La visualisation des données fait référence à toute représentation visuelle des informations compilées. Grâce à une visualisation efficace des données, vous pouvez communiquer des thèmes et des résultats clés à vos audiences, ce qui leur permet d'interpréter et d'analyser les données qui ont été personnalisées en fonction de leurs besoins. Avant de pouvoir créer des visualisations et des graphiques, vous devez sélectionner le type de visualisation que vous souhaitez utiliser. En sélectionnant le type de visualisation approprié, vous pouvez présenter vos données de façon claire et efficace. Cela permet à votre audience de prendre des décisions éclairées et de déterminer les prochaines étapes. Les sections suivantes décrivent comment visualiser efficacement les données afin de centrer à la fois vos objectifs analytiques et les perspectives de votre audience:
- Prendre en compte les caractéristiques de vos données
- Définir votre audience
- Sélectionner la meilleure visualisation pour vos données
Tenez compte des caractéristiques de vos données
Avant de choisir un type de visualisation, tenez compte des caractéristiques de vos données:
Catégoriel : lorsque vos données contiennent des groupes de modèles et d'ensembles similaires, il est efficace d'utiliser le type de visualisation le mieux adapté aux données catégorielles, comme un graphique à secteurs. La catégorie de produits est un exemple de données catégorielles, car elle regroupe des articles en fonction de fonctions et de caractéristiques similaires.
Ordinal:si vos données nécessitent une séquence ordonnée spécifique, vous pouvez utiliser une visualisation telle qu'un graphique à colonnes ou un graphique à barres pour définir ces ordres pour l'audience. Par exemple, le nombre d'avis ajoutés aux favoris pour un produit donné constitue un exemple de données ordinales.
Continu:si vous souhaitez visualiser des données sur une longue période, utilisez des visualisations compatibles avec les données continues, comme les graphiques de progression. Les ventes totales de produits au cours d'un trimestre donné sont un exemple de données continues, car l'évolution des données est suivie au fil du temps.
Définir votre audience
Une visualisation efficace tient compte non seulement des données, mais aussi de la perspective et des besoins de son audience. Personnaliser l'apparence d'une visualisation vous permet de transmettre efficacement des informations à votre audience spécifique. Lorsque vous définissez votre audience, tenez compte de facteurs tels que son niveau probable de connaissances techniques et ses fonctions professionnelles. Comment votre audience utilisera-t-elle votre visualisation ?
Accessibilité
Lorsque vous créez une visualisation de données, rendez-la accessible. Dans tout projet de visualisation de données, l'accessibilité Web est synonyme d'opportunités de partage accrues pour tous les utilisateurs, y compris ceux souffrant de troubles visuels et cognitifs, qui interagiront avec votre contenu créé. Les Consignes pour l'accessibilité des contenus Web incluent des étapes d'implémentation destinées à améliorer l'accessibilité. Elles s'appliquent à la conception de la visualisation, y compris:
Texte alternatif : le texte alternatif, ou texte alternatif, permet à une audience plus large d'accéder aux informations provenant d'éléments non textuels, comme les personnes utilisant des lecteurs d'écran. Looker vous permet d'ajouter à vos visualisations des notes décrivant les aspects clés de votre visualisation. Pour en savoir plus sur l'ajout de descriptions textuelles à des éléments des visualisations Looker, consultez les informations sur la modification d'une note d'emplacement sur la page de documentation Modifier des tableaux de bord définis par l'utilisateur.
Contraste et accessibilité des couleurs:l'intégration de niveaux de contraste conformes à la norme internationale WCAG permet aux utilisateurs de visualiser les différences de couleurs perçues. Pour connaître le rapport de contraste des deux codes couleur hexadécimals sélectionnés, accédez à l'outil Contrast Checker de WebAIM. Dans Looker, la collection de couleurs de Dalton s'adapte spécifiquement à différentes formes de défauts de couleur. Pour en savoir plus sur cette collection et d'autres options de sélection de couleurs dans Looker, consultez la page de documentation Collections de couleurs.
Pour en savoir plus sur l'accessibilité lors de la création de visualisations et d'autres contenus, consultez la dernière version publiée des Consignes relatives à l'accessibilité des contenus Web.
