La visualisation des données fait référence à toute représentation visuelle des informations compilées. Avec une visualisation des données efficace, vous pouvez communiquer des thèmes et des résultats clés à vos publics, ce qui leur permet d'interpréter et d'analyser des données qui ont été personnalisées pour leurs besoins. Avant de commencer à créer des visualisations et des graphiques, vous devez sélectionner le type de visualisation que vous utiliserez. Sélectionner le type de visualisation approprié vous aide à présenter vos données clairement et efficacement, ce qui permet à votre public de prendre des décisions éclairées et de déterminer les prochaines étapes. Les sections suivantes décrivent comment les données peuvent être visualisées de manière efficace d'une manière centrée à la fois sur vos objectifs analytiques et sur les points de vue de votre public:
- Examiner les caractéristiques de vos données
- Définir votre audience
- Sélectionner la meilleure visualisation pour vos données
Considérer les caractéristiques de vos données
Avant de choisir un type de visualisation, examinez les caractéristiques de vos données:
Catégorielle: lorsque vos données contiennent des groupes de modèles et d'ensembles similaires, il est efficace d'utiliser le type de visualisation le mieux compatible avec les données catégorielles, comme un diagramme circulaire. La catégorie de produits serait un exemple de données catégorielles, car elle regroupe les articles selon des fonctions et des caractéristiques similaires.
Ordinales:si vos données nécessitent une séquence ordonnée spécifique, vous pouvez définir ces ordres pour l'audience à l'aide d'une visualisation telle qu'un graphique à colonnes ou un diagramme à barres. Un exemple de données ordinales serait le nombre d'avis avec étoiles variables pour un produit particulier.
En continu:si vous souhaitez visualiser des données qui se produisent sur une longue période, utilisez des visualisations compatibles avec les données continues, comme les graphiques de progression. Les ventes totales de produits sur un trimestre donné seraient un exemple de données continues, car les données en constante évolution sont suivies au fil du temps.
Définir votre audience
Une visualisation efficace prend non seulement en compte les données, mais aussi la perspective et les besoins de son public. La personnalisation de l'apparence d'une visualisation vous permet de transmettre efficacement des informations à votre public spécifique. Lorsque vous définissez votre public, pensez à des facteurs tels que son niveau probable de connaissances techniques et ses fonctions professionnelles. Comment votre public utilisera-t-il votre visualisation ?
Accessibilité
Lorsque vous créez une visualisation des données, rendez-la accessible. Tout au long de tout projet de visualisation des données, tenir compte de l'accessibilité du Web offre des opportunités de partage accrues à tous les utilisateurs, y compris ceux souffrant de déficiences visuelles et cognitives, qui interagiront avec votre contenu créé. Les Consignes pour l'accessibilité des contenus Web (WCAG) comprennent des étapes d'implémentation visant à améliorer l'accessibilité applicables à la conception des visualisations, y compris:
Texte alternatif:le texte alternatif, ou texte alternatif, permet à un public plus large d'accéder aux informations à partir d'éléments non textuels, comme les utilisateurs de lecteurs d'écran. Avec Looker, vous pouvez ajouter à vos visualisations des notes décrivant les principaux aspects de votre visualisation. Pour en savoir plus sur l'ajout de descriptions textuelles aux éléments des visualisations Looker, consultez les informations sur la modification d'une note de vignette sur la page de documentation Modifier des tableaux de bord définis par l'utilisateur.
Contraste et accessibilité des couleurs:l'intégration des niveaux de contraste qui répondent à la norme internationale WCAG garantit que les différences perçues dans les choix de couleurs sont accessibles aux utilisateurs des visualisations. Pour trouver le rapport de contraste de deux codes de couleurs hexadécimales sélectionnés, consultez l'outil Contrast Checker de WebAIM. Dans Looker, la collection de couleurs Dalton s'adapte spécifiquement à différentes formes de daltonisme. Pour en savoir plus sur cette collection et sur les autres options de sélection des 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 d'accessibilité du contenu Web.
Sélectionnez la meilleure visualisation pour vos données
Les sections suivantes présentent les types de visualisation disponibles dans Looker et expliquent comment sélectionner le meilleur type pour vos données:
- Graphiques cartésiens
- Graphiques à secteurs et en anneau
- Graphiques de progression
- Textes et tableaux
- Maps
- Autres graphiques
Graphiques cartésiens
Un graphique cartésien fait référence à tout graphique ancré dans le plan cartésien. Le plan cartésien est défini par un axe des x et un axe des y, avec des points numériques correspondants pour tous les points géographiques du graphique. Tous les graphiques cartésiens tracent les données sur ces axes.
