Qu'est-ce que le data storytelling ?

Pourquoi le storytelling de données est important

Savoir présenter un récit de données convaincant est important, car cela aide les gens à saisir rapidement des insights qui pourraient autrement être dissimulées dans des datasets volumineux ou complexes. Au lieu de demander à quelqu'un d'interpréter lui-même des chiffres bruts ou des graphiques denses, le récit de données présente des quantités d'informations digestes de manière claire et attrayante, en se chargeant d'une grande partie du travail d'analyse. Cela rend les insights plus accessibles aux publics non techniques et favorise une prise de décision plus solide et plus éclairée au sein d'une organisation.

Le data storytelling améliore également la communication entre les analystes et les parties prenantes en créant une compréhension commune de ce que les données montrent et de leur importance. Lorsque les insights sont présentés sous forme d'histoire, ils deviennent plus faciles à mémoriser et à discuter, et plus utiles pour orienter l'action.

Avantages pour les décideurs

La narration de données aide les décideurs à comprendre plus rapidement en mettant en évidence les conclusions les plus importantes et en supprimant la complexité inutile. Au lieu de parcourir des tableaux de bord ou des feuilles de calcul, les dirigeants peuvent se concentrer sur le message clé.

Il apporte également une plus grande clarté aux insights, en montrant non seulement ce qui se passe, mais aussi pourquoi cela se produit et ce que cela signifie pour l'entreprise. Cette clarté favorise un meilleur alignement des parties prenantes, en garantissant que les équipes des différents services interprètent les données de manière cohérente et avancent avec une compréhension commune.

Avantages pour les équipes d'analytique

Pour les équipes d'analytique, le storytelling des données est utilisé pour favoriser une communication plus efficace des résultats. Les analystes peuvent présenter les résultats d'une manière qui trouve un écho auprès d'un public non technique, augmentant ainsi la probabilité que les insights soient comprises et utilisées. Cela crée un plus grand impact, car les recommandations sont plus susceptibles d'influencer les décisions et d'inciter à l'action.

Le data storytelling aide également les analystes à séparer les signaux du bruit dans les données, en attirant l'attention sur les tendances, les modèles et les relations les plus importants. En guidant le public à travers les données, les équipes d'analytique peuvent s'assurer que les insights critiques ne sont pas négligés.

Globalement, le data storytelling renforce le lien entre les données et l'action, aidant les organisations à prendre des décisions meilleures, plus rapides et plus alignées.

Éléments clés d'une data story

Une narration de données percutante rassemble des informations, des visuels et un récit de manière à aider le public à comprendre clairement la signification des données et leur importance. Bien que chaque histoire soit différente, les narrations de données les plus efficaces partagent quatre éléments fondamentaux :

• Contexte
• Conflit
• Résolution
• Un appel à l'action

Ces éléments se combinent pour former une structure narrative familière qui permet au lecteur de suivre plus facilement la relation entre les insights et les données, rendant l'information complexe plus facile à analyser et les insights plus faciles à mémoriser.

Contexte

Le contexte d'un récit de données fournit aux lecteurs les informations de base dont ils ont besoin pour interpréter les données. Il explique ce que les données représentent, d'où elles proviennent et pourquoi elles sont analysées. Un contexte clair aide le public à se concentrer et à orienter sa réflexion dans le cadre du récit que les données tentent de raconter. Le contexte prépare également le terrain pour le reste du récit en donnant au public les bases nécessaires avant d'explorer les résultats.

Les éléments clés du contexte peuvent inclure :

• Le problème métier ou la question abordée par les données
• Le cadre temporel ou la portée
• L'audience ou les parties prenantes concernées

Conflit

Le conflit est un terme de storytelling qui, dans le contexte des données, désigne l'insight, le problème, la tendance ou la découverte inattendue qui se dégage des données. C'est le tournant de l'histoire qui capte l'attention et montre pourquoi les données sont importantes. Un conflit peut révéler un schéma surprenant, un écart de performance, un risque croissant ou une opportunité qui n'était pas visible auparavant. Voici d'autres exemples spécifiques :

• Une baisse soudaine de la satisfaction client
• Une tendance qui contredit les attentes
• Un écart entre les objectifs et les performances réelles

L'élément de conflit donne de l'élan au récit de données en soulignant la tension à résoudre ou l'action à entreprendre. 

Résolution

L'élément de résolution explique ce que les données révèlent une fois qu'elles ont été entièrement analysées. Il clarifie la signification du conflit et montre comment l'insight s'inscrit dans un contexte plus large. Cette partie de l'histoire aide le public à comprendre la cause première, les implications ou les relations découvertes lors de l'analyse. La résolution est la partie du storytelling qui transforme les résultats bruts en une compréhension plus claire.

