Dans la boite à outil de la data visualisation, nous retrouvons de très nombreuses visualisations de données.
Mais il en est une que nous connaissons tous.
Parce que c’est la plus ancienne.
Parce que c’est la plus courante.
Parce que nous la voyons tous les jours (depuis l’école primaire !) et que nous oublions qu’il s’agit d’une visualisation de données.
Le tableau
Bien entendu, il ne s’agit ni du tableau des salles de classe (bien que c’est sans doute dans les mêmes salles que nous l’aperçu pour la première fois) ni de l’œuvre d’art.

En business intelligence, le tableau est la représentation même de l’information brute. En effet, c’est la représentation la plus proche de son stockage véritable en base de données.
Ainsi, alors même que l’on utilise une autre visualisation pour analyser nos informations, elles souvent disponibles également sous cette forme.
Cette visualisation est la base du tableur (Excel, Numbers, etc.). Elle se compose généralement de deux dimensions :
- Les colonnes : ce sont les types d’informations que nous allons stocker et afficher ;
- Les lignes : ce sont nos enregistrements.
Ainsi, à chacun des éléments de notre population correspond un enregistrement, donc une ligne. Et chaque information de cet enregistrement figure dans l’une des colonnes.
L’affichage
Dans les colonnes, selon les données et les usages, nous pouvons retrouver des données brutes (telles qu’elles sont stockées), mais également des données calculées.
Une donnée calculée a été transformée depuis une ou plusieurs information(s) brute(s), par le biais d’une ou de plusieurs opération(s) :
- Les masques d’affichages : toute opération pour rendre l’information plus lisible ;
- Les opérations mathématiques : basique (somme, multiplication, division, etc.) ou plus complexe (carré, fonction, etc.) ;
- Les opérations sur les chaines de caractères : concaténation, recherche, … ;
- Les modifications de dates ;
- Et bien d’autres encore.
De même que nous pouvons modifier enrichir la visualisation à l’aide d’opérations, il est également possible de limiter l’affichage.
Ainsi, nous affichons uniquement les colonnes pertinentes pour notre analyse. Nous filtrons également selon les valeurs de certaines colonnes afin de masquer les enregistrements non pertinents.
Utilisations
Le tableau a de nombreux usages, seul ou associé à d’autres visualisations.
Il permet tout d’abord de découvrir et d’explorer les données. C’est la première étape en business intelligence !
Que ce soit lors de la prise en main initial d’un jeu de données ou que nous souhaitions conduire une nouvelle analyse, il nous faut d’abord comprendre de quelles informations est constitué notre dataset. Cela inclue les données en elles même, mais aussi le type, la façons dont elles sont stockées, etc.
C’est donc sous cette forme que nous démarrons notre étude. Nous explorons les différents champs (les colonnes), leurs types pour comprendre l’information, comment la filtrer et quoi analyser.
C’est également une bonne visualisation pour synthétiser et présenter l’information.
Il est très utiliser pour les synthèses de chiffres (bilan, compte de résultat, etc.) ou pour comparer rapidement des enregistrements avec de multiples types de colonnes.
Enfin, il peut accompagner une autre visualisation et servir à l’expliquer ou à la détailler.
Par exemple, lorsque nous analysons le pipeline des affaires d’une force commerciale, nous pouvons résumer plusieurs informations (analyse des raisons de succès ou d’échec, affaires par statuts, etc.) à l’aide de plusieurs visualisations. Un tableau pourra y être joint afin de rappeler le détail de notre population d’affaires. Il faudra alors veiller à filtrer les résultats de la dataviz en même temps que ceux des autres visualisations pour conserver une cohérence.
Un petit exemple ?
Notre caviste, capable à présent de vendre quelques rareté à ses confrères, dispose d’une liste des factures émises, afin de vérifier les commandes livrées et réglées.
Ce tableau lui permet également de projeter sa trésorerie grâce aux factures dues mais pas encore réglées ou tout simplement de relancer lorsque le délai de règlement est dépassé.

Nous pourrions ici ajouter le délai de règlement afin de programmer des alertes automatiques pour les relances ou établir des profils par clients (qui règle à temps, en retard, qui commande plus de 10k€ par an, etc.).
De même, il est possible de filtrer par type de produit ou par zone géographique (car le client possède bien une adresse, qui n’est pas affichée ici).
Voici donc comment et pourquoi utiliser un tableau !
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.