L'axe X et l'axe Y reflètent les dimensions et les mesures. Les dimensions reflètent des valeurs qualitatives, tandis que les mesures sont quantitatives par nature. La manière dont ces valeurs sont représentées dans les graphiques des axes des abscisses et des ordonnées, et l'expression visualisée 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 les informations sous forme de formes rectangulaires et verticales, dont la longueur correspond à la valeur des données. Les graphiques à colonnes classiques incluent des catégories de données sur l'axe des abscisses et des valeurs de données sur l'axe des ordonnées.
Si vos données ne contiennent que quelques catégories, un graphique à colonnes est idéal. Si vos données contiennent un plus grand nombre de catégories, les graphiques à barres sont souvent plus efficaces, car ils offrent plus d'espace pour les libellés des axes. Étant donné que les valeurs négatives sont affichées avec une direction vers le bas, les graphiques à colonnes peuvent également s'avérer utiles pour représenter des ensembles de données qui contiennent des valeurs négatives.
L'exemple d'histogramme suivant inclut des valeurs positives et négatives afin d'afficher le bénéfice moyen de 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.
Barres
Idéal pour visualiser les données avec des titres de catégorie longs.
Les graphiques à barres affichent les données d'une manière semblable aux graphiques à colonnes, mais en alignement horizontal. Généralement, dans les graphiques à barres, l'axe des y représente une catégorie de données, tandis que l'axe des 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 des y, les étiquettes sur les graphiques à barres optimisent l'espace et améliorent la lisibilité. De plus, les graphiques à barres sont généralement plus adaptés pour représenter un plus grand nombre de catégories en raison de l'alignement de l'espacement par rapport aux graphiques à colonnes.
L'exemple de graphique à barres suivant met en évidence la longueur des titres des catégories de vêtements, tels que "Sweatshirts et sweats à capuche de mode", sur l'alignement du graphique à barres. Ce graphique indique le montant des 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.
Graphique à nuage de points
Idéal pour mettre en évidence la corrélation entre deux variables.
Un diagramme de dispersion est un type de graphique cartésien qui met en évidence la relation entre deux variables. Chaque point tracé représente une valeur sur l'axe des x et l'axe des y qui fournit des informations sur les données. Ces types de graphiques mettent particulièrement en évidence les tendances et les modèles qui émergent dans les données.
Si vos données contiennent deux variables corrélées, un diagramme de dispersion peut être une méthode de visualisation idéale pour trouver et explorer des corrélations. Il peut s'agir d'une corrélation positive, ce qui signifie que tandis que 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'y a pas de corrélation entre les deux variables choisies. La connaissance de la corrélation potentielle de données peut conduire à une meilleure compréhension de vos données et peut même guider les prédictions du comportement futur de vos données.
La mise en page et la structure d'un diagramme de dispersion sont essentielles pour son efficacité. Les points tracés sur les nuages de points peuvent également être personnalisés par le dimensionnement et l’utilisation de couleurs afin d’identifier des variables ou des catégories supplémentaires pour le spectateur. Les lignes de tendance peuvent également être utilisées avec les nuages de points ; ces lignes mettent en évidence les connexions entre les données qui émergent pour l'utilisateur. Grâce à la personnalisation, assurez-vous que ces choix de conception mettent en évidence l'objectif global d'illustrer une relation et de fournir une chance d'examiner les modèles, les corrélations et les tendances potentiels.
Le graphique à nuage de points suivant représente le nombre de clients qui ont visité des sites chaque trimestre de 2015 à 2018. Les points du graphique sont dimensionnés en fonction du nombre de clients.
Pour en savoir plus sur ce type de visualisation cartésienne, consultez la page de documentation Options des graphiques à nuage de points.
Courbes
Idéal pour visualiser des données continues au fil du temps.
Dans un graphique en courbes, les données sont affichées sous la forme d'une série de points reliés par une ligne droite. Ce type de visualisation met spécifiquement en évidence les données continues au fil du temps.
Pour plus de clarté dans votre graphique linéaire, le nombre de lignes présentes reste essentiel. Si votre graphique comporte plusieurs lignes, utilisez des couleurs pour les différencier clairement. Cela permettra au lecteur d'interpréter les valeurs séparément plutôt que de fusionner les lignes.
Le graphique en courbes suivant représente les utilisateurs actifs par mois du site Web de 2016 à 2019. Les trois lignes distinctes représentent les régions des États-Unis: la côte est, le Midwest et la côte ouest.