Appel à l'action

L'appel à l'action identifie la décision, l'action ou la prochaine étape soutenue par l'insight. Il relie le récit de données à des résultats concrets en expliquant ce qui doit se passer ensuite. Un appel à l'action efficace est spécifique, pratique et aligné sur le problème métier ou la question d'origine traités par les données, ainsi que sur les besoins du public. Il garantit que le récit mène à une action pertinente, au lieu de se contenter de présenter des informations pour elles-mêmes.

Cadres de data storytelling

Une technique de storytelling utile consiste à utiliser un cadre pour fournir une structure narrative et aider à transformer l'analyse en un contenu clair et attrayant qui guide l'organisation des informations, la révélation des insights et la façon de mener le public vers la compréhension et l'action. Voici quelques-uns des cadres les plus courants, généralement utilisés pour aider les data storytellers à organiser les informations, à concevoir des visuels et à guider le public de manière claire et attrayante.

 Les cinq étapes du storytelling

Un cadre qui peut vous aider à visualiser le flux d'un récit de données et à lui donner une structure narrative consiste à le considérer comme une séquence en cinq étapes :

• Introduction : énonce brièvement le sujet ou la question que les données traiteront.
• Mise en place : Fournit les informations de base, le contexte et les données nécessaires à la compréhension de la situation.
• Conflit : met en évidence l'insight clé, le défi ou le modèle inattendu découvert dans les données.
• Insight : explique ce que signifie le conflit et pourquoi il est important.
• Conclusion : résume les points à retenir et prépare le public aux prochaines étapes.

Cette progression simple correspond à la façon dont les gens traitent naturellement les informations, ce qui permet au public de suivre plus facilement l'histoire du début à la fin. 

Les quatre P du storytelling

Plutôt qu'une séquence d'éléments narratifs, ce cadre se concentre sur les composants essentiels qui façonnent un récit, c'est-à-dire les quatre P : personnes, lieu, intrigue et objectif :

• Personnes : Décrivez qui est concerné par l'insight ou impliqué dans la situation.
• Lieu : Décrivez l'environnement, le secteur d'activité ou le contexte où les données s'appliquent.
• Intrigue : Présentez la séquence d'événements ou les tendances illustrées par les données.
• Objectif : Expliquer la raison pour laquelle l'histoire est racontée et le résultat qu'elle soutient.

Pour certains récits de données, ce cadre peut apporter de la clarté en axant la structure du récit sur ces catégories distinctes plutôt que de les intégrer dans une narration séquentielle, comme dans le cadre précédent.

Les Cinq C de la visualisation des données

Des visuels percutants sont un élément essentiel de la narration de données, et les Cinq C proposent une checklist simple pour créer des diagrammes et des graphiques efficaces : 

• Clarté : S'assurer que les visuels sont faciles à lire et à comprendre.
• Contexte : utilisez des étiquettes, des échelles et des explications qui aident le public à interpréter correctement les données.
• Cohérence : Utilisez des styles, des couleurs et des formats similaires sur l'ensemble des visuels.
• Comparaison : montrez clairement les différences, les tendances ou les relations.
• Choix de couleurs/design : utilisez la couleur intentionnellement pour mettre en évidence les points clés, mais veillez à ne pas surcharger le spectateur. 

Le rôle de la visualisation des données dans la narration

La visualisation des données joue un rôle central dans la narration de données en présentant celles-ci d'une manière que le cerveau humain peut interpréter plus facilement que du texte ou des chiffres. Ainsi, les visualisations montrent rapidement aux lecteurs les motifs, les tendances et les relations entre les séries de données qui seraient autrement difficiles à comprendre. Lorsqu'elles sont utilisées efficacement, les visualisations telles que les diagrammes et les graphiques aident les lecteurs à se concentrer on les insights les plus importants et à ne pas se perdre dans les détails. 

Il est toutefois important de noter que les visualisations à elles seules ne garantissent pas nécessairement la force de votre récit. Cela provient d'un bon alignement entre la narration et les visualisations que vous utilisez. Tandis que la narration explique ce que le public doit remarquer, les visuels renforcent ce message en mettant en évidence les preuves clés.

Lorsque ces éléments fonctionnent ensemble, l'histoire devient plus claire, plus captivante et plus facile à retenir. Cependant, si un graphique met en évidence une tendance tandis que le texte en aborde une autre, le récit peut devenir confus et perdre de son impact.

Techniques de visualisation courantes

Différents types de visuels permettent de tirer différents types d'insights. Parmi les techniques les plus courantes, on peut citer :

• Graphiques en courbes pour montrer les changements au fil du temps, ce qui facilite le repérage des tendances et des schémas.
• Les graphiques à barres pour comparer des catégories ou des groupes de manière claire et efficace.
• Les nuages de points pour révéler les relations ou les corrélations entre deux variables.
• Les cartes thermiques utilisent la couleur pour mettre en évidence l'intensité, la fréquence ou la concentration au sein d'un dataset.
• Des infographies qui associent des visuels, des icônes et des textes courts pour communiquer des insights dans un format très attrayant et facile à parcourir.

