Analyse par quadrants dans Tableau

L’analyse exploratoire des données est la colonne vertébrale de tout projet de data science. Avant de concevoir un modèle et d’entraîner le jeu de données avec un algorithme d’apprentissage automatique, il est essentiel d’explorer les données pour en avoir une vue d’ensemble.

Prenons le célèbre jeu de données Superstore. Il s’agit des données d’une chaîne de distribution américaine et elles contiennent des informations sur les produits, les ventes, les profits, etc., que vous pouvez utiliser pour identifier des axes d’amélioration au sein de cette entreprise fictive. La première étape consiste à importer puis explorer le jeu de données. Vous pouvez télécharger les données ici.

Python pour l’EDA

Utilisons Python pour importer et explorer le jeu de données. Pour en savoir plus sur l’exploration et le nettoyage des données en Python, suivez le cours de DataCamp Cleaning Data in Python.

import pandas as pd  
import numpy as np
superstore_data = pd.read_excel('Sample-Superstore .xls',header = 3)  
superstore_data.head()

La dataframe affiche les cinq premières lignes du jeu de données avec différents attributs. Nous pouvons aussi vérifier la présence de valeurs manquantes et examiner les différentes colonnes :

superstore_data.info()

Les informations ci-dessus indiquent qu’il n’y a aucune valeur nulle et un total de 9©94 enregistrements. La visualisation est également une composante clé de l’EDA car elle apporte de la perspective. On pourrait créer un nuage de points entre Sales et Profit, mais existe-t-il un moyen d’enrichir ce graphique de dispersion pour en tirer plus d’informations ? L’une des approches consiste à utiliser un graphique par quadrants. Voyons cela plus en détail et créons le nôtre.

Graphique d’analyse par quadrants

Si vous évoluez dans l’écosystème data science, vous avez sans doute entendu parler du Magic Quadrant de Gartner (MQ). Ces MQ sont une série de rapports contenant des analyses de marché sur de nombreuses entreprises technologiques. Ce sont d’ailleurs des publications très attendues dans le domaine. Voici le Magic Quadrant 2019 des plateformes d’analytics et de business intelligence, qui met en avant Tableau et PowerBI.

Un graphique par quadrants est techniquement un nuage de points divisé en quatre zones égales, d’où son nom. Ce type de visualisation permet de répartir les données dans des quadrants distincts afin d’identifier rapidement les points proches ou différents selon certains critères.

Créer des graphiques par quadrants dans Tableau

Tableau est un excellent outil d’analyse et de visualisation de données, largement adopté dans l’industrie. Sa simplicité vient de son interface de glisser-déposer. Résultat : il est très facile et intuitif de créer une multitude de graphiques, dont les graphiques par quadrants.

Prérequis

Ce tutoriel suppose une certaine familiarité avec Tableau, ses propriétés et son utilisation pour l’analyse. Si vous débutez complètement, nous vous recommandons de commencer par l’article suivant, une excellente introduction à Tableau :

Data Visualization with Tableau

Environnement Tableau

Dans ce tutoriel, nous travaillerons avec Tableau Public, l’offre entièrement gratuite de Tableau. Téléchargez l’édition Tableau Public depuis le site officiel. Suivez les instructions d’installation, et si l’écran suivant apparaît au clic sur l’icône Tableau, vous êtes prêt.

Connexion à la source de données

Nous allons utiliser le même jeu de données Superstore décrit précédemment. Si vous ne l’avez pas encore téléchargé, vous le trouverez ici.

• Importez les données dans l’espace de travail Tableau depuis votre ordinateur.
• Dans l’onglet Sheets, trois feuilles apparaissent : Orders, People et Returns. Nous nous concentrerons uniquement sur les données Orders. Double-cliquez sur la feuille Orders, elle s’ouvre comme une feuille de calcul.
• On observe que les trois premières lignes diffèrent du format souhaité. Utilisons Data Interpreter, également présent sous l’onglet Sheets, pour corriger cela. En cliquant dessus, on obtient une feuille correctement formatée.

Créer un nuage de points

Disons que nous voulons étudier la relation entre le Discount et les profits de Superstore, et déterminer quels produits sont les plus rentables. La première étape consiste à créer un nuage de points simple entre Discount et Profit Ratio. Profit Ratio est plus pertinent que le champ Profit seul et, comme il n’existe pas dans la base, nous allons le créer.

• Ouvrez une nouvelle feuille et créez un champ calculé nommé Profit Ratio à l’aide de la formule ci-dessous.

  sum([Profit])/sum([Sales])

• Faites glisser Discount vers Columns et Profit Ratio vers Rows. Puis, déposez Sub Category sur la carte Colors. Convertissez la mesure Discount de Sum à Average. Vous obtenez un nuage de points coloré par produit.

