Excel - Les radars Tutoriels

Découvrez comment créer un graphique radar dans Microsoft Excel pour visualiser les performances de plusieurs variables.
Cette vidéo présente les étapes clés pour afficher un graphique radar et mieux comprendre les forces et les faiblesses de chaque variable.
Obtenez des conseils pratiques pour personnaliser les éléments et mieux comprendre les variations de vos données grâce à des visualisations telles que le graphique radar.
Cette ressource est utile pour tous les professionnels souhaitant améliorer leur compréhension de la datavisualisation dans Microsoft Excel.
Suivez cette formation pour créer facilement des graphiques radar professionnels et mieux comprendre vos données.

  • 05:19
  • 756 vues

Objectifs :

L'objectif de cette vidéo est d'expliquer l'utilisation des graphiques en radar pour comparer les performances de différents joueurs de football, ainsi que d'autres applications dans le domaine des entreprises. La vidéo aborde également la normalisation des données pour une meilleure lisibilité des graphiques.

Chapitres :

  1. Introduction aux Graphiques en Radar
    Les graphiques en radar, également appelés graphiques en étoile, sont des outils visuels utilisés pour comparer plusieurs éléments. Dans le contexte du football, ils permettent de visualiser les caractéristiques de différents joueurs, comme la capacité à dribbler, à marquer des buts ou à faire des passes décisives.
  2. Utilisation dans le Football
    Chaque branche du graphique représente une caractéristique spécifique d'un joueur. Par exemple, on peut comparer les performances de deux joueurs en fonction de leurs statistiques respectives. Cela permet d'identifier les forces et les faiblesses de chaque joueur de manière visuelle et intuitive.
  3. Applications en Entreprise
    Les graphiques en radar peuvent également être utilisés par les entreprises pour comparer différents services. Par exemple, une entreprise peut évaluer ses services en termes de coûts, de retour sur investissement ou d'empreinte carbone. Cependant, il est important de noter que l'utilisation de ces graphiques peut être déroutante en raison des différentes échelles de mesure.
  4. Problèmes de Comparaison
    Un des principaux défis lors de l'utilisation des graphiques en radar est la différence d'échelles entre les différentes caractéristiques. Par exemple, si l'on compare le nombre de minutes jouées à d'autres statistiques comme le nombre de buts, les valeurs peuvent être si disparates qu'elles rendent le graphique difficile à interpréter.
  5. Normalisation des Données
    Pour résoudre ce problème, il est recommandé de normaliser les données. Cela implique de diviser chaque valeur par le maximum de sa colonne, ce qui permet d'obtenir des valeurs comprises entre 0 et 1. Cette méthode facilite la comparaison entre les différentes caractéristiques des joueurs.
  6. Exemple Pratique
    Dans la vidéo, un exemple pratique est donné en comparant les performances de Kylian Mbappé et Nicolas Pépé. Après avoir normalisé les données, le graphique devient beaucoup plus lisible et permet une comparaison efficace des performances des deux joueurs.
  7. Conclusion
    En résumé, les graphiques en radar sont des outils puissants pour la comparaison visuelle, que ce soit dans le sport ou en entreprise. La normalisation des données est une étape cruciale pour garantir que les graphiques soient clairs et informatifs. Il est conseillé de conserver les fichiers de données pour référence future afin de faciliter la création de graphiques en radar.

FAQ :

Qu'est-ce qu'un graphique en radar et comment est-il utilisé ?

Un graphique en radar est une représentation visuelle qui permet de comparer plusieurs caractéristiques d'un ou plusieurs joueurs. Il est souvent utilisé dans le sport pour évaluer les forces et faiblesses des joueurs en fonction de différentes statistiques.

Comment normaliser les valeurs pour un graphique en radar ?

Pour normaliser les valeurs, divisez chaque valeur par la valeur maximale de sa colonne. Cela permet d'obtenir des valeurs comprises entre 0 et 1, facilitant ainsi la comparaison entre différentes caractéristiques.

Quels sont les avantages d'utiliser un graphique en radar ?