Sélectionnez la meilleure visualisation pour vos données
Les sections suivantes présentent les types de visualisations disponibles dans Looker et expliquent comment choisir le meilleur type pour vos données:
- Graphiques cartésiens
- Graphiques à secteurs et en anneau
- Graphiques de progression
- Textes et tableaux
- Maps
- Autres graphiques
Classements cartésiens
Un graphique cartésien fait référence à tout graphique ancré dans le plan cartésien. Le plan cartésien est défini par un axe des abscisses et un axe des ordonnées, avec des points numériques correspondant à tous les emplacements du graphique. Tous les graphiques cartésiens représentent les données sur ces axes.
Les axes X et Y reflètent les dimensions et les mesures. Les dimensions reflètent des valeurs qualitatives, tandis que les mesures sont de nature quantitative. La manière dont ces valeurs sont représentées sur les axes X et Y, et l'expression visuelle de ces données varie selon le type de graphique cartésien. Cette section inclut les exemples suivants de graphiques cartésiens:
Colonne
Idéal pour visualiser les données avec peu de catégories à comparer.
Les graphiques à colonnes sont des graphiques cartésiens verticaux qui affichent des informations dans des formes rectangulaires verticales, où la longueur de la colonne correspond à la valeur des données. Les graphiques à colonnes typiques incluent les catégories de données sur l'axe X et les valeurs de données sur l'axe Y.
Si vos données ne contiennent que quelques catégories, un graphique à colonnes est idéal. Si vos données contiennent un grand nombre de catégories, les graphiques à barres sont souvent plus efficaces, car ils offrent davantage d'espace pour les libellés des axes. Les valeurs négatives étant affichées dans une direction descendante, les graphiques à colonnes peuvent également être un moyen utile de représenter des ensembles de données contenant des valeurs négatives.
L'exemple de graphique à colonnes suivant inclut des valeurs positives et négatives pour afficher les bénéfices moyens générés par la commande pour les accessoires et les jeans vendus par mois.
Pour en savoir plus sur la création de ces graphiques dans Looker, consultez la page de documentation Options des graphiques à colonnes.
Bar
Idéal pour visualiser les données avec des titres de catégorie longs.
Les graphiques à barres affichent les données de la même manière que les graphiques à colonnes, mais via un alignement horizontal. Généralement utilisé dans les graphiques à barres, l'axe Y représente une catégorie de données, tandis que l'axe X représente une valeur numérique.
Si vos données contiennent des titres de catégorie particulièrement longs, les graphiques à barres sont préférables aux graphiques à colonnes. Grâce à l'alignement sur l'axe y, les libellés des graphiques à barres optimisent l'espace et améliorent la lisibilité. En outre, les graphiques à barres sont plus efficaces pour représenter un plus grand nombre de catégories en raison de l'alignement des espaces que pour les graphiques à colonnes.
L'exemple de graphique à barres suivant met en évidence l'adéquation entre les titres de catégorie de vêtements les plus longs (par exemple, "Sweat-shirts tendance" et "Sweat-shirts") sur l'alignement du graphique à barres. Ce graphique indique le nombre de commandes mensuelles pour 10 catégories de vêtements distinctes.
Pour en savoir plus sur la création de graphiques à barres dans Looker, consultez la page de documentation Options des graphiques à barres.
Nuage de points
Idéal pour mettre en évidence la corrélation entre deux variables.
Un graphique à nuage de points est une forme de graphique cartésien qui met en évidence la relation entre deux variables. Chaque point tracé représente une valeur sur les axes X et Y qui fournit des insights sur les données. Ces types de graphiques mettent en évidence les tendances et les modèles qui émergent des données.
Si vos données contiennent deux variables corrélées, un graphique à nuage de points peut être une méthode de visualisation idéale pour rechercher et explorer des corrélations. Il peut s'agir d'une corrélation positive, ce qui signifie que si la variable x augmente, la variable y augmente. Cela peut également inclure une corrélation négative, ce qui signifie que si une variable augmente, l'autre diminue. La corrélation peut également être nulle, ce qui signifie qu'il n'existe aucune corrélation entre les deux variables choisies. La connaissance d'une corrélation potentielle entre les données peut vous permettre d'obtenir des insights plus détaillés sur vos données et même d'orienter les prédictions du comportement futur des données.
