Excel - Le cycle de l'analyse de données Tutoriels

Découvrez le cycle de l'analyse de données dans Microsoft 365 pour comprendre comment la datavisualisation peut aider à répondre à des questions et à résoudre des problèmes.
Cette vidéo présente les étapes clés du cycle de l'analyse de données, les bonnes pratiques et la création de visualisations.
Obtenez des conseils pratiques pour choisir la bonne visualisation en fonction de vos données et améliorer la compréhension des informations importantes.
Cette ressource est utile pour tous les professionnels souhaitant améliorer leur compréhension de l'analyse de données dans Microsoft 365. Suivez cette formation pour améliorer votre compréhension de l'analyse de données et prendre des décisions éclairées grâce à vos données.

05:59
1109 vues

Disponible dans Microsoft365

Objectifs :

L'objectif de cette vidéo est de comprendre le cycle de l'analyse visuelle dans le cadre de la visualisation des données. Il s'agit d'un processus essentiel pour déterminer pourquoi et comment créer des visualisations efficaces qui répondent à des questions spécifiques et permettent de prendre des décisions éclairées.

Chapitres :

Introduction au Cycle de l'Analyse Visuelle
Dans cette section, nous abordons le cycle de l'analyse visuelle, un concept fondamental pour quiconque souhaite utiliser la visualisation des données. Ce cycle guide le processus de création de visualisations en posant des questions essentielles sur les objectifs et les données disponibles.
Définir l'Objectif de la Visualisation
Avant de créer une visualisation, il est crucial de définir la raison pour laquelle elle est nécessaire. Cela implique de se poser des questions telles que : Qu'est-ce que je veux comprendre ? À quelle question je souhaite répondre ? Chaque visualisation doit être justifiée par un objectif clair, et non simplement pour embellir un fichier Excel.
Collecte et Préparation des Données
Une fois l'objectif défini, il faut vérifier la disponibilité des données nécessaires. Si les données ne sont pas disponibles, il est essentiel de les enrichir ou de récupérer d'autres fichiers. Cette étape est cruciale pour garantir que les visualisations reposent sur des données fiables et pertinentes.
Construction des Visualisations
Après avoir rassemblé les données, la prochaine étape consiste à construire les visualisations. Le choix des types de visualisations est important, car elles doivent raconter une histoire et mettre en avant des éléments clés. Les visualisations permettent de comprendre des comportements et d'analyser des résultats qui seraient difficiles à percevoir sans support visuel.
Analyse des Résultats
Une fois les visualisations créées, il est temps d'analyser les résultats. Cela peut inclure des constats sur les performances des campagnes marketing, par exemple. Si des anomalies ou des problèmes de performance sont identifiés, il est important de partager ces informations avec les collègues ou la hiérarchie pour discuter des actions correctives à mettre en place.
Exemple Pratique : Analyse d'un Site E-commerce
Pour illustrer le cycle de l'analyse visuelle, prenons l'exemple d'un site e-commerce qui utilise des campagnes marketing en ligne. En analysant les données de performance, telles que le chiffre d'affaires généré par les campagnes, le taux de conversion, et le coût par clic, on peut identifier des faiblesses dans certaines campagnes. Cela permet de proposer des actions correctives, comme modifier le ciblage des campagnes.
Conclusion et Réflexion
En conclusion, il est essentiel de garder à l'esprit l'objectif de chaque visualisation. Que ce soit pour suivre une tendance ou détecter une anomalie, chaque étape du cycle de l'analyse visuelle doit être réfléchie. En appliquant ce processus, vous serez mieux préparé à créer des visualisations qui apportent une réelle valeur ajoutée à votre analyse de données.

FAQ :

Qu'est-ce que le cycle de l'analyse visuelle?

Le cycle de l'analyse visuelle est un processus qui aide à structurer la création de visualisations de données, en commençant par la définition des objectifs et des questions à répondre.

Pourquoi est-il important de justifier une visualisation?

Chaque visualisation doit être justifiée par une question ou un objectif spécifique afin de garantir qu'elle apporte une valeur ajoutée et aide à la prise de décision.

Comment puis-je améliorer mes campagnes marketing en ligne?

En analysant les données de performance, comme le taux de conversion et le CPC, vous pouvez identifier les campagnes qui ne fonctionnent pas et ajuster votre ciblage ou vos stratégies.