Il est important de choisir le visuel approprié à l'insight que vous souhaitez mettre en évidence pour garantir l'utilisation efficace de vos visualisations.

Lorsque les tableaux de bord ne suffisent pas

Gardez à l'esprit que les tableaux de bord et les récits de données servent des objectifs différents.

Les tableaux de bord surveillent. Ils fournissent des informations en temps réel ou régulièrement mises à jour afin que les utilisateurs puissent surveiller les performances, suivre les métriques ou repérer des anomalies. Les tableaux de bord sont excellents pour l'observation continue, mais ils n'expliquent généralement pas pourquoi quelque chose se produit.

Les histoires expliquent, persuadent, guident. Plutôt qu'un monitoring en continu, le data storytelling se concentre généralement soit sur un instantané des données sur une courte période, soit sur une perspective historique plus longue. De plus, son objectif est d'interpréter les données, de mettre en évidence les insights clés et d'expliquer ce qu'elles signifient. Le storytelling aide le public à comprendre le « Et alors ? » derrière les chiffres et l'oriente vers une action ou une décision recommandée.

Les tableaux de bord et les récits se complètent, et peuvent tous deux inclure des visualisations, mais ils ne sont pas interchangeables. La narration de données utilise la visualisation non seulement pour présenter les données clairement, mais aussi pour rendre les implications qui en découlent claires et exploitables.

Comment fonctionne la narration de données

L'idée qui sous-tend le data storytelling est de transformer des données brutes en un récit clair et pertinent qui aide le public cible à comprendre ce que les données révèlent et pourquoi c'est important. Toutefois, avant que le récit ne commence, vous devez effectuer une analyse des datasets en question afin d'identifier des tendances et de rechercher des insights. Ensuite, le narrateur sélectionne les insights qu'il souhaite mettre en avant au cœur du récit.

Pour conserver une narration cohérente, il est important de choisir des insights pertinents pour le problème commercial ou la question qui est à l'origine du besoin de storytelling. Assurez-vous également d'aligner le message général ou la conclusion sur ce dont le public a besoin pour agir ou prendre une décision au sujet du problème commercial ou de la question.

Transformer l'analyse en récit

Cette phase du data storytelling commence par l'identification de l'insight clé, c'est-à-dire la découverte la plus importante que le public doit comprendre. Ensuite, le storyteller peut filtrer tous les détails qui ne soutiennent pas le message central. Cette étape est essentielle, car les données contiennent souvent bien plus d'informations que ce dont le public a besoin. 

Enfin, le narrateur de données doit relier les résultats au monde réel. Au lieu de présenter des chiffres de manière isolée, le narrateur peut expliquer pourquoi cet insight est important, comment elle affecte les objectifs ou la performance de l'entreprise et ce qu'elle révèle sur le sujet des données. En passant de l'insight à la signification, le récit devient plus qu'un simple résumé. Il fournit une explication claire qui aide le public à comprendre les implications de l'analyse.

Adaptation aux différents publics

Un data storytelling efficace exige également d'adapter le message aux besoins des différents publics. Les dirigeants souhaitent généralement des conclusions générales qui soutiennent les décisions. L'histoire doit donc être concise et axée sur les résultats plutôt que sur les détails techniques. D'un autre côté, les analystes et les pairs s'attendent à des explications plus approfondies, à des visuels d'appui et à une transparence sur les méthodes, ce qui signifie que l'histoire peut inclure plus de contexte et de détails. Parallèlement, les clients et les parties prenantes externes ont souvent besoin de clarté et d'un minimum de jargon, ainsi que d'un contexte suffisant pour comprendre pourquoi l'insight est importante pour eux.

En adaptant la profondeur, le langage et l'axe du récit à chaque public, le message aura plus d'impact et aidera l'audience à exploiter les insights du récit en toute confiance.

Exemples de narration de données

Un Graphe ou un diagramme circulaire classique peut afficher des chiffres ou des tendances, mais sans explication, le lecteur doit en interpréter lui-même la signification. En y ajoutant un récit et du contexte, le même graphique devient bien plus percutant. Au lieu de simplement montrer une courbe qui monte ou qui descend, le récit des données explique pourquoi le changement s'est produit, ce que cela signifie pour l'organisation et quelles actions pourraient en découler. En transformant les données seules en données accompagnées d'un récit, un conteur peut transformer l'information en insight.