La disposition et la structure d'un graphique à nuage de points sont essentielles à son efficacité. Vous pouvez également personnaliser les points tracés sur les graphiques à nuage de points par la taille et l'utilisation des couleurs afin d'identifier d'autres variables ou catégories. Vous pouvez également utiliser des lignes de tendance avec des graphiques à nuage de points. Elles mettent en évidence les connexions entre les données qui apparaissent pour le spectateur. Grâce à la personnalisation, assurez-vous que ces choix de conception mettent en évidence l'objectif global qui consiste à illustrer une relation et à donner l'occasion d'examiner des tendances, des corrélations et des modèles potentiels.
Le graphique à nuage de points suivant représente le nombre de clients qui ont visité chaque trimestre entre 2015 et 2018. La taille des points du graphique dépend du nombre de clients.
Pour en savoir plus sur ce type de visualisation cartésienne, consultez la page de documentation Options de graphique à nuage de points.
Line
Idéal pour visualiser des données continues au fil du temps.
Dans un graphique en courbes, les données sont représentées par une série de points reliés par une ligne droite. Ce type de visualisation met en évidence les données continues au fil du temps.
Pour plus de clarté, le nombre de lignes présentes dans votre graphique en courbes reste essentiel. Si vous incluez plusieurs lignes dans votre graphique, utilisez des couleurs pour les différencier clairement. Cela permettra au lecteur d'interpréter les valeurs séparément au lieu de fusionner les lignes.
Le graphique en courbes suivant représente le nombre d'utilisateurs actifs du site Web enregistrés entre 2016 et 2019. Les trois lignes distinctes représentent les régions des États-Unis: la côte est, le Midwest et la côte ouest.
Consultez la page de documentation Options du graphique en courbes pour en savoir plus sur la création d'un graphique en courbes dans Looker.
Zone
Idéal pour visualiser les variations de quantités au fil du temps.
Un graphique en aires s'appuie sur les caractéristiques d'autres graphiques cartésiens, du graphique à barres et du graphique en courbes. Tout comme les graphiques en courbes, les graphiques en aires mettent en évidence des données continues au fil du temps dans une formation linéaire. Cependant, ces graphiques utilisent une fonctionnalité de couleur de remplissage semblable à un graphique à barres pour afficher la quantité à travers les données. Cela permet aux utilisateurs de voir clairement comment les quantités s'ajustent au fil du temps.
Les graphiques en aires indiquent des tendances globales plutôt que des points de données individuels. Les graphiques en aires sont préférables lorsque vous comparez un petit nombre de tendances, en raison des composants de zone colorés. Pour mettre en évidence les données présentant des tendances plus importantes, envisagez plutôt d'utiliser un graphique en courbes.
Le graphique en aires suivant reflète l'exemple de visualisation sous forme de graphique en courbes, car il présente également le nombre d'utilisateurs mensuels de votre site Web dans différentes régions des États-Unis. Toutefois, la couleur de remplissage de ce graphique met en évidence l'évolution des quantités d'utilisateurs entre 2018 et 2019.
Pour en savoir plus sur les graphiques en aires dans Looker, consultez la page de documentation Options des graphiques en aires.
Graphiques à secteurs et en anneau
Les graphiques à secteurs et en anneau mettent l'accent sur la relation entre les parties et une proportion entière de données. C'est pourquoi ils fonctionnent bien pour mettre en avant des informations catégorielles, c'est-à-dire des informations qui peuvent clairement être divisées en groupes en fonction de caractéristiques communes.
Pour mettre en évidence les informations des graphiques à secteurs et en anneau, sélectionnez au maximum cinq catégories. Si vos catégories dépassent cinq, pensez à sélectionner un autre type de visualisation pour mettre en évidence les informations, comme un graphique à barres ou à colonnes.
Étant donné qu'un graphique à secteurs ou en anneau représente un pourcentage entier, les valeurs des catégories doivent être égales à 100 %.
Looker propose deux variantes d'un graphique à secteurs. Cette section décrit les graphiques suivants et met en avant leurs avantages dans l'affichage des données catégorielles:
Pie
Idéal pour visualiser des valeurs proportionnelles.
