Lorsque nous regardons des rapports et des tableaux de bord, nous passons souvent plus de temps que prévu à essayer de comprendre les graphiques et les tableaux afin de pouvoir ensuite interpréter les données. Dans de nombreux cas, c'est à cause d'incohérences dans la présentation ou d'une mauvaise conception. Dans l'idéal, un rapport doit transmettre son message clairement et rapidement.
L'une des règles sous-jacentes de l'IBCS est le maintien de l'intégrité visuelle; elle constitue la composante "Contrôle" de la formule "SUCCES" de l'IBCS. Elle exige que les rapports et les tableaux de bord présentent les informations de la manière la plus objective et la plus facile à comprendre. Cela implique, entre autres, d'éviter les visuels trompeurs, y compris les mises à l'échelle inappropriées et les représentations biaisées. Pour l'interpréter les données, ce qui semble identique doit avoir avoir partout la même signification. La cohérence est importante et aide les utilisateurs à comprendre un rapport rapidement et facilement.
Éviter de manipuler les axes
Les graphiques sont utilisés pour comparer visuellement les données numériques. Des axes manipulés sont souvent très trompeurs lors de l'interprétation des données.
Le fait de tronquer un axe, c'est à dire de ne pas faire commencer la base de l'axe des ordonnées à zéro, est un exemple fréquent. Ceci est particulièrement problématique pour les histogrammes ou les graphiques à barres, où l'on compare naturellement la longueur des colonnes ou des barres. Jetez un coup d'œil aux graphiques ci-dessous :
En commençant l'axe des valeurs à 100 dans le premier graphique, le groupe B apparaît visuellement à peu près comme le double du groupe C, alors qu'en réalité il n'est que de 13% plus grand. En conservant 0 comme base pour l'axe des ordonnées on obtient une représentation véridique des données.
Les autres types de manipulations à éviter sont les axes logarithmiques et l'utilisation de classes de tailles différentes car ils ne permettent pas une interprétation visuelle précise des données numériques.
Utiliser les mêmes échelles
Lorsque nous présentons plusieurs graphiques de la même unité sur la même page, nous devons utiliser la même échelle pour permettre la comparaison entre les graphiques et éviter les comparaisons fallacieuses.
Consultez les tableaux ci-dessus qui indiquent le montant des ventes pour différents produits. Au premier coup d'œil, il n'est pas évident de se rendre compte que les produits A-C ont des valeurs beaucoup plus élevées que les produits D-F. Ce n'est qu'après avoir lu les étiquettes des données (ou consulté l'axe si le graphique était formaté différemment) que nous comprenons que c'est le cas. Le fait de conserver une échelle cohérente permettra aux utilisateurs d'effectuer une comparaison visuelle valable entre les graphiques. C'est ici que nous introduisons la propriété "Correspondre à" ("Match To") de XLCubed :
Propriété "Correspondre à"
Si l'on donne un nom à chacun des graphiques ci-dessus - par exemple "Chart 1", "Chart 2", on peut faire correspondre les échelles du deuxième graphique au premier. Pour cela, cliquez avec le bouton droit de la souris sur le graphique "Chart 2" et choisissez Propriétés > "Échelles des axes > Correspondre à" puis sélectionnez "Chart 1" dans la liste déroulante.
Cliquez sur OK et les deux graphiques ont maintenant la même échelle comme illustré ci-dessous :
Il est maintenant très facile de faire une comparaison visuelle entre les 2 graphiques, et il devient immédiatement évident que les produits A-C ont une valeur beaucoup plus élevée que les produits D-F.
Utilisation de types de graphiques différents :
Lorsque nous présentons plusieurs graphiques de types différents, il est important de comprendre ce que chaque type de graphique représente et donc de décider s'il est approprié ou non de faire correspondre les échelles.
Consultez les graphiques ci-dessous. Nous avons un graphique en cascade de type "Treillis" (graphique multiple) détaillant la structure du compte d'exploitation pour 2017 et 2018, un graphique représentant la différence en valeur entre les deux années et enfin un graphique montrant la variance relative, c'est à dire en pourcentage, entre les deux années.
Ici nous avons fait correspondre les échelles des deux premiers graphiques c'est-à-dire le graphique affichant la différence en valeur avec le graphique en cascade pour les 2 années car tous deux partagent la même unité. En revanche, il ne serait pas logique de faire correspondre l'échelle du troisième graphique situé le plus à droite avec les deux autres car les valeurs représentent une différence en pourcentage et non en valeur.
Redimensionnement des graphiques
Il est possible d'utiliser le sélecteur de plage pour redimensionner les graphiques. En redimensionnant les graphiques à l'aide d'une plage de cellules Excel, il devient très facile d'aligner les graphiques qui partagent la même échelle.
Traitement des valeurs aberrantes
Les valeurs extrêmes, ou aberrantes, peuvent fausser les échelles du graphique et rendre la majorité des points de données peu visibles, ce qui réduira la pertinence globale du graphique. Dans de nombreux cas, les valeurs aberrantes ne sont pas importantes pour l'entreprise et peuvent être causées par une valeur initiale faible entrainant un écart relatif (%) important. La plupart du temps, si une valeur aberrante n'est pas importante, il est préférable de ne pas mettre à l'échelle l'ensemble du graphique pour qu'il corresponde à cette anomalie. Dans les deux graphiques ci-dessous, le premier a été mis à l'échelle pour tenir compte des valeurs aberrantes "+983%" et "+391%" alors que dans le second les valeurs aberrantes sont indiquées à l'aide de flèches ce qui a automatiquement permis l'application d'une échelle adaptée pour les autres valeurs.
Dans le premier graphique, les données apparaissent écrasées et sont difficiles à comparer, si ce n'est en lisant les étiquettes individuelles. Le deuxième graphique nous permet de faire des comparaisons, tout en montrant clairement que les valeurs aberrantes sont hors échelle.
Pour les graphiques de variance relative, XLCubed détermine automatiquement les valeurs aberrantes qui affecteraient l'échelle, et les indique par des flèches. Ceci peut être défini ou annulé selon les besoins dans le cadre d'un rapport spécifique.