marque et modèle ?
  • Et par gamme ?
  • Et par carroserie ?

Pour ou contre camemberts, sunbursts ?

Carte proportionnelle
- Treemap -

Objectif :

Objectif #2:

Graphique en aires
- Area -

Explorons les séries temporelles

Objectif :

Groupes de bulles
- Circle packing -

Données d'exemple > CO2 par pays

  • Quel continent pollue le plus ?
  • Quel pays pollue le plus ?
  • Afficher tous les pays groupés par continent
  • Quel pays pollue le plus par km² ?
  • Quel pays "progresse" le plus ?

On change les couleurs ?

Télécharger

Inkscape

https://inkscape.org/fr/

https://inkscape.org/fr/apprendre/

Principes d'une bonne visualisation

1. Basée sur des données fiables

* Données à jour
* Indiquez la méthode
* Indiquez la source

2. Claire et non ambigüe

3. Accessible


Ne pas communiquer une information que par la couleur

4. Utile, donnant une nouvelle perspective

5. Visuellement agréable

Pas besoin d'être un|e artiste, vérifiez :

* Mise en page
* Polices
* Couleurs

Dataviz ou infographie ?

Données Insee

Créons un tableau de bord

http://labo.e-bourgogne.fr/prez/opendata/ressources/

Ressources

Choissir un graphique

  1. Financial Times Visual Vocabulary – http://ft.com/vocabulary
  2. Data Viz Project – https://datavizproject.com/
  3. Data Viz Catalogue – https://datavizcatalogue.com

Outils en ligne

  1. RawGraphs - http://labo.e-bourgogne.fr/raw/
  2. DataWrapper - https://www.datawrapper.de/
  3. Flourish - https://flourish.studio/

Couleurs

  1. Color Hunt - https://colorhunt.co/
  2. Color Brewer - http://colorbrewer2.org/
  3. Viz Palette - https://projects.susielu.com/viz-palette
  4. Chroma.js - https://gka.github.io/palettes/

Autres ressources

  1. Atelier INSEE - http://labo.e-bourgogne.fr/prez/opendata/ressources/
  2. Flat Icon - https://www.flaticon.com/
  3. Visualising Data resources - http://www.visualisingdata.com/resources/
  4. Big List of Resources - http://lenagroeger.com/resources/

Merci