Un graphique à secteurs fait référence à un graphique circulaire complet qui est divisé en tranches en fonction de catégories d'informations. Avec ces divisions, l'accent n'est pas porté sur le pourcentage exact, mais sur la relation entre les proportions indiquées et l'impact sur l'objectif global du graphique.
Si vous souhaitez insister sur l'importance des liens entre les valeurs proportionnelles, les graphiques à secteurs communiquent efficacement ces relations. Si vous utilisez plus de cinq catégories de données, vous pouvez sélectionner un autre graphique de visualisation pour mettre l'information en surbrillance, par exemple un graphique à barres ou à colonnes. Les barres et les graphiques à colonnes permettent souvent aux spectateurs de percevoir des différences individuelles.
Le graphique à secteurs ci-dessous représente les pourcentages du nombre total de clients dans trois régions des États-Unis: côte est, côte ouest et Midwest. Ce type de visualisation indique la proportion de clients de chaque région.
Consultez la page de documentation Options de graphique à secteurs pour en savoir plus sur la création de ces graphiques de comparaison dans Looker.
Anneaux à secteurs
Idéal pour visualiser des valeurs proportionnelles avec plusieurs composants.
Les plusieurs donuts vous permettent de créer une série de graphiques en anneau pour visualiser vos données dans une formation interconnectée. Ces graphiques n'omettent pas le centre du cercle, qui forme des divisions en arc au lieu de divisions en tranches. L'espace vide ajouté au milieu du graphique permet d'ajouter d'autres libellés et descriptions à vos données.
Lorsque vous créez plusieurs graphiques en anneau, assurez-vous que les catégories sont uniformes et cohérentes pour mettre en évidence leur relation. De plus, pour plus de clarté et de compréhension par rapport à l'utilisateur, ajoutez des éléments clairs et cumulés au centre du graphique afin de souligner la nuance de chaque graphique.
Le graphique suivant sur les donuts présente les ventes trimestrielles de produits de plusieurs catégories de vêtements: jeans, leggings, vêtements d'extérieur, manteaux et Shorts. Il y a un graphique en anneau distinct pour chaque vente trimestrielle. Cette visualisation montre la contribution de chaque catégorie de vêtements, représentée par une couleur uniforme, aux ventes de produits globales par trimestre.
Pour savoir comment inclure des graphiques en anneau multiples dans Looker, consultez la page de documentation Options de graphique en anneau de donut.
Graphiques de progression
Les graphiques de progression mettent en évidence les informations qui apparaissent au fil du temps. Grâce à ces graphiques, vous pouvez mettre en évidence ce contexte et son impact sur les données. Les graphiques de progression suivent l'évolution et la croissance globales. Cette section contient des exemples de graphiques de progression:
Entonnoir
Idéal pour visualiser les étapes séquentielles.
Les graphiques de l'entonnoir sont des graphiques de progression qui mettent en évidence les étapes séquentielles. Ce type de graphique présente des similitudes avec les graphiques à barres, qui représentent également des données par le biais de visualisations horizontales et rectangulaires. Ce graphique crée une forme d'entonnoir à travers les visualisations empilées.
Pour obtenir un graphique efficace de l'entonnoir, assurez-vous que les données comportent au moins quatre étapes. Cela permet de garantir un fort impact visuel et de mettre en évidence l'ensemble du processus. Si vous avez moins de quatre composants, envisagez d'utiliser un autre type de visualisation, comme un graphique à pieds.
La visualisation suivante de l'entonnoir met en évidence cinq étapes distinctes d'actions client et les valeurs en pourcentage à chaque étape. Les étapes, dans l'ordre décroissant, sont les suivantes : produit, panier, achat, enregistrement et annulation. Ces étapes représentent l'engagement des clients avec le produit.
Consultez la page de documentation Options du graphique de l'entonnoir pour en savoir plus sur la création de cette visualisation dans Looker.
Calendrier
Idéal pour visualiser la progression du temps.
Les graphiques chronologiques mettent en évidence la progression du temps en incluant des événements clés et des repères sur une durée définie. Bien que les graphiques chronologiques soient souvent liés au temps, cette structure peut également s'appliquer aux nombres et aux montants.
