B
Avis de BE
TATA CONSULTANCY SERVICES FRANCE SA
Retour d’expérience
Ce que j'ai le plus apprécié :
"Le contact avec le formateur"
BE
TATA CONSULTANCY SERVICES FRANCE SA
4/5
Description de la formation Applications Data Visualisation
La datavisualisation (ou Dataviz) consiste à présenter de manière graphique les données afin d’en faciliter l’utilisation à différents niveaux (lecture, analyse, communication, etc). Au-delà des outils et des technologies, et indépendamment du volume de données à traiter, c’est aussi l’art de représenter les données de façon visuelle afin de les rendre plus accessibles, comparables et surtout compréhensibles.
Cette formation Applications Data Visualisation démarre par une présentation des enjeux et des principes de la Datavisualisation puis présente les différents modèles graphiques qui pourront servir de projection à la conception et au design de nos rapports. Un éclairage sur le cadre juridique de l’utilisation des données vous permettra également d’intégrer certains éléments dans votre conception ainsi que dans votre communication future autour de vos rapports.
Nous vous présentons ensuite un panorama des grandes bibliothèques et outils existants dans l’éco-système de la Datavisualisation sous forme de bibliothèques, API ou outils puis vous les mettez en œuvre afin de disposer d’une vision concrète de leurs rendus dans un contexte principalement Python et Javascript. Un dernier chapitre permet de prendre en main la visualisation des données sous forme de cartes (cartographie) en utilisant vos propres données et/ou en vous appuyant sur des sources existantes (Open Data).
Programme de la formation
Objectif opérationnel :
Savoir développer des applications d'analyse de données et de data visualisation dans un environnement Big Data.
Objectifs pédagogiques :
À l'issue de cette formation Applications Data Visualisation, vous aurez acquis les connaissances et compétences nécessaires pour :
- Définir les principes fondamentaux de la visualisation de données
- Identifier les enjeux juridiques de la gestion de données
- Déterminer les technologies et APIS pour la visualisation de données
- Utiliser les principaux frameworks pour créer des applications de datavisualisation
Jour 1
Spécificités liées à la création massive de données
Comment peut-on faire parler les données ?
Data visualisation versus Représentation symbolique
Bien identifier les objectifs avant le développement (reporting, tendance, …)
Communiquer efficacement autour d’un projet
Gérer efficacement les flux de données
Mettre en avant nos présentations (Data Storytelling)AtelierExemple de mise en place de rapports graphiques sous forme de Data Storytelling comparée à une approche symbolique classique (tableau, chiffres) pour mettre en avant l’apport de la Datavisualisation dans une communication efficace et lisible
Visualisation multidimensionnelles (nuages de points, …)
Comment représenter les grandes dimensions ?
Visualisation des réseaux
Visualisation hiérarchique
Visualisation linéaire
Visualisation vectorielleAtelierÉtudes de cas autour des « bons » modèles de représentation des données en fonction des informations que l’on souhaite mettre en lumière (comparaison de données, analyse de composition d’un ensemble de données, recherche de tendances, etc.)Jour 2
Spécificités des gros volumes de données (Big Data)
Fonctionnement de notre système perceptif
Le modèle de variables visuelles
Impacts de l’intensité, la saturation et la teinte des couleurs
La nécessite de l’interaction
Conseils et bonnes pratiques sur la conceptionAteliersAnalyse du temps de réaction pour identifier la même information selon différents modèles de présentation afin d’en retenir le meilleur.
Choisir des variables visuelles afin de constituer des primitives graphiques efficaces (position, longueur, etc.)
Conception de rapports faciles à mémoriser et efficaces dans la communication.
Exemple de Data Storytelling mettant en avant la recherche de la simplicité et la mise en avant de l’information à délivrer
La règlementation côté « informatique »
Les obligations de l’entreprise
Les obligations du développeur
Le rôle du DPO (délégué à la protection des données)
Les obligations vis-à-vis des sous-traitants (conformité)
Les données que l’on ne peut pas échangerAteliersExemples de situations de non-conformité et risques encourus.