Quels outils puis-je utiliser pour l'analyse des données?

Des outils comme Google Ads et Google Analytics sont couramment utilisés pour analyser les performances des campagnes marketing en ligne.

Comment le reporting aide-t-il dans le processus de visualisation?

Le reporting permet de collecter et d'organiser les données nécessaires pour créer des visualisations significatives qui aident à comprendre les performances et à prendre des décisions éclairées.

Quelques cas d'usages :

Analyse des performances des campagnes marketing

Utiliser des visualisations pour évaluer l'efficacité des campagnes publicitaires en ligne, en analysant des métriques comme le taux de conversion et le CPC pour ajuster les stratégies marketing.

Suivi des tendances de vente

Créer des graphiques pour visualiser les tendances de vente sur un site e-commerce, permettant d'identifier les produits performants et ceux nécessitant des améliorations.

Identification des anomalies dans les données

Appliquer des visualisations pour détecter des anomalies dans les données de performance, facilitant ainsi la prise de décisions pour corriger les problèmes identifiés.

Partage d'informations avec l'équipe

Utiliser des visualisations pour communiquer des résultats d'analyse à des collègues ou à la direction, facilitant la compréhension et la collaboration sur les actions à entreprendre.

Glossaire :

Cycle de l'analyse visuelle

Un processus qui guide la création de visualisations de données, en commençant par la définition des objectifs et des questions à répondre.

Visualisation de données

La représentation graphique d'informations et de données pour faciliter la compréhension et l'analyse.

Taux de conversion

Le pourcentage de visiteurs d'un site web qui effectuent une action souhaitée, comme un achat, par rapport au nombre total de visiteurs.

CPC (Coût par clic)

Un modèle de tarification dans la publicité en ligne où l'annonceur paie un montant chaque fois qu'un utilisateur clique sur son annonce.

CPA (Coût par acquisition)

Le coût total dépensé pour acquérir un client, calculé en divisant le coût total de la campagne par le nombre d'acquisitions.

Digital Analytics

L'analyse des données numériques pour comprendre le comportement des utilisateurs sur les plateformes en ligne.

Reporting

Le processus de collecte et de présentation des données pour évaluer la performance d'une campagne ou d'une activité.

00:00:02

la visualisation, avec ce qu'on appelle

00:00:04

le cycle de l'analyse visuelle.

00:00:06

C'est quelque chose qui est peut être

00:00:08

relativement poussée par rapport

00:00:10

à l'usage que vous voudrez faire

00:00:11

de la data visualisation,

00:00:13

il n'empêche que c'est un cheminement que

00:00:15

vous devez avoir en tête quand vous allez

00:00:18

vous décider à utiliser de la visualisation.

00:00:20

Donc là, ce que vous avez ici,

00:00:23

c'est le schéma dans lequel la

00:00:25

visualisation est nécessaire et se justifie.

00:00:27

Donc la première étape avant tout,

00:00:29

c'est de définir la raison

00:00:31

pour laquelle on souhaite tout simplement

00:00:33

créer une visualisation et au delà de ça,

00:00:35

c'est qu'est ce que je veux comprendre,

00:00:37

à quelle question je souhaite répondre.

00:00:39

Donc on verra après un cas concret,

00:00:41

mais en tous les cas voilà se

00:00:43

poser une question, pas juste

00:00:44

faire une visualisation pour se dire : ça

00:00:46

sera plus joli dans mon fichier Excel.

00:00:48

Non, chaque visualisation doit

00:00:49

être justifiée et donc pour ça,

00:00:51

il faut se poser

00:00:53

ces questions-là.

00:00:54

Ensuite,

00:00:54

une fois qu'on a la problématique,

00:00:56

on regarde si les données qui sont

00:00:58

à disposition dans notre fichier

00:01:00

Excel ou dans un fichier à part

00:01:02

est disponible. Donc si ce n'est pas le cas,

00:01:04

il va falloir aller enrichir ce fichier

00:01:06

ou aller récupérer un autre fichier.

00:01:08

Ensuite, une fois qu'on a les données,

00:01:10

on va construire les visualisations,

00:01:13

le choix des visualisations, on

00:01:14

va y venir juste après, et elle a

00:01:17

aussi un sens en tous les cas,

00:01:19

là on va construire les visualisations.