Grâce à la personnalisation des couleurs, plusieurs chronologies peuvent être utilisées sur un même graphique pour montrer les variations de divers facteurs selon la progression. Pour les modèles de timeline, en particulier dans Looker, la personnalisation des couleurs peut varier selon la palette. Votre timeline peut avoir une palette continue, qui reflète une option de gradient avec deux variables sur chaque partie du gradient. Vous pouvez également avoir une palette catégorielle, ce qui signifie que chaque couleur représente une catégorie dans les données. Pour en savoir plus sur la personnalisation des couleurs et les graphiques de chronologie, consultez la page de documentation Options du graphique chronologique.
La visualisation de chronologie suivante représente les numéros d'ID de commande spécifiques et le nombre moyen de jours qu'ils traiteront au cours des mois de l'année 2022. La timeline utilise une palette de gradient continu pour représenter le nombre variable de jours.
Cascade
Idéal pour visualiser des valeurs séquentielles positives et négatives.
Les graphiques en cascade mettent en évidence la relation entre les valeurs positives et négatives à l'aide d'une séquence. Ces graphiques illustrent l'évolution d'une valeur de départ en raison de divers facteurs. Les graphiques en cascade reflètent les éléments de conception d'un graphique à barres. Comme beaucoup d'autres types de visualisation, les repères basés sur l'heure ou sur la catégorie peuvent structurer les graphiques en cascade, en fonction de votre ensemble de données spécifique.
Étant donné que les graphiques en cascade fonctionnent spécifiquement avec des valeurs positives et négatives, une définition claire entre ces deux catégories est essentielle. Grâce à l'utilisation des couleurs et aux libellés de texte, assurez-vous que la visualisation fait clairement la distinction entre les valeurs de vos données.
L'exemple de graphique en cascade suivant illustre le total des revenus à chaque étape du processus de commande, y compris les annulations, les retours, les expéditions et les traitements. Un montant total est également calculé.
Pour en savoir plus sur ce type de visualisation, consultez la page de documentation Options de graphique en cascade.
Texte et tableaux
Si vous disposez de données textuelles pertinentes, sélectionnez l'affichage du texte et du tableau pour mettre en évidence l'impact des mots. L'affichage de ces mots peut varier, qu'il s'agisse de mettre en surbrillance une seule valeur ou d'afficher une disposition complexe de mots dans un ensemble de données. Cette section inclut certains des nombreux exemples de types de visualisation pour le texte et les tableaux:
Valeur unique
Idéal pour visualiser une donnée isolée.
Un graphique à valeur unique met en évidence une valeur individuelle d'un ensemble de données. Visualiser une valeur de cette façon met en évidence son importance et son importance pour un ensemble de données plus volumineux.
Lorsque vous créez un graphique à valeur unique, sélectionnez une valeur pertinente pour l'audience et correspondant à vos objectifs de visualisation. De plus, assurez-vous que la famille de polices et la personnalisation de la taille mettent l'accent sur la valeur plutôt que de distraire les données ou de les minimiser.
L'exemple de valeur unique suivant met en évidence le nombre de clients annuels de la Californie, soit 118 126 personnes.
Pour en savoir plus sur la personnalisation de ce graphique dans Looker, consultez la page de documentation Options de graphique à valeur unique.
Enregistrement unique
Idéal pour visualiser des éléments de données limités.
Tout comme les graphiques à valeur unique, les graphiques à enregistrement unique mettent aussi en évidence une sélection de données limitées d'un ensemble de données plus volumineux pour communiquer un certain message. Toutefois, les graphiques à enregistrement unique contiennent davantage d'informations qu'un graphique à valeur unique. Cette visualisation peut fournir un exemple à partir d'un ensemble de données plus volumineux.
Le choix d'un enregistrement unique efficace et pertinent pour ce type de graphique permet de mettre en évidence un exemple dans un ensemble de données. Ce graphique peut être personnalisé pour plus de lisibilité et de clarté en fonction de la famille de polices, de la taille et de l'utilisation des couleurs.
Le graphique d'enregistrement unique ci-dessous présente des informations clés sur un produit donné : le nœud à rayures en soie bleu clair et bleu marine tissé à 100 %." Ces données incluent l'ID produit, la catégorie et le prix au détail.