Pour en savoir plus sur la création d'un graphique en courbes dans Looker, consultez la page de documentation Options de graphique en courbes.
Quartier
Idéal pour visualiser les variations des quantités au fil du temps.
Un graphique en aires s'appuie sur les caractéristiques d'autres graphiques cartésiens, à savoir le graphique à barres et le graphique en courbes. Tout comme les graphiques en courbes, les graphiques en aires mettent en évidence des données continues au fil du temps de façon linéaire. Cependant, ces graphiques utilisent une fonction de couleur pleine semblable à un graphique à barres pour afficher la quantité à travers les données. Cela permet à l'utilisateur de voir clairement comment les quantités s'ajustent au fil du temps.
Les graphiques en aires transmettent des tendances globales plutôt que des points de données individuels. Les graphiques en aires sont plus utiles lorsque vous comparez un plus petit nombre de tendances, en raison de leurs composants colorés. Pour mettre en évidence des données comportant des tendances plus importantes, envisagez plutôt d'utiliser un graphique en courbes.
Le graphique en aires suivant reflète l'exemple de visualisation en courbes en montrant également les utilisateurs mensuels du site Web dans les différentes régions des États-Unis. Cependant, la couleur remplie de ce graphique met particulièrement en évidence le changement des quantités d'utilisateurs entre 2018 et 2019 spécifiquement.
Pour en savoir plus sur les graphiques en aires dans Looker, consultez la page de documentation Options de graphique en aires.
Graphiques à secteurs et en anneau
Les graphiques à secteurs et en anneau mettent l'accent sur la relation entre les parties par rapport à une proportion entière de données. Pour cette raison, ils fonctionnent bien pour mettre en évidence les informations catégorielles, c’est-à-dire les informations qui peuvent clairement être divisées en groupes en fonction de caractéristiques communes.
Pour mieux 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 diagramme circulaire ou en anneau représente un pourcentage entier, les valeurs des catégories doivent être égales à 100 pour cent.
Looker propose deux variantes de diagramme circulaire. Cette section décrit les graphiques suivants et met en évidence leurs points forts en matière d'affichage de données catégorielles:
Secteur
Idéal pour visualiser des valeurs proportionnelles.
Un graphique à secteurs correspond à un graphique circulaire complet divisé en secteurs en fonction de catégories d'informations. Grâce à ces divisions en secteurs, l'accent n'est pas accordé spécifiquement sur le pourcentage exact, mais sur la façon dont les proportions décrites sont liées les unes aux autres et ont un impact sur l'objectif global du graphique.
Si vous travaillez à mettre l'accent sur l'importance des connexions entre les valeurs proportionnelles, les graphiques à secteurs communiquent efficacement ces relations. Si vous travaillez avec plus de cinq catégories de données, pensez à sélectionner un autre graphique de visualisation pour mettre en évidence les informations, par exemple un graphique à barres ou à colonnes. Avec les barres et les histogrammes, il est souvent plus facile pour les spectateurs de percevoir les différences individuelles.
Le graphique à secteurs suivant représente les pourcentages du nombre total de clients provenant de trois régions des États-Unis: la côte est, la côte ouest et le Midwest. Ce type de visualisation communique le nombre proportionnel de clients de chaque région.
Consultez la page de documentation Options des graphiques à secteurs pour en savoir plus sur la création de ces graphiques de comparaison dans Looker.
Multiples en donut
Idéal pour visualiser des valeurs proportionnelles avec plusieurs composants.
Les anneaux en forme de beignet vous permettent de créer une série de graphiques en anneau pour visualiser vos données sous la forme d'une interconnexion. Ces graphiques omettent le centre du cercle, formant ainsi des divisions en arc au lieu de divisions en secteurs. L’espace vide ajouté au milieu du graphique permet d’ajouter d’autres étiquettes et descriptions de vos données.
Lorsque vous créez des graphiques en anneau, assurez-vous qu’il existe des modèles uniformes et cohérents entre les catégories pour mettre en évidence leur relation. De plus, pour plus de clarté et une meilleure compréhension de l'utilisateur, incluez des informations claires et cumulées au centre du graphique afin de mettre en évidence la nuance de chaque graphique en anneaux particulier.
