DataViz – Graphique à puces

Cet outil de business intelligence est probablement mieux connu sous son nom anglais, le bullet chart.

Le graphique à puces porte ce nom car il peut rappeler des cartouches positionnées les unes à côté des autres. D’ailleurs, le nom est assez approprié car il sert essentiellement à mesurer l’atteinte d’un niveau ciblé.
D’après notre caviste, le nom bottle chart (graphique en bouteille) aurait été de meilleur goût.

Le graphique à puces

Si nous devions le décrire, nous le comparerions probablement à un croisement entre la jauge et l’histogramme.
D’ailleurs, il en possède beaucoup de caractéristiques.

Tout comme la jauge, chacun des composants d’un graphique à puces permet d’étudier une mesure selon une dimension. D’ailleurs, il est également possible d’exploiter les mêmes outils que pour la jauge.
Par exemple, nous pouvons mettre en place des zones de couleur pour symboliser une échelle qualitative (les différents seuils de notre mesure). Il est également possible de positionner une valeur « étalon » ou cible (une mesure d’une période précédente ou un objectif)

Et tout comme pour l’histogramme, cette visualisation compare plusieurs mesures. Cette dimension de comparaison peut être le temps ou n’importe quel autre facteur déterminant (responsable d’affaire, produit, etc.).
Placées côte-à-côte, chacune des mesures étudiées peut alors posséder sa propre échelle qualitative et sa propre cible. Cela permet également de comparer ces données meta entre elles.

Cas d’utilisation

Cette représentation est très utile pour comparer plusieurs valeurs entre elles, qu’elles progressent vers un objectif commun, ou non.
Les informations sont plus détaillées que pour une jauge ou un histogramme. Par conséquent, elle est utile pour comparer des performances basées sur une valeur cible et un classement simple de performances.

Comme elle est susceptible d’afficher beaucoup d’informations à la fois, il faut se montrer particulièrement vigilant à la lisibilité. Ainsi, nous utilisons des couleurs sans équivoque pour l’échelle qualitative. La cible pourra être indiquée à l’aide d’une marque, tandis qu’une seconde barre identifiable fera figurer la valeur comparative (la mesure pour la période précédente, par exemple).

Des puces à la cave ?

Retrouvons à présent notre ami caviste.
Pour rappel, il possède à présent deux caves et une plateforme d’e-commerce.

Il souhaite aujourd’hui voir comment chaque point de vente contribue au chiffre d’affaire pour déterminer sa stratégie pour la suite. Il construit donc la visualisation ci-après, en représentant le CA de chaque point de vente.
L’échelle qualitative décrit les différents niveaux de vente (médiocre, bon, excellent). La marque verticale indique le niveau atteint l’année précédente.

L’activité e-commerce étant toute récente, elle ne peut pas être comparée à la valeur N-1.

Analysons un peu cette représentation.
La cave à spiritueux fonctionne de manière tout à fait satisfaisante, elle était déjà dans un excellent niveau de vente l’année précédente et améliore encore son résultat.
La première année de la cave vin était bonne, sans être toutefois mirobolante. Grâce à la croissance de cette année, elle atteint un très bon CA.
L’activité la plus récente, l’e-commerce, ne donne pour le moment pas satisfaction. En effet, elle est à peine rentable (pas de vrai gain pour le moment).

Bon, ici les faits son clairs. Si notre caviste souhaite conserver son activité de vente à distance, c’est là qu’il va falloir intervenir. Il lui faut à présent comprendre comment augmenter les ventes, sans nuire ou négliger ses deux autres points de ventes.

Voici une nouvelle visualisation à utiliser dans vos outils de business intelligence.
Elle est habituellement employée pour étudier des contributions ou comparer des mesures à un niveau, ou à un seuil. D’ailleurs, avec Qlik Sense, elle est très simple à réaliser !

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.