Exemples d’actions concrètes de DPO en entreprise pour la mise en conformitéJour 3
Frameworks de DataVisualisation basés sur Java (JavaFX, JFreeChart, API Swing…)
Les libraries Python (Matplotlib, Pandas, Scikit-learn…)
Utiliser Matplotlib avec D3js pour des visualisations de données interactive via un navigateur
Les outils standards de la BI (Power BI, Tableau)AteliersManipulations des principales bibliothèques
Démonstrations autour de Power BI (pour ne pas réinventer ce qui existe déjà)
Réalisation de plusieurs visualisations interactives orientées diagrammes (en JavaScript)
Mise en place et choix de différents leviers d'interaction : légendes interactives, survol etc.
Réalisation d’une visualisation orientée réseau (en JavaScript)Jour 4
Le module pylot (fonctions, graphiques, …)
Tracer des lignes, des figures, etc.
Paramètres (label, color, legend, etc.)
Compléments (graphiques à barres, nuage, …)AtelierCet atelier est guidé par le formateur. Les éléments techniques sur l’IA et les statistiques reposent sur des compétences scolaires. L’idée ici est surtout de manipuler les bibliothèques graphiques proposées par Python avec un résultat puissant (prédiction de prix) qui met en avant l’apport de la visualisation des données pour l’analyse. Toutes les étapes sont représentées dans un plan avec MatplotLib. On fait varier de façon interactive les caractéristiques d’un produit et cela modifie sa prévision de prix
Où trouver les cartes (OGC, OSGEO, …) ?
Les API Javascript (Open Layers, Leaflet, D3, …)
L’exemple propriétaire de Google Maps
Paquets géospatiaux pour Python (Pandas et geoPandas)
Comment collecter des données « ouvertes » (OpenData) ?AteliersCréation d’applications cartographiques WEB en Javascript (plan de ville,création de carte, localisation de zone d’activité selon nos propres critères)
Récupération de données publiques (en Python) pour afficher une carte des zones colorisées en fonction de leur type (commerce, résidentiel, etc.) et de leur prix moyen au m2 afin de disposer d’un rapport sur l’équilibre des commerces / logement et leurs répartitions
Enjeux de la datavisualisation
Exemples de perte de temps dans la recherche et l’analyse de l’informationSpécificités liées à la création massive de données
Comment peut-on faire parler les données ?
Data visualisation versus Représentation symbolique
Bien identifier les objectifs avant le développement (reporting, tendance, …)
Communiquer efficacement autour d’un projet
Gérer efficacement les flux de données
Mettre en avant nos présentations (Data Storytelling)AtelierExemple de mise en place de rapports graphiques sous forme de Data Storytelling comparée à une approche symbolique classique (tableau, chiffres) pour mettre en avant l’apport de la Datavisualisation dans une communication efficace et lisible
Choisir le bon modèle
Les diagrammes courants (histogrammes, pie chart, 3D, …)Visualisation multidimensionnelles (nuages de points, …)
Comment représenter les grandes dimensions ?
Visualisation des réseaux
Visualisation hiérarchique
Visualisation linéaire
Visualisation vectorielleAtelierÉtudes de cas autour des « bons » modèles de représentation des données en fonction des informations que l’on souhaite mettre en lumière (comparaison de données, analyse de composition d’un ensemble de données, recherche de tendances, etc.)Jour 2
Conception et design
Problématiques usuellesSpécificités des gros volumes de données (Big Data)
Fonctionnement de notre système perceptif
Le modèle de variables visuelles
Impacts de l’intensité, la saturation et la teinte des couleurs
La nécessite de l’interaction
Conseils et bonnes pratiques sur la conceptionAteliersAnalyse du temps de réaction pour identifier la même information selon différents modèles de présentation afin d’en retenir le meilleur.
