La visualisation des données permet de représenter graphiquement les données afin d'en révéler les tendances. Un tableau de mille chiffres est difficile à lire. Un graphique linéaire des mêmes données met instantanément en évidence la tendance. La visualisation exploite le système visuel humain. Nous sommes doués pour repérer les tendances, les valeurs aberrantes et les variations. En revanche, nous avons du mal à traiter mentalement de longs tableaux de chiffres. Les graphiques comblent cette lacune.

Une bonne visualisation commence par une question : que cherchez-vous à montrer ? Une comparaison, une distribution, une composition, une relation ou une tendance ? Chaque question suggère un type de graphique. La comparaison privilégie les barres. La distribution, les histogrammes ou les diagrammes en boîte. La composition, les barres empilées ou les treemaps. Les relations, les nuages ​​de points. Les tendances, les courbes. Choisir le mauvais type de graphique masque la réponse. Un diagramme circulaire à douze secteurs est illisible. Un graphique linéaire avec des données catégorielles sur l’axe des abscisses est trompeur. La couleur, l’échelle et l’étiquetage sont essentiels. Un axe des ordonnées tronqué exagère les petites variations. Les échelles de couleurs arc-en-ciel sont difficiles à lire et inaccessibles aux daltoniens. Les meilleures visualisations sont simples. Elles vont à l’essentiel et laissent les données parler d’elles-mêmes. Edward Tufte appelait cela maximiser le rapport données/encre. Chaque pixel doit véhiculer une information ou rester discret.

Types de visualisation selon l'objectif

• Comparaison — diagrammes à barres, diagrammes à points
• Distribution — histogrammes, diagrammes en boîte
• Composition — diagrammes à barres empilées, cartes arborescentes, diagrammes circulaires
• Relation — nuages ​​de points, cartes thermiques
• Tendances — graphiques linéaires, graphiques en aires

Un graphique est un argument. Il doit présenter clairement le propos sans induire le lecteur en erreur.