Données, graphiques et informations : pourquoi voir les chiffres ne suffit pas

Dans le post précédent, j’avais fait une affirmation volontairement provocatrice : Les tableaux de bord ne déterminent pas les décisions.Si vous ne l’avez pas encore lu, cela vaut la peine de commencer par là, car cet article explique pourquoi ce problème continue de se manifester, même dans les organisations disposant de bonnes données, de bons outils et d’analystes compétents. La réponse courte est la suivante : nous continuons à confondre données, graphiqueset aperçu comme si c’était la même chose. Ce n’est pas le cas.

L’hypothèse dangereuse au cœur de l’analyse

Il existe une croyance profondément enracinée dans l’analyse qui reste largement incontestée :

Si nous collectons les bonnes données et les visualisons suffisamment clairement, la compréhension émergera d’elle-même.

Cela semble raisonnable. C’est également faux.

Les données et les graphiques ne sont pas synonymes d’informations. Ce que cela équivaut généralement à plus à regarder.

Lorsque les organisations ont du mal à prendre des décisions, la réponse consiste souvent à ajouter plus de tableaux de bord, plus de visuels, plus de ventilations. Nous espérons que la clarté finira par apparaître si nous continuons à affiner les graphiques. Mais les informations n’apparaissent pas comme par magie lorsque vous insérez des chiffres dans un graphique à barres.

Que se passe-t-il réellement à la place

Ce qui se passe habituellement, c’est surcharge cognitive. Les gens regardent un tableau de bord et ils faire voir les patrons :

• tendances à la hausse ou à la baisse
• des valeurs aberrantes qui semblent inquiétantes
• des comparaisons qui semblent intéressantes

Mais ils ne le savent pas :

• quels modèles comptent
• qu’est-ce qui les motive
• qu’il s’agisse de signaux ou de bruit

Le cerveau fait donc ce qu’il fait toujours lorsque le sens n’est pas explicite : il comble les lacunes.

Différentes personnes apportent différentes hypothèses, expériences et incitations dans la salle. Le même graphique produit plusieurs interprétations. Et soudain, la conversation ne porte plus sur l’action. Il s’agit d’un débat.

Pourquoi les graphiques « corrects » conduisent toujours à de mauvais résultats

C’est la partie qui frustre le plus les analystes.

• Les graphiques sont techniquement corrects.
• Les mesures sont précises.
• Le modèle de données est solide.

Et pourtant… rien ne se passe.

C’est parce que l’exactitude n’est pas la même chose que l’utilité. Un graphique peut être précis tout en restant ambigu. Il peut montrer une tendance sans en expliquer la cause. Il peut mettre en évidence un changement sans indiquer s’il est bon, mauvais ou attendu.

Lorsque les informations ne sont pas explicites, les analyses transfèrent discrètement la responsabilité sur le public :

• Vous décidez ce que cela signifie
• Vous décidez de ce qui compte
• Vous décidez quoi faire ensuite

Cela peut sembler neutre, mais c’est en réalité une abdication.

Le manque de connaissances dont personne ne parle

Il existe une lacune dans la plupart des workflows d’analyse qui est rarement nommée.

On passe de :

• collecte de données
• à la modélisation
• à la visualisation

Et puis on arrête.

Nous supposons que l’insight se trouve quelque part à l’intérieur des graphiques, attendant d’être découvert par le spectateur.

En réalité, la perspicacité n’existe que lorsque quelqu’un rend le sens explicite :

• C’est important parce que…
• Cela se produit à cause de…
• Cela signifie que nous devrions…

Sans cette étape, les tableaux de bord deviennent des bibliothèques de modèles plutôt que des outils de décision.

Pourquoi les conversations se terminent par des questions et non par des conclusions

Si les conversations analytiques dans votre organisation ont tendance à se terminer par :

• « Il faut approfondir cette question »
• “Enlevons ça”
• « Pouvons-nous obtenir une panne d’ici… ? »

Ce n’est pas de la curiosité. C’est l’incertitude. Ces questions ne sont pas un signe d’engagement, elles sont le signe que le rapport n’a pas suffisamment réfléchi au nom du public.

L’exploration a sa place. Mais lorsque chaque tableau de bord invite à l’exploration et qu’aucun d’entre eux ne parvient à une conclusion, la prise de décision ralentit considérablement.

C’est ainsi que l’on se retrouve avec des organisations « data-driven » en théorie, mais instinctives en pratique.

La perspicacité nécessite une intention, pas seulement des visuels

L’ingrédient manquant n’est pas un meilleur type de graphique. C’est intention.

Les informations n’apparaissent que lorsque l’analyse est conçue pour répondre à une question spécifique posée par un décideur spécifique à un moment précis.

Cela signifie :

• décider quel est le graphique pourpas seulement ce que ça montre
• choisir ce qu’il faut exclure aussi délibérément que ce qu’il faut inclure
• rendre l’implication claire, même si cela semble inconfortable

Cela ne signifie pas supprimer les nuances ou cacher l’incertitude. Cela signifie guider l’interprétation au lieu de la laisser au hasard.

Pourquoi cela continue-t-il à arriver

Alors pourquoi les organisations continuent-elles de tomber dans ce piège ? Parce que la plupart des équipes d’analyse sont récompensées pour :

• précision
• exhaustivité
• sophistication technique

Ils sont rarement récompensés pour :

• clarté
• caractère décisif
• influence sur les résultats

En conséquence, les tableaux de bord sont optimisés pour avoir raison plutôt que être utile.

En attendant que cela change, nous continuerons à produire des analyses qui semblent impressionnantes mais qui peinent à changer les comportements.

Des graphiques aux insights : le changement sur lequel nous travaillons dans l’Accélérateur

Cette distinction entre données, graphiques et informations est l’un des fondements de la Accélérateur de données.

L’Accélérateur existe pour aider les équipes :

• Arrêtez de supposer que les connaissances émergeront d’elles-mêmes
• Concevoir des analyses autour de décisions explicites
• Réduire la surcharge cognitive au lieu d’y ajouter
• Transformez les résultats de Power BI en une compréhension partagée, et non en interprétations concurrentes

Lorsque les équipes effectuent ce changement, la qualité des conversations change. Moins de questions sont posées à la fin des réunions, non pas parce que la curiosité disparaît, mais parce que la clarté augmente.

Un test simple pour vos tableaux de bord

Voici un moyen rapide de repérer le problème. Regardez un tableau et demandez :

• À quelle conclusion chacun doit-il parvenir ?
• Quelle hypothèse cela supprime-t-il ?
• Quelle décision cela soutient-il ?

Si ces réponses ne sont pas évidentes, le tableau n’est pas encore terminé.

Les données ne sont pas un aperçu. Les graphiques ne comprennent pas.

Et jusqu’à ce que nous arrêtions de les considérer comme interchangeables, les tableaux de bord continueront d’échouer dans la seule chose que nous attendons d’eux : nous aider à décider.

---

Dans le prochain article, j’examinerai comment la surcharge de données aggrave ce problème et pourquoi davantage de tableaux de bord conduisent souvent à moins de clarté, pas plus.

Lire le post précédent : Les tableaux de bord ne déterminent pas les décisions (et c’est le vrai problème de l’analyse)