Le graphique des multiples en forme de beignet suivant présente les ventes trimestrielles de produits pour plusieurs catégories de vêtements: jeans, leggings, vêtements d'extérieur, manteaux et shorts. Il y a un diagramme en forme de beignet distinct pour chaque vente trimestrielle. Cette visualisation met en évidence la manière dont chaque catégorie de vêtements, représentée par une couleur uniforme, contribue aux ventes de produits globales par trimestre.
Pour savoir comment inclure des graphiques en anneau dans Looker, consultez la page de documentation Options de graphique en anneaux.
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 la progression et la croissance globales. Cette section contient des exemples de graphiques de progression suivants:
Entonnoir
Idéal pour visualiser les étapes séquentielles.
Les graphiques d'entonnoir sont des graphiques de progression qui mettent en évidence des étapes séquentielles. Ce type de graphique présente des similitudes avec les graphiques à barres, qui représentent également des données à l'aide de visualisations horizontales et rectangulaires. Ce graphique crée une forme d'entonnoir à travers les visualisations empilées.
Pour obtenir un graphique d'entonnoir efficace, assurez-vous que les données comprennent au moins quatre étapes. Cela garantira un fort impact visuel et mettra en évidence le processus représenté dans son ensemble. Si vous avez moins de quatre composants, nous vous conseillons d'utiliser un autre type de visualisation, tel qu'un graphique à secteurs.
La visualisation de l'entonnoir suivante met en évidence cinq étapes distinctes des actions des clients et les valeurs en pourcentage à chaque étape. Les étapes, dans l’ordre décroissant, sont le produit, le panier, l’achat, l’enregistrement et l’annulation, représentant l’engagement des clients avec le produit.
Consultez la page de documentation Options des graphiques en entonnoir pour en savoir plus sur la création de cette visualisation dans Looker.
Chronologie
Idéal pour visualiser la progression dans le temps.
Les graphiques chronologiques mettent en évidence la progression dans le 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, il est possible d'utiliser plusieurs chronologies sur un même graphique pour montrer comment plusieurs facteurs varient au cours de la progression. Pour les motifs de chronologie, 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 dégradé avec deux variables sur chaque partie du dégradé. Vous pouvez également avoir une palette catégorielle, ce qui signifie que chaque couleur représente une catégorie des données. Pour en savoir plus sur la personnalisation des couleurs et les graphiques chronologiques, consultez la page de documentation Options des graphiques chronologiques.
La chronologie suivante représente des numéros d'ID de commande spécifiques et leur nombre moyen de jours de traitement respectifs au cours des mois en 2022. La chronologie utilise une palette de dégradés continus pour représenter le nombre variable de jours.
Cascade
Idéal pour visualiser des valeurs séquentielles positives et négatives.
Les diagrammes en cascade mettent en évidence la relation entre les valeurs positives et négatives via une séquence. Ces graphiques montrent comment une valeur de départ évolue en fonction de différents facteurs. Les graphiques en cascade reflètent les éléments de conception d'un graphique à barres. Comme de nombreux autres types de visualisation, les repères temporels ou les repères basés sur des catégories peuvent structurer les graphiques en cascade, en fonction de votre jeu de données particulier.
Comme les graphiques en cascade fonctionnent spécifiquement avec des valeurs positives et négatives, il est essentiel de définir clairement ces deux catégories. Grâce à l'utilisation de couleurs et aux étiquettes de texte, assurez-vous que la visualisation différencie clairement les valeurs de vos données.
L'exemple de graphique en cascade suivant montre les revenus totaux pour toutes les étapes du processus de commande, y compris les annulations, les retours, les expéditions et le traitement. Un montant total est également calculé.
Consultez la page de documentation Options des graphiques en cascade pour en savoir plus sur ce type de visualisation.
Texte et tableaux
Lorsque vous avez des données textuelles pertinentes à afficher, la sélection de texte et d’affichages de tableau met en évidence l’impact des mots. L'affichage de ces mots peut varier, de la mise en surbrillance d'une seule valeur à l'affichage d'une disposition complexe de mots dans un ensemble de données. Cette section comprend quelques-uns des nombreux exemples de types de visualisation pour le texte et les tableaux:
Valeur unique
Idéal pour visualiser des données isolées.
Un graphique à valeur unique met en évidence une valeur individuelle d'un ensemble de données. Visualiser une valeur de cette manière met en évidence son importance et son importance pour un jeu de données plus vaste.
Lorsque vous créez un graphique à valeur unique, sélectionnez une valeur qui a de l'importance pour le public et qui reflète vos objectifs pour la visualisation. De plus, assurez-vous que la famille de police et la personnalisation de la taille mettent en valeur la valeur plutôt que de distraire ou de minimiser les données.