Les graphiques en radar permettent de visualiser rapidement les forces et faiblesses d'un joueur ou d'un service, facilitant ainsi la prise de décision et l'analyse comparative.

Quels types de données peuvent être représentés sur un graphique en radar ?

Les données peuvent inclure des statistiques de performance comme le nombre de buts, le nombre de passes décisives, le temps de jeu, et d'autres caractéristiques mesurables d'un joueur ou d'un service.

Pourquoi est-il important de faire attention aux échelles de valeurs dans un graphique en radar ?

Il est crucial de faire attention aux échelles de valeurs car des échelles différentes peuvent rendre la comparaison difficile et trompeuse. Normaliser les valeurs aide à éviter ce problème.

Quelques cas d'usages :

Analyse des performances des joueurs de football

Les entraîneurs peuvent utiliser des graphiques en radar pour comparer les performances de différents joueurs sur des caractéristiques spécifiques, comme le dribble, les passes décisives et les buts marqués, afin d'optimiser les stratégies de jeu.

Évaluation des services d'une entreprise

Une entreprise peut utiliser des graphiques en radar pour comparer ses différents services en termes de coûts, de retour sur investissement et d'empreinte carbone, facilitant ainsi la prise de décision sur l'allocation des ressources.

Comparaison des statistiques des joueurs dans les jeux vidéo

Les développeurs de jeux vidéo peuvent intégrer des graphiques en radar pour permettre aux joueurs de comparer les statistiques de différents personnages ou équipes, améliorant ainsi l'expérience de jeu.

Rapports de performance pour les athlètes

Les athlètes peuvent utiliser des graphiques en radar pour visualiser leurs performances sur différentes compétences, leur permettant de cibler des domaines spécifiques pour l'amélioration.

Glossaire :

Graphique en radar

Un graphique en radar est une représentation visuelle qui permet de comparer plusieurs variables entre elles, souvent utilisée pour évaluer les performances de différents joueurs dans le sport.

Coupe étoile

Un autre terme pour désigner un graphique en radar, où chaque branche représente une caractéristique spécifique.

Caractéristique

Une qualité ou un attribut mesurable d'un joueur, comme la capacité à dribbler, marquer des buts ou faire des passes décisives.

Normalisation des valeurs

Le processus de mise à l'échelle des données pour qu'elles soient comparables, souvent en les divisant par la valeur maximale dans une colonne.

Échelle de valeurs

Un système de mesure utilisé pour quantifier les caractéristiques, qui peut varier d'une caractéristique à l'autre.

Empreinte carbone

La mesure de l'impact environnemental d'une entreprise, souvent exprimée en termes d'émissions de CO2.

Passes décisives

Des passes qui mènent directement à un but marqué par un joueur.

