L'exploitation efficace de la donnée est essentielle en growth marketing.
Dans une stratégie d'acquisition durable, une bonne maitrise de la donnée permet de mieux cibler son audience et donc d'optimiser les ressources.
Mais pour piloter vos décisions par la donnée, encore faut-il que la data soit pertinente, facile à comprendre et accessible par l'ensemble des collaborateurs.
C'est là que le Data Storytelling entre en jeu. Il permet de combiner des données complexes avec une narration engageante pour transmettre des messages clairs et percutants.
Lydia hooper, spécialiste en datavisualisation, propose cette illustration reprenant les quatre éléments fondamentaux d'un bon data storytelling : le design visuel, le contexte de la communication, les données et la narration.
1. Le Design Visuel
Le design visuel est au cœur du data storytelling. Il ne s’agit pas simplement de rendre les données esthétiquement attirantes, mais de les présenter de manière à ce qu’elles soient facilement compréhensibles et mémorables. Un bon design visuel repose sur plusieurs aspects :
- Principes de design : Un bon design doit suivre des règles de composition, de hiérarchisation de l'information et d'harmonie des couleurs.
- Éléments de design : Utilisation des formes, des lignes, des typographies et des couleurs pour guider l'œil du lecteur vers les informations essentielles. L'intégration d'éléments interactifs peut aussi être judicieux pour visualiser des données complexes comme des graphiques présentant des flux.
- Iconographie : Les images et icônes utilisées doivent être pertinentes et apporter un contexte supplémentaire aux données, sans les surcharger.
Exemple de graphique de flux (via l'outil Flourish)
Le design visuel joue un rôle crucial dans la lisibilité des graphiques et des infographies. En appliquant des principes de design centrés sur l'utilisateur, les données deviennent non seulement plus accessibles, mais aussi plus percutantes.
Pour aller plus loin, vous pouvez vous appuyer sur les lois de Gestalt pour améliorer la perception de vos visuels et graphiques.
2. Le Contexte de la Communication
Le contexte dans lequel vous communiquez vos données est déterminant pour l’impact de votre histoire. Avant de commencer à structurer votre récit, il est essentiel de répondre à quelques questions clés :
- Comprendre l'audience : Qui est votre audience ? Quelles sont ses attentes, ses connaissances préalables du sujet et ses besoins en informations ?
- Objectif clair : Quel est le but de votre communication ? S'agit-il de convaincre, d'informer, ou d'inciter à une action spécifique ?
- Boucles de rétroaction : Intégrer des mécanismes pour obtenir des feedbacks vous permet d'ajuster votre message en fonction des réactions de votre audience et de maximiser l’efficacité de votre datavisualisation.
Le contexte est ce qui donne du sens à votre histoire. Un message bien contextualisé aide à établir une connexion plus forte avec votre audience, car il s’adapte à ses attentes et à son niveau de compréhension.
3. La Data
Au cœur du data storytelling se trouvent les données elles-mêmes. Mais toutes les données ne se valent pas. Pour qu’elles aient un impact, elles doivent être intègres et de qualité :
- Source de données faisant autorité : Utiliser des données provenant de sources fiables et transparentes est fondamental pour garantir l’authenticité de votre histoire.
- Analyse statistique : Il ne suffit pas de présenter des données brutes. Une analyse rigoureuse permet de dégager des insights pertinents et de les intégrer dans votre narration.
Par exemple, en utilisant les outils de statistique descriptive comme la moyenne, la médiane ou le mode, vous pouvez largement augmenter la valeur ajoutée des données. - Représentation précise : La manière dont vous visualisez vos données doit être exacte et compréhensible. C'est notamment lié au choix du graphique.
Par exemple, utiliser un graphique en anneau est pertinent pour illustrer une répartition entre plusieurs entités.
Parts de marché des navigateurs web (via l'outil Flourish)
Le data storytelling repose sur des informations vérifiées et traitées avec rigueur. Il est important de toujours garder en tête l’objectif final : vous aider à prendre des décisions adaptées à votre stratégie de growth.
4. La Narration
On sait depuis longtemps que les histoires ont un impact important à la fois sur la mémorisation et sur la création de lien émotionnel avec une audience.
Déjà en 1949, Joseph Campbell, spécialiste reconnu des mythes, expliquait dans son livre "Le Héros aux mille et un visages" la dimension universelle des mythes. C'est ce qu'il a appelé le "Monomythe".
Appliqué au domaine de la Data, le storytelling transforme les données et les visuels en une histoire cohérente et captivante. Veillez donc à travailler ces points :
- Langage et message : Adopter un langage simple, clair et adapté à votre audience. Le message doit être facilement compréhensible (pas de jargon) et direct.
- Structure narrative : Comme toute bonne histoire, votre récit doit suivre une structure avec un début, un milieu et une fin. Introduisez le contexte et développez votre analyse à travers les données.
- Appel à l'action : Une bonne histoire de données doit se terminer par une incitation à agir. Que voulez-vous que votre audience fasse après avoir entendu votre histoire ?
La narration apporte de l’humanité aux données en les ancrant dans un récit auquel l’audience peut s’identifier. C’est ce qui fait toute la différence entre une simple présentation de chiffres et une histoire engageante qui inspire l’action.
L'exemple du graphique de Charles Minard
Intitulé précisément "Carte figurative des pertes successives en hommes de l'armée française dans la campagne de Russie 1812-1813", ce graphique de l'ingénieur Charles Minard est une référence en matière de datavisualisation.
Ne vous méprenez pas... Même si cette illustration parait peu "esthétique" avec aucune interactivité (il a été publié en 1869 !), il est remarquable sur le fond.
Ce graphique permet de comprendre en quelques instants le contexte de la désastreuse campagne de Napoléon en Russie.
Ce travail combine de manière magistrale des données quantitatives (nombre de soldats), géographiques (distance, rivières...) et climatiques (températures) pour offrir une vue d'ensemble très claire et complète de la campagne ratée de l'empereur français.
C'est un très bon exemple de comment une datavisualisation bien conçue peut non seulement informer, mais aussi raconter une histoire complexe de manière simple et puissante.
Et l'IA dans tout cela ?
Comme tous les secteurs, la data et plus précisément la visualisation des données suit la tendance des IA génératives !
Les grands outils de datavisualisation : Microsoft Power BI, Google Looker Studio, Tableau, etc essaient d'intégrer l'intelligence artificielle pour simplifier la création de contenu.
Des plateformes encore plus "automatisées" commencent à émerger.
Par exemple, Napkin.ai qui a une promesse simple : Transformer le texte en visuels. Difficile de faire plus rapide...
Source : webwire.com
Vous pouvez personnaliser ensuite le visuel généré.
Au moment où j'écris ces lignes, l'outil est en version Bêta avec un accès gratuit à l'ensemble des fonctionnalités, profitez-en pour le tester ;-)
Checklist Datavisualisation
Créer des graphiques et des visuels à impact requiert des compétences pluridisciplinaires en design, rédaction et bien sûr en data.
Pour vous aider à optimiser votre travail, j'ai créé une checklist des éléments clés en datavisualisation C'est gratuit, il suffit de créer une copie du Google Sheets ;-)
Ces critères sont issus principalement du site stephanieevergreen.com.
À vous de jouer !