Pour en savoir plus sur la création de ces graphiques dans Looker, consultez la page de documentation sur les options de graphique d'enregistrement unique.
Nuage de mots
Idéal pour visualiser la fréquence des données.
Les nuages de mots sont des visualisations de données qui affichent la fréquence des données en personnalisant le type, la taille et la couleur de la police. La structure de base d'un nuage de mots est que plus la fréquence d'un mot donné dans un ensemble de données analysé est élevée, plus la police est grande. Même d'un simple coup d'œil ou grâce à une analyse rapide, le nuage de mots fournit un ensemble de données pertinent et récurrent via un fort impact visuel.
La personnalisation des espaces ainsi que des types d'alignement horizontal et vertical permet d'obtenir cet impact visuel. Dans certains clouds, les créateurs regroupent les mots thématiques similaires par une couleur donnée, soulignant ainsi la nature connectée de certains éléments. Ce regroupement de mots par couleur permet également de contextualiser le contenu pour le lecteur et de comprendre les informations fournies.
L'exemple de mot suivant montre l'emplacement géographique des clients. La taille des noms d'État est basée sur le nombre de clients dans chaque État. C'est la Californie qui compte le plus grand nombre de clients.
Pour en savoir plus sur la façon dont Looker permet de créer des clouds de mots intuitifs grâce aux options du menu de style, consultez la page de documentation Options du graphique Word Cloud.
Maps
La visualisation cartographique contextualise les données par rapport à l'emplacement, ce qui en fait un type de visualisation utile si vos données concernent spécifiquement des régions géographiques. Vous pouvez personnaliser la portée géographique de votre visualisation afin qu'elle reflète au mieux les données que vous collectez. Vous pouvez indiquer votre position par le biais de la longitude, de la latitude et même du code postal, selon votre projet.
Les cartes interactives sont ajustées et reconfigurées en fonction de la personnalisation, tandis que les cartes statiques restent cohérentes une fois configurées. Cette section concerne spécifiquement les visualisations géographiques suivantes:
Google Maps
Idéal pour visualiser des données géographiques avec des cartes de densité.
Google Maps, la plate-forme de cartographie Web de Google, partage des informations géographiques de façon interactive avec un public. Avec la fonctionnalité Google Maps de Looker, vous pouvez personnaliser l'apparence de votre carte en utilisant différents styles comme Lumière, Sombre, Satellite, Rues et Extérieur. Ces styles peuvent mettre en évidence vos informations de différentes manières en fonction de la portée et de la priorité de vos données. De plus, la visualisation Google Maps permet d'implémenter une carte de densité. Les cartes de densité affichent les informations à l'aide d'un système de couleurs qui indique la fréquence des données.
La carte de densité Google Maps suivante affiche le nombre de produits vendus par mois en codes postaux aux États-Unis. La carte de densité va de 9 à 66 produits vendus, avec un gradient allant du vert à l'orange qui représente cette plage numérique. Des raccourcis clavier sont également disponibles pour naviguer dans la carte.
Pour en savoir plus sur la fonctionnalité Google Maps, consultez la page de documentation sur les options de graphique Google Maps.
Map
Idéal pour visualiser des données géographiques interactives.
Les visualisations de carte interactives appliquent des images géographiques pour représenter la façon dont vos données correspondent à un emplacement et à une région spécifiques. Les cartes interactives peuvent refléter de nombreux autres types de visualisation en combinant des aspects de conception. Vous pouvez utiliser des points, des lignes ou des zones pour indiquer des repères dans votre visualisation.
La conception de la carte globale peut également être personnalisée. Dans Looker, plus précisément, les styles de carte incluent les options Clair, Sombre et Satellite. Chacune de ces options dispose également d'une fonctionnalité sans libellé. Ce paramètre omet les informations essentielles, comme les noms de ville et de rue, afin de se concentrer plus spécifiquement sur les données que sur les détails de la carte. Lorsque vous choisissez un design de carte, tenez compte des informations importantes que l'utilisateur doit prendre en compte, puis choisissez un design qui reflète le mieux ces détails.
Le graphique ci-dessous présente le nombre d'utilisateurs par code postal aux États-Unis, grâce à un système de codage couleur en dégradé. Cette carte interactive permet de zoomer sur des zones spécifiques de la carte.