00:01:21

Et comme on l'a vu juste avant,

00:01:23

normalement les visualisations vous

00:01:24

permettent de raconter une histoire,

00:01:26

de mettre des choses en avant et de

00:01:28

comprendre des choses qui n'étaient pas

00:01:30

possible de faire sans des supports visuels.

00:01:32

Et donc à partir de là,

00:01:34

et bien on va comprendre des choses,

00:01:36

comprendre des comportements comme

00:01:37

tout à l'heure avec l'évolution

00:01:38

du chiffre d'affaires,

00:01:39

ce qu'on appelait des Inside, donc

00:01:40

c'est des analyses et des résultats,

00:01:42

des raisonnements,

00:01:42

des constats qu'on va avoir

00:01:44

par rapport à nos données.

00:01:45

Une fois qu'on a ces constats

00:01:46

et bien soit on travaille tout

00:01:48

seul et on est déjà convaincu,

00:01:50

donc pas besoin de partager l'information.

00:01:51

Si ce n'est pas le cas,

00:01:53

on a une hiérarchie,

00:01:54

on a des collègues,

00:01:55

on a des collaborateurs et donc ici on

00:01:56

va aller faire du partage d'information,

00:01:58

donc on va reprendre évidemment

00:02:00

nos graphiques parce que c'est

00:02:01

ce qui est le plus parlant.

00:02:03

Et on va refaire

00:02:04

notre cheminement de pensée. Et une

00:02:06

fois que tout le monde est convaincu

00:02:08

qu'il y a quelque chose à corriger,

00:02:09

qu'il y a un constat qui est fait,

00:02:12

qui est légitime,

00:02:13

on va mettre des actions en

00:02:14

place pour aller améliorer ce qu'on

00:02:16

aurait pu identifier ou aller corriger

00:02:18

des éléments qui nous semblent

00:02:20

anormaux.

00:02:21

Et donc pour vous illustrer ça,

00:02:23

on va prendre un exemple

00:02:25

avec un site e-commerce.

00:02:27

Donc moi je travaille dans ce qu'on

00:02:29

appelle le Digital Analytics, donc je

00:02:31

suis au quotidien baigné dans

00:02:33

ces types de problématiques là.

00:02:35

Et donc imaginons un site e-commerce qui

00:02:37

achète des campagnes marketing

00:02:39

sur Internet pour faire sa publicité.

00:02:42

Donc ce sont les fameuses bannières que

00:02:44

vous pouvez voir ou ce qu'on appelle

00:02:46

des liens sponsorisés sur les moteurs de

00:02:49

recherche. Et on se demande :

00:02:51

ces campagnes sont payantes,

00:02:53

est ce qu'elles contribuent effectivement

00:02:55

à mon chiffre d'affaires global

00:02:56

sur mon site e-commerce ?

00:02:58

Donc imaginons qu'on vende des vêtements.

00:03:00

Voilà donc on va partir là-dessus.

00:03:02

Donc pour pouvoir répondre à cette

00:03:05

question, à cette problématique,

00:03:06

la contribution de mes campagnes

00:03:08

à mon chiffre d'affaires en ligne,

00:03:09

je vais déjà obtenir les données

00:03:11

qui m'intéressent pour le faire.

00:03:13

Donc évidemment,

00:03:14

dans mes outils webmarketing je vais

00:03:16

déjà avoir des interfaces qui vont

00:03:18

permettre d'analyser les données

00:03:20

donc je vais avoir du Google,

00:03:21

donc Google Adsense,

00:03:22

je vais avoir

00:03:24

des reportings dans Google Ads et

00:03:25

cetera. Donc ce sont les outils

00:03:27

qui sont souvent utilisés.

00:03:28

Quoi qu'il en soit,

00:03:29

je peux tout à fait faire un extract

00:03:31

brut de ces sources de données pour

00:03:34

pouvoir après refaire moi-même les

00:03:35

manipulations dans Excel.