Créer des paramètres

Maintenant que nous avons un nuage de points de base, créons deux paramètres qui serviront à calculer les quadrants. Dans notre cas, nous allons créer un Discount Parameter et un Profit Ratio Parameter, dérivés respectivement des champs Discount et Profit Ratio.

Discount Parameter

Cliquez sur le champ Discount > Create > Parameter et renseignez les valeurs comme indiqué ci-dessous. Définissez la valeur actuelle sur le point de données de votre choix (dans cet exemple, 0,2).

Profit Ratio Parameter

Répétez les mêmes étapes avec le champ Profit Ratio.

Un nouvel en-tête appelé Parameters apparaît désormais dans la feuille, contenant nos deux paramètres.

Ajouter des lignes de référence

Une ligne de référence dans Tableau est une ligne verticale ou horizontale représentant un repère. Par exemple, sur un graphique de ventes, elle permet de distinguer rapidement les points de forte et de faible performance. Nous allons créer deux lignes de référence, une par axe.

• Cliquez droit sur l’axe Profit Ratio (y) et sélectionnez Add Reference Line.
• Définissez la valeur de la ligne de référence sur le paramètre Profit Ratio.
• Laissez les autres champs par défaut et cliquez sur OK.
• Cliquez droit sur l’axe Avg Discount (x) et sélectionnez Add Reference Line.
• Définissez la valeur de la ligne de référence sur le paramètre Avg Discount.
• Laissez les autres champs par défaut et cliquez sur OK.

Attribuer une couleur à chaque quadrant

Nous avons maintenant nos quatre quadrants, mais les points sont colorés aléatoirement, ce qui ne facilite pas l’identification de leur quadrant. Nous pouvons écrire un calcul simple qui attribue une couleur en fonction du quadrant : UPPER RIGHT, UPPER LEFT, BOTTOM RIGHT ou BOTTOM LEFT.

• Cliquez sur Analysis > Create calculated field et nommez le champ Quadrant Color.

• Saisissez la formule suivante :

  IF AVG([Discount]) >= [Discount Parameter]  
  AND [Profit Ratio] > [Profit Ratio Parameter] THEN 'UPPER RIGHT'  
  ELSEIF AVG([Discount]) < [Discount Parameter]   
  AND [Profit Ratio] > [Profit Ratio Parameter] THEN 'UPPER LEFT'  
  ELSEIF AVG([Discount]) >[Discount Parameter]   
  AND [Profit Ratio] < [Profit Ratio Parameter] THEN 'BOTTOM RIGHT'  
  ELSE 'BOTTOM LEFT'  
  END

• Les points sont actuellement colorés par la sous-catégorie. Nous voulons les colorer selon leur quadrant. Faites simplement glisser le champ Sub-Category sur la carte Detail et le champ Quadrant Color sur la couleur. Immédiatement, tous les points sont colorés en fonction de leur quadrant. Changez la Shape en cercle pour obtenir des cercles pleins et ajustez la taille et l’infobulle selon vos préférences.

Voici donc une analyse par quadrants du Discount et du Profit Ratio d’une chaîne américaine. Le graphique montre clairement que les produits en Bottom Right sont les moins rentables, tandis que ceux en Upper Left sont les plus rentables.

Créer un graphique par quadrants dynamique

Les quadrants du graphique ci-dessus sont fixes et ne changent qu’en modifiant les valeurs des lignes de référence associées. Et si l’on souhaitait tester différents seuils pour voir, en temps réel, comment les produits changent de quadrant ? C’est possible : on parle alors de graphique par quadrants dynamique, obtenu grâce aux Actions.

Actions

Les Actions sont une fonctionnalité de Tableau qui ajoute de l’interactivité aux données. Grâce à elles, vous pouvez interagir avec votre visualisation en sélectionnant, cliquant ou survolant des éléments. Les Actions peuvent réaliser les tâches suivantes dans une visualisation :

Configurons maintenant une action de feuille avec les étapes suivantes :

• Allez dans Worksheet>Actions et ajoutez une action Change Parameter. Nous voulons en effet créer une action qui mette à jour les paramètres.

• Ensuite, nommez l’action Update Discount Parameter et sélectionnez le Target Parameter et la Value correspondants, à savoir Discount Parameter et AVG(Discount).

• Créez de même une autre action appelée Update Profit Ratio Parameter.

Désormais, lorsque vous cliquez sur un point de données, il devient le centre du quadrant. Vous obtenez ainsi un graphique par quadrants dynamique et vous voyez immédiatement comment la modification des valeurs de Profit Ratio et de Discount déplace les produits d’un quadrant à l’autre.

Conclusion

Dans cet article, nous avons vu comment transformer un nuage de points en un graphique par quadrants interactif. Ce format offre une vue d’ensemble utile des données et permet de comprendre les similarités et différences entre objets. À partir de là, vous pouvez poursuivre l’analyse classique, en R ou en Python, pour réaliser des prévisions de ventes pour les prochains mois et identifier les variables clés qui tirent les ventes.