résultat(s)
00:00:02
qui jouent ou qui ont déjà joué à des jeux de
00:00:05
foot typiquement sur console ou même
00:00:08
quand vous regardez des matchs de foot,
00:00:10
vous pouvez avoir ce type de
00:00:12
représentation-là et souvent,
00:00:13
c'est pour comparer un
00:00:15
ou plusieurs joueurs,
00:00:16
les uns par rapport aux autres.
00:00:18
Donc effectivement la forme de cet
00:00:20
élément est ce qu'on appelle aussi du coup
00:00:22
en étoile. Chaque branche que vous avez
00:00:24
ici va représenter une caractéristique.
00:00:26
Donc si on reste sur le foot, on pourrait
00:00:29
avoir la capacité à dribbler,
00:00:31
la capacité à marquer, les passes décisives,
00:00:33
et cetera, et cetera.
00:00:34
Et donc en un seul visuel,
00:00:36
on va avoir plein de caractéristiques
00:00:38
différentes et en fonction des
00:00:39
statistiques du joueur,
00:00:40
on va avoir un schéma qui va se tracer
00:00:43
ici et qui va correspondre du coup
00:00:46
à son empreinte par rapport
00:00:48
aux caractéristiques qu'on a pu fixer
00:00:49
et donc se rendre compte que la
00:00:52
dominante de tel joueur est
00:00:54
plutôt sur ces éléments-là versus un autre
00:00:57
jour qui est plutôt sur ces éléments-là.
00:00:59
Donc là on peut utiliser typiquement
00:01:01
effectivement pour les forces
00:01:02
et faiblesses d'un sportif,
00:01:04
on peut aussi avoir par notation,
00:01:06
pour les notations par service
00:01:07
d'une entreprise.
00:01:08
Une entreprise souhaite pouvoir
00:01:10
comparer ses différents services en
00:01:11
termes de coûts, en termes de
00:01:13
retour sur investissement, en termes
00:01:15
d'empreinte carbone, et cetera, et cetera.
00:01:17
Et donc potentiellement,
00:01:18
il a,
00:01:19
il va aller pouvoir l'afficher
00:01:20
sur ce type-là.
00:01:22
Sachez quand même que ça peut
00:01:23
potentiellement être un peu perturbant
00:01:25
pour les gens de l'utiliser parce
00:01:27
que vous allez vous retrouver
00:01:29
avec 150 échelles différentes,
00:01:30
pour chacune des branches.
00:01:31
Donc là on va parler un nombre de but,
00:01:34
là ça va être le nombre,
00:01:36
par exemple, de minutes jouées,
00:01:37
donc ça ne va plus du tout être la
00:01:39
même échelle de valeurs et donc
00:01:42
potentiellement ça peut être un peu
00:01:44
perturbant à lire et au final ce
00:01:46
qu'il faut bien retenir c'est que
00:01:47
ce qui compte c'est plutôt du coup
00:01:49
le schéma que ça va représenter
00:01:51
et la comparaison versus un schéma
00:01:53
d'un autre joueur.
00:01:54
Donc pour ça on va aller toujours
00:01:56
dans notre fichier, celui-là.
00:01:58
Donc vous allez dans l'onglet ici des radars.
00:02:00
Et on va retrouver du coup avec des
00:02:03
données que j'ai extraites sur ce site-là,
00:02:05
donc vous pourrez aller le
00:02:06
consulter pour une série de, je crois,
00:02:08
J'ai mis 10 joueurs...
00:02:10
c'est ça 10 joueurs, avoir
00:02:11
un petit peu des caractéristiques
00:02:12
sur l'aspect attaquant, donc le
00:02:14
nombre de minutes qu'ils ont jouées
00:02:16
sur la période donnée,
00:02:17
le nombre de but inscrits,
00:02:19
le nombre de passes décisives,
00:02:20
le nombre de tirs par match et le
00:02:22
nombre de dribbles par match. Et
00:02:24
on va se retrouver du coup avec
00:02:26
ces différentes valeurs-là et
00:02:28
le souci qu'on va avoir avec ça,
00:02:30
c'est que si j'applique
00:02:31
directement mon radar
00:02:33
sur ces valeurs-là, donc par exemple,
00:02:36
je vais comparer Kylian Mbappé
00:02:38
et Nicolas
00:02:39
PépéLille, je suppose qu'on le dit
00:02:41
comme ça, je ne suis pas très foot, on va
00:02:45
du coup aller rajouter notre radar. Ici.
00:02:49
Et qu'est ce qu'on va avoir comme souci ?
00:02:52
Là, on se rend compte que ça ne marche pas
00:02:54
très bien notre graphique. Pourquoi ?
00:02:56
Parce qu'on va se retrouver avec juste une
00:02:58
barre ici qui va correspondre au nombre
