DataViz – Le diagramme cascade

Nous laissons désormais derrière nous les classiques de la dataviz pour découvrir des outils moins connus.
Quoiqu’en business intelligence, et notamment en finance, le diagramme cascade est régulièrement employé. Mais il est alors plutôt désigné par son nom anglais, le waterfall chart ou bridge.

Cette visualisation tire son nom de sa forme, effectivement assez semblable à une cascade.
Il s’agit en réalité d’une succession de segments représentant chacun l’évolution d’une mesure en fonction d’une dimension (en général le temps).

Le diagramme cascade

Cette dataviz représente une succession de segments, posés sur deux axes. L’axes des ordonnées indique les valeurs prises par la donnée mesurée tant que les abscisses correspondent à la dimension sous le prisme de laquelle nous menons notre analyse.
Les valeurs initiales et finales peuvent être représentées par un segment qui vient toucher l’axe des abscisses pour montrer la valeur totale (initiale ou finale).

Elle sert donc à montrer l’évolution d’une mesure, généralement dans le temps. Elle décompose en fait un agrégation de valeur (un total) pour en donner le cheminement, comment les valeurs successives s’additionnent et se soustraient pour arrive à un résultat final.

Et pour cela, elle peut tenir compte tant du sens de l’opération (progression / récession) que du signe du facteur et de la valeur atteinte (positif / négatif). Ainsi, elle met en valeur le solde (la valeur atteinte, qui est souvent affichée au dessus ou au dessous, selon le sens de l’opération, du segment correspondant) ainsi que la différence avec la valeur précédente (par la longueur du segment).
Elle peut également mettre en évidence la comparaison avec d’autres indicateurs, grâce à la couleur du segment. Cela peut-être utile pour montrer comment une valeur boursière évolue en fonction d’une autre (par exemple, comment évolue l’indice de mon entreprise par rapport au CAC40).

Une représentation très visuelle, parfois trop complexe

Utilisation

Ce diagramme est souvent utilisé dans les domaines des finances ou dans les assurances. Il montre alors l’évolution de valeurs financières ou de titre, par les succession de crédits et de débits ou de croissances et de pertes.

Il est également employé dans les ressources humaines, pour indiquer l’évolution des ressources par exemple, au travers des embauches et de l’attrition.

Enfin, il peut être intéressant dans certains secteurs afin de montrer notamment les évolutions d’utilisateurs actifs, et donc, de revenus en cas d’abonnement.

Il est en revanche très peu utilisé dans d’autres domaines.

Avantages

C’est un excellent moyen de décomposer la complexité trop souvent cachée derrière un simple total. Il montre alors – et de manière très visuelle – comment, d’un point de départ, on arrive à ce total.
Il est d’ailleurs assez aisé d’y représenter des seuils afin d’alerter ou de communiquer lorsque l’on passe ceux-ci (dans un sens comme dans l’autre).

De la même manière, il décrit très adéquatement l’évolution d’une valeur dans le temps. C’est d’ailleurs ce qui en fait l’une des représentations les plus prisée en finance et en bourse.

Inconvénients

Le graphique en cascade n’est pas adapté à l’analyse détaillée de data, car il n’est pas possible d’y effectuer des sélections, sauf temporelles.

De plus, trop chargé, il arrive qu’il soit difficile à lire (voir ci-contre), même s’il montre toujours bien la tendance.

Il est d’ailleurs parfois compliqué de se projeter dans sa lecture, car il faut comparer la taille de segments flottant dans l’espace.

Exemple

Retrouvons notre caviste expert en dataviz… et étudions cette fois-ci comment son résultat annuel se décompose, mois par mois.

Dans cette modélisation des résultats, nous voyons apparaitre plusieurs éléments intéressants.

Tout d’abord, le premier segment « Initial » correspond au résultat en début d’année. Ici, il peut s’agir par exemple d’un report à nouveau.

Ensuite, notons le dernier segment « Final » qui reprend toute la hauteur de la représentation. Il correspond en fait au résultat final de l’année.

Enfin, entre les deux se trouvent les segments de chaque mois de l’année. En bleu, les croissances et en orange, les déficits.
Nous apprenons donc que les trois mois les plus forts sont janvier, avril et mai, alors que nous soupçonnions peut-être qu’il s’agissait de décembre. Notre caviste aurait peut être intérêt à faire plus de publicité ou de dégustation au début du quatrième trimestre…
Nous constatons ensuite le creux de l’été. Curieusement, le mois d’aout est bénéficiaire, tandis que septembre est en déficit. Il faudrait creuser à l’aide d’autres analyses pour comprendre pourquoi.
Concluons en remarquant que le résultat final – décembre inclus – est à peine supérieur au résultat fin mai.

D’autres analyses pourraient être menées et des conclusions plus exhaustives pourraient être tirées. Mais il est évident que notre caviste devrait chercher à comprendre pourquoi il se débrouille si mal durant la seconde moitié de l’année !
Et grâce à cette représentation, nous pouvons voir tout ceci d’un coup d’oeil !

En sortant des classiques de la boite à outils de la business intelligence, nous découvrons de nouveaux outils, moins souvent utilisés, mais permettant d’analyser nos données sous un autre prisme, comme c’est le cas avec notre diagramme en cascade.

Si vous être perdus dans tout ce vocabulaire, n’hésitez pas à consulter nos définitions dans cet article !
Nos dataviz sont réalisées à l’aide de la solution Qlik Sense, dont nous sommes intégrateur.