00:03:37

Donc après je vais avoir un

00:03:39

certain nombre de visualisations

00:03:40

qui vont s'offrir à moi,

00:03:42

donc tout simplement déjà le

00:03:43

chiffre d'affaires qui a été

00:03:45

généré par ces campagnes,

00:03:46

ce qu'on va appeler le taux de

00:03:48

conversion donc pour 100 personnes

00:03:50

qui sont rentrés sur le site via

00:03:52

ma campagne, combien ont finalement converti ?

00:03:54

On va aussi regarder ce qu'on appelle le CPC.

00:03:57

Le coût par clic, le CPA,

00:03:59

le coût par acquisition,

00:04:00

donc tout ça,

00:04:01

ce sont des voilà des choses

00:04:03

très liées au digital marketing,

00:04:05

donc je ne vais pas trop m'étendre là dessus,

00:04:07

il y a pas mal de ressources

00:04:10

sur Internet.

00:04:11

Si ça vous intéresse en tout cas voilà,

00:04:13

je vais pouvoir récupérer des

00:04:15

tendances, récupérer des chiffres

00:04:17

clés qui vont permettre de commencer

00:04:19

à faire mes analyses. Et typiquement

00:04:21

dans la partie analyse, donc ici, là,

00:04:23

je vais constater que globalement ça marche,

00:04:25

mais je vais avoir des problèmes de

00:04:27

performance sur certaines campagnes.

00:04:28

Typiquement celle qui cible

00:04:29

les produits A, B et D.

00:04:31

Voilà imaginons qu'on ait

00:04:32

une centaine de produits,

00:04:34

peu importe, en tous les cas,

00:04:35

je peux voir qu'il y a des faiblesses

00:04:37

dans mon dispositif marketing payant

00:04:39

en ligne, car sur certaines campagnes,

00:04:41

ça ne fonctionne pas du tout.

00:04:43

J'ai un chiffre d'affaire généré

00:04:45

qui est très faible.

00:04:46

J'ai un taux de conversion qui

00:04:48

n'est du coup pas bon,

00:04:49

j'ai un coût par clic qui est élevé

00:04:51

donc ça me coûte de l'argent.

00:04:53

Et cetera, et cetera. Donc,

00:04:55

la conclusion,

00:04:55

c'est que ça ne fonctionne pas.

00:04:57

Donc je vais aller voir mon chef et

00:04:59

je vais lui partager les informations

00:05:01

que j'ai pu constater sur

00:05:03

ces campagnes-là, lui dire :

00:05:05

il faut qu'on corrige quelque

00:05:07

chose pour aller améliorer

00:05:09

les campagnes qui concernent ces

00:05:10

produits. Et finalement du coup

00:05:12

ça va être l'action qu'on va mettre en place,

00:05:15

c'est d'aller modifier le

00:05:16

ciblage sur ces campagnes,

00:05:17

donc se dire : en fait je vais prendre

00:05:20

d'autres sites pour diffuser mes campagnes,

00:05:22

je vais cibler d'autres mots clés

00:05:24

si je suis sur des liens sponsorisés,

00:05:26

et cetera, et cetera.

00:05:27

Et donc ce cheminement là

00:05:29

que je viens de faire,

00:05:31

vous pouvez l'appliquer sur

00:05:32

n'importe quoi. Mais vraiment,

00:05:33

l'étape importante quand vous

00:05:35

allez vous lancer dans des visualisations,

00:05:36

c'est in fine à quoi va me servir

00:05:39

cette visualisation ?

00:05:40

Est-ce que je veux suivre

00:05:42

une tendance ?

00:05:43

Est-ce que si je détecte une

00:05:45

anomalie je vais être capable de

00:05:47

mener une action pour la corriger,

00:05:49

et cetera et cetera,

00:05:50

donc essayez, sans évidemment

00:05:51

l'appliquer à la lettre, mais

00:05:53

d'avoir un petit peu ce cheminement

00:05:55

en tête quand vous vous lancez

00:05:57

dans la création de graphiques.

Mandarine AI: CE QUI POURRAIT VOUS INTÉRESSER

LES COURS ASSOCIÉS Ce tutoriel fait partie des cours suivants

Abonnés

3620 vues

E-learning Débutant

Formation Vidéo Microsoft Excel - Découverte

Découvrez et familiarisez-vous avec Excel : De la création à l’exploitation de vos tableaux en passant par l’amélioration de vos visuels ain...

Cours E-learning

TOUS LES COURS