En entreprise, le storytelling de données apparaît souvent dans des présentations qui expliquent les performances trimestrielles, les tendances clients ou les résultats opérationnels. Les récits de données publics sont courants dans les rapports gouvernementaux et d'organisations à but non lucratif qui aident les communautés à comprendre des sujets tels que les changements démographiques ou les conditions environnementales pouvant soulever des questions politiques ou orienter les décisions politiques. Pour les équipes d'analytique, le récit de données les aide à présenter des modèles complexes ou des résultats statistiques afin qu'un public non technique puisse les comprendre. Quelle que soit l'application, cependant, l'objectif est le même : rendre les données significatives, mémorables et exploitables.

Exemples de types de scénarios

La narration de données peut être utile dans de nombreux scénarios courants. Un Graphe linéaire des tendances de performance peut devenir un récit sur la croissance, le déclin ou la stabilité au fil du temps, aidant les dirigeants à comprendre non seulement comment les résultats évoluent, mais idéalement aussi ce qui est à l'origine de ce changement. Les données brutes sur le comportement des clients peuvent devenir un récit qui révèle des modèles en matière d'achat, d'engagement ou de satisfaction, transformant des données inertes en une narration dynamique et engageante qui incite à l'action pour répondre aux préférences des clients. Les problèmes opérationnels présentés sous forme d'histoires de données peuvent révéler des goulots d'étranglement ou des inefficacités et montrer où des améliorations sont nécessaires. Les histoires de données qui expliquent les évolutions de la demande, de la concurrence ou des Tarifs peuvent fournir des informations précieuses sur les changements du marché.
Bien que de nombreux scénarios soient possibles, dans chaque cas, c'est la narration qui aide les gens à voir non seulement les données, mais aussi le sens qui s'y cache.

Le data storytelling par rapport à des concepts similaires

Le data storytelling est souvent confondu avec la visualisation de données, les tableaux de bord ou le reporting, mais en réalité, il a un objectif bien distinct. Comme nous l'avons mentionné précédemment, tandis que ces derniers outils présentent des informations, le data storytelling en explique le sens. Un graphique ou un tableau de bord peut afficher des chiffres, mais sans contexte ni interprétation, le public doit déchiffrer le message par lui-même. Le storytelling comble cette lacune en guidant l'attention, en clarifiant la signification et en reliant les insights aux décisions du monde réel.
De nombreuses idées fausses circulent au sujet du data storytelling, en particulier l'idée selon laquelle il s'agit simplement de « créer de meilleurs graphiques » ou d'« ajouter du texte à un tableau de bord ». En réalité, le storytelling est une discipline de communication et une compétence importante. Il ne remplace pas les tableaux de bord ou les rapports, mais constitue plutôt une méthode complémentaire utilisée lorsqu'il est important d'atteindre un public spécifique ou un public général, et qu'une compréhension plus approfondie ou une action est nécessaire. 

Narration de données ou visualisation de données

La visualisation de données affiche généralement les données sous forme de diagrammes ou de graphiques afin que les motifs et les tendances soient plus faciles à voir. La narration de données utilise aussi souvent des visualisations, mais inclut également un récit pour expliquer l'importance des données. Elle ajoute du contexte, de l'interprétation et une structure narrative pour que le public en suive le sens. Si la visualisation est un outil, la narration est plutôt une stratégie de communication qui inclut la visualisation dans sa boîte à outils.

Le data storytelling par rapport au reporting

Le reporting de données est conçu pour partager des informations. Il fournit des chiffres, des métriques et des résumés sans nécessairement les interpréter. La narration de données va plus loin en interprétant les données et en expliquant leurs implications. Un rapport peut indiquer une baisse des ventes, mais une narration de données tente d'expliquer pourquoi les ventes ont baissé, quels facteurs y ont contribué et quelles actions envisager par la suite.

Conclusion

En combinant données, visuels et narration pour expliquer la signification des données et leur importance, le data storytelling aide à transformer les informations brutes en un message clair que les gens peuvent comprendre et exploiter. Au lieu de laisser le public interpréter lui-même des graphiques ou des rapports, le data storytelling peut le guider vers des insights, mettre en évidence ce qui est important et relier les résultats à un contexte réel.

Bien que la présentation de données brutes soit très importante, ce n'est pas toujours la meilleure approche, en fonction des questions ou des problèmes que les données traitent et du public que vous essayez d'atteindre. La narration de données peut être un élément important d'une communication claire et de la prise de décision basée sur les données. En traduisant une analyse complexe en une histoire ciblée et pleine de sens, elle permet de s'assurer que les insights mènent à des choix éclairés.

Ainsi, un data storytelling efficace peut être un outil supplémentaire dans votre boîte à outils pour diffuser des informations, favoriser la compréhension de ces informations et créer un consensus en vue de plans d'action spécifiques.