Choisir des variables visuelles afin de constituer des primitives graphiques efficaces (position, longueur, etc.)
Conception de rapports faciles à mémoriser et efficaces dans la communication.
Exemple de Data Storytelling mettant en avant la recherche de la simplicité et la mise en avant de l’information à délivrer
Le cadre juridique concernant le stockage et l’analyse de données
Les notions fondamentales du RGPD (Règlement Général sur la Protection des Données)La règlementation côté « informatique »
Les obligations de l’entreprise
Les obligations du développeur
Le rôle du DPO (délégué à la protection des données)
Les obligations vis-à-vis des sous-traitants (conformité)
Les données que l’on ne peut pas échangerAteliersExemples de situations de non-conformité et risques encourus.
Exemples d’actions concrètes de DPO en entreprise pour la mise en conformitéJour 3
Panorama des librairies pour la Data Visualisation (diagrammes, réseaux, …)
Environnement JavaScript (Highcharts, Toast UI Chart, D3.js, Recharts, Chart.js, …)Frameworks de DataVisualisation basés sur Java (JavaFX, JFreeChart, API Swing…)
Les libraries Python (Matplotlib, Pandas, Scikit-learn…)
Utiliser Matplotlib avec D3js pour des visualisations de données interactive via un navigateur
Les outils standards de la BI (Power BI, Tableau)AteliersManipulations des principales bibliothèques
Démonstrations autour de Power BI (pour ne pas réinventer ce qui existe déjà)
Réalisation de plusieurs visualisations interactives orientées diagrammes (en JavaScript)
Mise en place et choix de différents leviers d'interaction : légendes interactives, survol etc.
Réalisation d’une visualisation orientée réseau (en JavaScript)Jour 4
Datavisualisation en Python avec Matplotlib
Vue générale de MatplotlibLe module pylot (fonctions, graphiques, …)
Tracer des lignes, des figures, etc.
Paramètres (label, color, legend, etc.)
Compléments (graphiques à barres, nuage, …)AtelierCet atelier est guidé par le formateur. Les éléments techniques sur l’IA et les statistiques reposent sur des compétences scolaires. L’idée ici est surtout de manipuler les bibliothèques graphiques proposées par Python avec un résultat puissant (prédiction de prix) qui met en avant l’apport de la visualisation des données pour l’analyse. Toutes les étapes sont représentées dans un plan avec MatplotLib. On fait varier de façon interactive les caractéristiques d’un produit et cela modifie sa prévision de prix
Cartographie et données
Procédé général (fond de carte, récolte, style)Où trouver les cartes (OGC, OSGEO, …) ?
Les API Javascript (Open Layers, Leaflet, D3, …)
L’exemple propriétaire de Google Maps
Paquets géospatiaux pour Python (Pandas et geoPandas)
Comment collecter des données « ouvertes » (OpenData) ?AteliersCréation d’applications cartographiques WEB en Javascript (plan de ville,création de carte, localisation de zone d’activité selon nos propres critères)
Récupération de données publiques (en Python) pour afficher une carte des zones colorisées en fonction de leur type (commerce, résidentiel, etc.) et de leur prix moyen au m2 afin de disposer d’un rapport sur l’équilibre des commerces / logement et leurs répartitions
Public cible :
Ce cours Applications Data Visualisation s'adresse aux développeurs, data analysts, data scientists, statisticiens ainsi qu'aux chefs de projets.
Prérequis :
Il est recommandé d’avoir des connaissances en développement logiciel pour suivre cette formation Applications Data Visualisation. La maîtrise d’un langage de programmation est un plus pour pouvoir être autonome dans la mise en œuvre des TPs.
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Date de mise à jour du programme : 26/08/2025
Dates et lieux
Période souhaitée
Lieux
Type d'affichage
Distanciel
Paris
Témoignages pour cette formation
Les avis figurant ci-dessous sont issus des fiches d'évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.