L'exemple de valeur unique suivant met en évidence le nombre de clients annuels en Californie, soit 118 126 personnes.
Consultez la page de documentation Options du graphique à valeur unique pour savoir comment personnaliser ce graphique dans Looker.
Enregistrement unique
Idéal pour visualiser des éléments de données limités.
Comme pour les graphiques à valeur unique, les graphiques à enregistrement unique mettent également en évidence certaines données limitées d'un ensemble de données plus volumineux pour communiquer un certain message. Les graphiques à enregistrement unique contiennent toutefois plus d'informations qu'un graphique à valeur unique. Cette visualisation peut fournir un exemple à partir d'un jeu de données plus volumineux.
Le choix d'un enregistrement unique efficace et pertinent pour ce type de graphique mettra en évidence un exemple à partir d'un jeu de données. Ce graphique peut être personnalisé pour améliorer la lisibilité et la clarté grâce à une famille de polices, ainsi qu'à l'utilisation de la taille et de la couleur.
Le graphique suivant présente des informations clés sur un produit en particulier, la "cravate à rayures bleu clair et bleu marine à 100% de soie". y compris l'ID produit, la catégorie et le prix de vente.
Pour en savoir plus sur la création de ces graphiques dans Looker, consultez la page de documentation Options de graphique à enregistrement unique.
Nuage de mots
Idéal pour visualiser la fréquence des données.
Les nuages de mots sont des visualisations des données qui affichent la fréquence des données grâce à la personnalisation du type de police, de la taille et de la couleur. La structure clé d'un nuage de mots est que plus la fréquence d'un mot particulier dans un ensemble de données analysé est élevée, plus la taille de la police est importante. Même d'un simple coup d'œil ou d'une analyse rapide de la part d'un spectateur, un nuage de mots transmet des informations pertinentes et récurrentes dans un jeu de données grâce à un fort impact visuel.
Vous pouvez personnaliser l'espacement et l'alignement horizontal et vertical pour obtenir cet impact visuel. Dans certains nuages de mots, les créateurs regroupent des mots thématiques similaires selon une certaine couleur, ce qui met en évidence la nature connectée de certains éléments. Ce regroupement de mots par couleur peut également aider à contextualiser le contenu pour le lecteur et à comprendre les informations fournies.
L'exemple de nuage de mots suivant met en évidence les emplacements où se trouvent les états des clients. Les noms d'État sont dimensionnés en fonction du nombre de clients dans chaque État, la Californie étant l'État comptant le plus grand nombre de clients.
Pour découvrir comment Looker alimente spécifiquement la création intuitive de nuages de mots grâce aux options du menu "Style", consultez la page de documentation sur les options des graphiques en nuage de mots.
Maps
La visualisation cartographique contextualise les données par rapport à la zone géographique. Elle est donc utile si vos données concernent spécifiquement des régions géographiques. La portée géographique de votre visualisation peut être personnalisée de la manière qui reflète au mieux les données collectées. Cela peut inclure le fait de spécifier votre emplacement à l'aide de la longitude, de la latitude et même du code postal, selon votre projet.
Les cartes interactives s'ajustent et se reconfigurent en fonction de la personnalisation, tandis que les cartes statiques restent cohérentes une fois configurées. Cette section traite spécifiquement des 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 grâce à plusieurs styles, par exemple avec les options Lumière, Sombre, Satellite, Rues et À l'extérieur. Ces styles peuvent mettre en évidence vos informations de différentes manières en fonction de la portée et de l'objectif de vos données. De plus, la visualisation Google Maps permet d'implémenter une carte de densité. Les cartes de densité affichent des informations à l'aide d'un système de couleurs qui indique la fréquence des données.
La carte de densité de visualisation Google Maps suivante affiche le nombre de produits vendus par mois en fonction des codes postaux aux États-Unis. La carte de densité comporte entre 9 et 66 produits vendus, avec un gradient allant du vert à l'orange pour représenter cette plage de valeurs. Des raccourcis clavier sont également disponibles pour naviguer sur cette carte.
Pour en savoir plus sur cette fonctionnalité, consultez la page de documentation Options de graphique Google Maps.
Map
Idéal pour visualiser des données géographiques interactives.
Les visualisations de cartes interactives appliquent des images géographiques pour représenter la façon dont vos données correspondent à un lieu et à une région spécifiques. Les cartes interactives peuvent refléter de nombreux autres types de visualisation en combinant des aspects de conception. Cela peut inclure l'utilisation de points, de lignes ou de zones pour signifier des marqueurs dans votre visualisation.