00:03:00
de minutes jouées et les autres
00:03:01
du coup, on a l'impression qu'elles
00:03:03
ne sont pas prises en compte.
00:03:05
Alors en fait ce n'est pas qu'elles ne sont
00:03:06
pas prises en compte,
00:03:07
c'est que du coup cette échelle-là
00:03:09
du nombre de minutes jouées,
00:03:11
ça va devenir l'échelle aussi pour les
00:03:13
autres valeurs. Donc typiquement on va
00:03:15
comparer 2344 minutes à 33 buts donc
00:03:17
en réalité il y a bien un trait ici,
00:03:19
il y a bien le radar qui
00:03:21
se forme mais la valeur est
00:03:23
tellement faible par rapport au
00:03:25
nombre de minutes jouées, enfin
00:03:27
l'échelle est tellement différente
00:03:28
que du coup on ne la voit même pas.
00:03:31
Et si je zoome à fond dessus,
00:03:33
je peux encore peut être zoomer encore un peu.
00:03:35
Voilà,
00:03:35
on commence à voir qu'il y a un petit
00:03:38
quelque chose là sur les côtés mais
00:03:39
en tous les cas ce n'est pas utilisable.
00:03:41
Donc pour ça j'ai préparé un autre
00:03:44
tableau qui va ce qu'on appelle
00:03:45
en fait normaliser les valeurs.
00:03:47
L'idée c'est qu'on va tout mettre
00:03:49
ce qu'on appelle en base 1.
00:03:50
C'est-à-dire que là,
00:03:52
sur chacune des valeurs,
00:03:53
je vais prendre la valeur en question
00:03:55
et aller le diviser par le maximum
00:03:57
qui a été rencontré dans la colonne
00:03:59
qui est ici. Et donc à partir de là,
00:04:02
la valeur la plus haute va du coup
00:04:04
avoir 1 et du coup les valeurs
00:04:06
qui sont en-dessous vont avoir une
00:04:08
valeur entre 0 et 1 et ça du coup je
00:04:11
le répète sur chacune des colonnes
00:04:12
et ce qui fait que je vais
00:04:15
me retrouver avec uniquement des
00:04:16
valeurs qui vont être entre 0 et 1.
00:04:19
Donc je supprime en fait
00:04:20
le problème que j'avais pu
00:04:22
rencontrer. Et quand on applique
00:04:24
ça donc là, typiquement ce graphique-là,
00:04:26
donc j'ai refait exactement la
00:04:28
même manière sur 2 joueurs et bien
00:04:30
là maintenant ça devient beaucoup
00:04:32
plus facilement comparable avec
00:04:34
du coup des échelles qui se
00:04:36
respectent les unes les autres.
00:04:38
Et donc là potentiellement, je peux aller
00:04:39
rajouter un joueur, je peux aller
00:04:41
enlever ce joueur-là, descendre
00:04:43
un peu plus bas donc évidemment il faut
00:04:45
aller au maximum je pense à trois éléments
00:04:48
sur le graphique, deux c'est déjà assez
00:04:50
compliqué à lire mais voilà de pouvoir
00:04:52
tout de suite comparer les données de
00:04:54
mes différents footballeurs,
00:04:55
vous voyez.
00:04:56
Et à la volée, là,
00:04:57
je peux aller les modifier assez facilement.
00:04:59
Donc ça c'est une étape importante.
00:05:01
Si vous êtes amené à utiliser des radars,
00:05:03
d'aller, ce que je vous disais,
00:05:04
du coup,
00:05:05
normaliser les données et vous avez vu que
00:05:07
du coup la formule n'est pas très compliquée.
00:05:09
De toutes façons vous allez garder les fichiers,
00:05:10
donc gardez-le dans un coin si vous
00:05:12
pensez qu'un jour vous aurez besoin de
00:05:14
faire un radar pour vous souvenir de
00:05:16
la manipulation qui doit être réalisée
00:05:18
pour normaliser les différentes valeurs.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

Mandarine AI: CE QUI POURRAIT VOUS INTÉRESSER

LES COURS ASSOCIÉS Ce tutoriel fait partie des cours suivants

Abonnés
3226 vues
E-learning Intermédiaire

Formation Vidéo Microsoft Excel - Intermédiaire

Augmentez votre champ d’action grâce à nos tutoriels intermédiaires dédiés aux formules, à la valorisation visuelle avancée ainsi qu’à l’ana...

Cours E-learning
TOUS LES COURS

Une erreur est survenue

Impossible de sauvegarder votre progression. Veuillez recharger la page, vous connecter, et essayer de nouveau. Si le problème persiste, merci de contacter un administrateur.

Fermer

Rappel

Afficher

/

Acceder à la session