Pour en savoir plus sur les cartes interactives dans Looker, consultez la page de documentation Options de graphique de carte.
Diagrammes de carte (régions)
Idéal pour visualiser les données régionales.
Les cartes statiques par région représentent l'impact d'une région donnée sur les données. Étant donné que la carte est statique, elle ne peut pas être modifiée ni ajustée en fonction de l'interaction de l'utilisateur. Ce type de visualisation est utile pour dépeindre un cas distinct plutôt qu'un processus en constante évolution.
La carte statique régionale suivante représente le nombre d'établissements dans chaque État des États-Unis. Avec un dégradé bleu, la couleur la plus sombre représente le plus grand nombre d'établissements. Cette utilisation des couleurs de cette carte n'est pas quantifiée ; pour un meilleur contraste entre les États, l'option Quantize Color (Quantiser la couleur) peut être activée dans le menu Style.
Pour en savoir plus sur ce type de carte dans Looker, consultez la page de documentation sur les options de graphique Static Map (Regions) (Cartes statiques (régions)).
Diagrammes de carte (points)
Idéal pour visualiser des données spécifiques à des points géographiques.
Les cartes statiques avec des points reflètent les points statiques avec les régions. Toutefois, ces cartes permettent de visualiser des points qui se chevauchent dans plusieurs régions. En fonction de vos données, ce type de visualisation peut être utile, en particulier si vos ensembles de données ne présentent pas de répartitions claires entre les régions.
La carte statique ci-dessous avec des points inclut les points correspondant au nombre de clients par code postal aux États-Unis.
Pour en savoir plus sur ce type de carte dans Looker, consultez la page d'options du graphique Static Map (Points) (Cartes statiques (points)).
Autres graphiques
D'autres types de visualisation de données populaires disponibles dans Looker s'étendent au-delà de ces catégories. Ces formes de visualisation supplémentaires permettent de personnaliser davantage votre interprétation des données en fonction de votre audience. Cette section inclut les exemples de graphique suivants:
Boîte à moustaches
Idéal pour visualiser la distribution des données via un récapitulatif statistique.
Tout comme les graphiques à nuage de points, les diagrammes en diagramme carré sont également efficaces pour mettre en évidence la distribution des données. Les diagrammes à secteurs présentent ces données sous la forme d'un récapitulatif statistique ou d'un moyen de regrouper les données par le biais d'observations et de modèles. Il existe un récapitulatif statistique à cinq chiffres pour un graphique en boîte, qui divise les données selon le minimum, le maximum, la médiane de l'échantillon, et les premier et troisième quarts. L'augmentation de la taille d'un graphique en boîte permet d'augmenter la distribution des données.
L'exemple de diagramme en diagramme ci-dessous présente la distribution des données des produits vendus entre janvier 2021 et juillet 2022. Chaque entrée mensuelle affiche, lors du passage de la souris, le nombre minimal, moyen et maximal de produits vendus.
Pour en savoir plus sur les tracés en boîte et les personnaliser dans Looker, consultez la page de documentation sur les options de graphique Boxplot.
Visualisations personnalisées
En plus des visualisations existantes disponibles dans Looker, vous pouvez créer une visualisation personnalisée pour afficher vos données. Vous pouvez implémenter des visualisations personnalisées comme suit:
- Ajouter la visualisation personnalisée pour créer des visualisations personnalisées avec le paramètre
visualizationdans le fichier manifeste du projet - Installer la visualisation directement depuis Looker Marketplace
- Installez la visualisation depuis la page Visualisation de la section Administration de Looker.
Visualisations de la carte de densité de Google Agenda et Visualisation de la carte graphique sont des exemples de visualisations personnalisées disponibles en tant que plug-ins. Pour en savoir plus sur l'implémentation de la visualisation personnalisée, consultez la page Paramètres d'administration – Documentation relative aux visualisations.
Vous pouvez également créer des visualisations propres à votre projet. Consultez la page de documentation Développer une visualisation personnalisée pour Looker Marketplace pour en savoir plus sur la création de ces visualisations et sur leur fonctionnement afin de refléter vos objectifs de visualisation des données.