Vous pouvez également personnaliser la conception de la carte globale. 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 des détails clés tels que 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 la conception d'une carte, tenez compte des détails importants que l'utilisateur doit prendre en compte et choisissez la conception qui reflète le mieux ces détails.
Le graphique suivant met en évidence le nombre d'utilisateurs par code postal aux États-Unis via un système de code de couleurs en dégradé. Cette carte interactive permet d'effectuer des zooms sur des régions particulières de la carte.
Pour en savoir plus sur les cartes interactives dans Looker, consultez la page de documentation Options des graphiques de carte.
Carte statique (régions)
Idéal pour visualiser les données régionales.
Des cartes statiques par région représentent l'impact des données sur une région particulière. La carte étant statique, elle ne peut pas être modifiée ni ajustée en fonction de l'interaction de l'utilisateur. Ce type de visualisation est utile pour présenter une circonstance distincte plutôt qu'un processus changeant au fil du temps.
La carte statique régionale suivante représente le nombre de magasins dans chaque État des États-Unis. Avec un dégradé de bleu, le bleu le plus foncé représente le plus grand nombre de magasins. L'utilisation des couleurs de cette carte n'est pas quantifiée. Pour un contraste accru entre les états, vous pouvez activer le bouton Quantize Color (Quantifier la couleur) 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 Carte statique (régions).
Carte statique (points)
Idéal pour visualiser des données spécifiques à un point géographique.
Les cartes statiques avec des points reflètent des points statiques avec des régions. Toutefois, ces cartes permettent de visualiser les points qui se chevauchent entre différentes régions. En fonction de l'objectif de vos données, ce type de visualisation peut être utile, surtout s'il n'y a pas de divisions régionales claires avec vos ensembles de données.
La carte statique suivante, qui comporte des points, inclut des points dimensionnés en fonction du nombre de clients par code postal, à travers les États-Unis.
Pour en savoir plus sur ce type de carte dans Looker, consultez la page de documentation sur les options de graphique des cartes statiques (points).
Autres graphiques
D'autres types de visualisation de données populaires disponibles dans Looker vont au-delà de ces catégories. Ces formes spécifiques supplémentaires de visualisation permettent une personnalisation supplémentaire en fonction de votre public pour l'interprétation de vos données. Cette section comprend les exemples de graphiques suivants:
Diagramme en boîte
Idéal pour visualiser la distribution des données à l'aide d'un résumé statistique.
Tout comme les graphiques à nuage de points, les graphiques en boîte sont efficaces pour mettre en évidence la répartition des données. Les diagrammes en boîte le montrent grâce à un résumé statistique ou à un moyen de regrouper les données par des observations et des modèles. Il existe un résumé statistique à cinq chiffres pour un diagramme en boîte, qui divise les données en fonction du minimum, du maximum, de la médiane de l'échantillon, et des premier et troisième quartiles. La taille accrue d’un diagramme en boîte signifie une distribution accrue des données.
L'exemple de graphique en boîte suivant met en évidence la répartition des données des produits vendus entre janvier 2021 et juillet 2022. Sur chaque entrée mensuelle, le nombre minimal, moyen et maximal de produits vendus s'affiche lorsque l'utilisateur pointe dessus.
Pour en savoir plus sur les diagrammes en boîte et les personnaliser dans Looker, consultez la page de documentation Options des graphiques Boxplot.
Visualisations personnalisées
En plus des visualisations existantes disponibles dans Looker, vous pouvez également créer une visualisation personnalisée pour afficher vos données. Vous pouvez implémenter des visualisations personnalisées de différentes manières:
- Ajouter la visualisation personnalisée pour créer des visualisations personnalisées avec le paramètre
visualizationdans le fichier manifeste du projet - Installer la visualisation directement à partir de la place de marché Looker
- Installer la visualisation à partir de la page Visualisation de la section Administration de Looker
Voici quelques exemples de visualisations personnalisées disponibles en tant que plug-ins : Calendar Heatmap Visualization et Aster Plot Visualization. Pour en savoir plus sur la mise en œuvre d'une visualisation personnalisée, consultez la page Paramètres d'administration – Documentation sur les visualisations.
Vous pouvez également créer des visualisations propres à votre projet. Consultez la page de documentation Développer une visualisation personnalisée pour Marketplace Looker pour en savoir plus sur la création de ces visualisations et sur la façon dont elles peuvent refléter vos objectifs en matière de visualisation des données.