DataViz – Le diagramme de Kiviat

En voilà encore un qui porte de – trop – nombreux noms.
Le diagramme de Kiviat est également connu sous le nom de graphique araignée, de graphique en étoile ou de graphique polaire, en français, et de circular area chart, en anglais.

Cet outil de dataviz a été créé en 1877 par le statisticien allemand Georg von Mayr et serait un peu l’héritier de la rose de Florence Nightingale.

Le diagramme de Kiviat

Notre dataviz se compose d’une séquence de rayons provenant du centre. Ces rayons forment des angles égaux entre eux et chacun représente l’une des dimensions étudiées.
La distance entre le centre et l’extrémité du rayon correspond à la mesure et l’extrémité du cercle (soit le rayon maximal possible) représente la valeur maximale pouvant être atteinte.

Les extrémité de chaque segment sont ensuite reliés, ce qui forme alors une étoile ou une toile d’araignée, d’où le graphique tire certains de ses noms.

Il sert ainsi à analyser à la fois plusieurs caractéristiques d’une population, tout en fournissant une analyse générale de la population (la surface représentée).

Il est possible de comparer plusieurs populations sur un même graphique, mais cela nuit grandement à la lisibilité. Il est plutôt recommandé de représenter côte-à-côte ces populations sur des graphiques séparés. Chaque mesure et la surface totale des différentes « toiles » détaillent alors les populations étudiées.

Cas d’utilisation

Cette visualisation est particulièrement utilisée pour déterminer et comparer des profils d’individus en fonction d’un nombre de caractéristiques (en RH notamment).
Il peut également servir à détailler des forces et des faiblesses.

Dans l’exemple ci-contre, on identifie la bête noire de Cyril, l’attaque sur l’aile roi ainsi qu’une de ses anciennes faiblesses, devenue une grande force, le pion avancé. Il sait quoi travailler dans les prochains temps !

Dans le monde économique, cet outil de business intelligence peut représenter la répartition des ventes d’un lieu géographique donné sur une période donnée. Il peut également servir à comparer les caractéristiques de plusieurs produits afin d’aider à choisir l’un plutôt que les autres, en fonction de préférences ou de pré-requis.

Il peut également servir à représenter certaines dimensions dans l’espace, notamment pour les sources sonores, les champs visuels ou encore la direction du vent.

De même, le diagramme en araignée est parfois employé pour détailler des variations cycliques dans le temps, en fonction des heures de la journée, des jours de la semaine ou des mois de l’année.

Avantages et limites

Le diagramme de Kiviat facilie l’analyse détaillée de plusieurs dimensions d’une population, que ce soir d’une manière générale (comparaison des surfaces) ou dimension par dimension (chaque segment).

C’est d’ailleurs la représentation privilégiée pour l’étude de profils et de l’adéqueation de ceux-ci avec un profil-type recherché. Comme vu plus haut, il est également idéal pour les visualisation dans l’espace (le fameux radar).

En revanche, cette représentation est limitée, tant par le nombre d’axes que par le nombre de populations étudiées. En effet, nous limitons généralement à 8 le nombre de dimensions pour conserver une bonne lisibilité de chaque segment et le détail de la surface. De même, évitons de superposer plusieurs diagramme au sein d’une même représentation.

De plus, la disposition des axes, souvent arbitraire, peut radicalement modifier les surfaces visualisées. Dans l’exemple ci-dessous, les data étudiées sont les mêmes et seule change la disposition des axes. Nous voyons alors apparaitre quatre représentations différentes, tant par la surface que par la forme.

Ces limites en fond une visualisation peu utilisée en business intelligence. Notons qu’elle peut rentre de fiers services dans des cas particuliers.

Notre caviste a-t-il une araignée au plafond ?

C’est le moment d’illustrer notre article à l’aide de notre cher caviste.

En 2020, notre spécialiste de l’alcool et de la dataviz possédait une seule cave.
Mais en 2021, il a mis en application un projet qui lui trottait dans la tête depuis un moment. Il a séparé ses deux activités majeurs (vin et spiritueux) en deux caves séparées.
Comme il est malin, cette spécialisation lui a aussi permis d’augmenter les prix et les quantités vendues. Toutefois ces deux sujets ne nous concernent pas aujourd’hui.

Suite à cette séparation en deux points de ventes spécialisés, il a voulu analyser les proportions de ventes des produits.

Cette visualisation nous apprend plusieurs choses, tout en montrant plusieurs possibilités de représentations à l’aide du « graphique araignée ».
En 2020, nous n’avions qu’une seule cave, cumulant l’ensemble de l’activité, les proportions sont beaucoup plus ramassées. En 2021, comme les activités sont réparties différemment, nous pouvant cumuler les deux caves. Ainsi, nous voyons clairement la spécialisation de chaque cave. Nous remarquons aussi les ventes additionnelles déclenchées par la vente de vins (alimentation) ou de spiritueux (boissons non alcoolisées et autres, notamment des accessoires).

Voici un nouvel outil de dataviz. S’il ne fait pas partie des outils les plus répandus en business intelligence, il offre toutefois des possibilités singulières.

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.