Explorons dans cet article un autre des basiques de la dataviz.
Vous ne savez peut-être pas comment cette visualisation se nomme, mais vous l’avez forcément déjà vue.

On utilise souvent son non anglais, le scatter plot.
Le nuage de points
Cette représentation sert à montrer simultanément de très nombreuses modalités au sein d’une population.
Elle sert ainsi à mettre en évidence une relation, une tendance ou une répartition.
Généralement représenté sur un graphique à deux axes, le nuage de points distribue chaque enregistrement de la population selon sa valeur de l’abscisse et d’ordonnée.
Comme il n’y a pas de succession entre les points, ils ne sont pas reliés ! (sinon, c’est une autre représentation que nous étudierons une autre fois).
Bien souvent, les origines de l’abscisse et de l’ordonnée démarrent à zéro. Mais il est tout à fait possible de construire un nuage de points avec des valeurs négatives. Certains outils de comparaison, tels que le Magic Quadrant de Gartner, utilisent les axes du nuage de points pour comparer des caractéristiques telles que l’image de marque ou les capacités globales d’un outil.
En utilisant habilement des couleurs (ou des symboles différents), on peut aller jusqu’à comparer plusieurs séries entre elles. Dans ce cas, restons vigilants ! Si l’on représente deux séries avec des intersections dans leur valeur, la représentation sera, au mieux, surchargée, ou pire, illisible !

Une variante du nuage de points est le graphique à bulles. Ce dernier utilise en plus des points de taille variable afin de mettre en évidence une troisième information.
Utilisation
Le nuage de points est très employé pour ces usages spécifiques, tels que :
- Démontrer une relation entre deux informations :
La valeur d’une des informations (un fait) varie clairement en fonction de l’autre (la dimension). - Montrer une tendance :
La visualisation met en valeur une évolution notable des faits en fonction de la dimension (temporelle ou autre). On voit alors émerger une tendance à la hausse ou à la baisse. La tendance peut aussi être non linéaire (comme une saisonnalité). - Afficher une répartition :
Le nuage de point est très utile pour montrer une répartition dans la population en fonction d’une deux critères numériques. Ainsi, on peut voir apparaitre des concentrations d’individus et/ou des dispersion. Dans ces cas, la visualisation met également en évident les valeurs extrêmes. - Comparaison de solutions ou de produits selon deux critères :
Nous l’avons vu, certains comparatifs l’utilisent pour mettre en valeur les caractéristiques déterminantes de plusieurs outils ou sociétés.
Tu m’explique tout ça avec un exemple ?
J’ai toujours un (ou plusieurs) exemple(s) pour étayer mes explications 😉
Le nuage de point
Commençons par le plus courant.
Dans l’exemple ci-contre, nous étudions, au sein d’une population, le lien entre la taille et le poids. Nous observons clairement une relation (plus la taille est importante et plus le sujet est lourd).
De même, on observe une concentration (mise en évidence par l’ellipse) ainsi que plusieurs valeurs extrêmes, voire anomales.

Le graphique à bulles

Dans ce second exemple, nous faisons apparaitre les nombre d’unités vendues (en abscisse) et le chiffre d’affaire total (en ordonnées). De plus, nous voulons comparer la marge, qui est différente dans chacune de nos régions. Elle est représentée par le diamètre de chaque bulle.
Nous pouvons en tirer plusieurs conclusions : c’est aux US qu’on vend le plus d’unités et qu’on fait le plus de chiffre. Toutefois, les marchés orientaux sont très profitables, malgré des ventes moins importantes.
Voici un nouvel outil de dataviz que nous ajoutons à votre boite à outil.
Utilisé à bon escient, le nuage de points peut mettre en évidence des relations, comparer des populations ou même vous aider à identifier des opportunités de développements dans certains marchés.

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.

Ensemble, mettons les données au coeur de votre stratégie, pour des politiques durables et performantes.