Nous vous souhaitons la bienvenue sur le portail de ressources et d’information de l’Association des bibliothèques de recherche du Canada pour la création de tableaux de bord et la visualisation des données.
L’objectif de la ressource est d’offrir des conseils aux bibliothécaires universitaires pour l’ajout de tableaux de bord et autres outils de visualisation de données dans leurs pratiques d’évaluation.
> Tableaux de bord et visualisation des données
Principaux types de tableaux de bord :
Tableau de bord opérationnel : La réponse fréquemment mise à jour à une question ou à une préoccupation qui assure le suivi continu ou ponctuel de la réponse opérationnelle à un évènement.
Tableaux de bord stratégique/décisionnel : Le portrait global d’une question ou d’une préoccupation à laquelle on répond généralement de manière routinière ou d’une manière précise et qui présente des indicateurs clés de performance avec un minimum d’interaction.
Tableau de bord d’analyse : Une vue hautement interactive qui offre une variété d’approches d’analyse à un thème central avec quelques vues contextuelles connexes.
D’après Unilytics
> Définitions de tableau de bord et de visualisation de données
« Un tableau de bord est un outil de visualisation de l’information la plus importante permettant d’atteindre un ou plusieurs objectifs, consolidée et présentée sur un même écran pour en assurer le suivi d’un coup d’œil. » (Stephen Few)
« … un tableau de bord est une interface d’utilisation qui, ressemblant au tableau de bord d’une voiture, organise et présente de l’information pour en faciliter la lecture. » (TechGadget)
« Un tableau de bord d’affaires est un écran qui rassemble au même endroit des mesures de performance essentielles, et qui permet aux personnes de demeurer continuellement à jour concernant l’information la plus importante pour leurs affaires. Les tableaux de bord peuvent être conçus pour une variété de besoins et prennent ainsi une variété de formes, allant de l’intelligence d’affaires ou des processus décisionnels et de gestion intégrée aux indicateurs clés de performance. » (DashBoard Insights)
« De manière générale, la visualisation de données dresse un portrait de vos données plutôt que de simplement les présenter dans une feuille de calcul ou un tableau. » (Datapine Blog)
« La visualisation de données est la présentation des données dans un format imagé ou graphique. Cela permet ainsi aux décideuses et décideurs de voir les analyses de manière graphique pour mieux comprendre les concepts difficiles et déceler de nouvelles tendances. » (SAS)
« Un tableau de bord efficace offre une vue consolidée des données essentielles d’une organisation. En intégrant les données de différentes sources, un tableau de bord offre un portrait global et permet de comprendre les indicateurs clés de performance d’un coup d’œil. Il permet également d’examiner plus en profondeur les données. » (Yurbi)
Notes:
- Une carte de pointage peut être incorporée au tableau de bord, mais ce n’est pas un tableau de bord en soi.
- Un tableau de bord est similaire à une infographie; cependant une infographie cible davantage la communication de l’information au grand public, alors qu’un tableau de bord présente les indicateurs clés de performance à un public cible. Les deux peuvent être textuels, visuels ou combiner les deux approches.
> Bien-fondé de la création de tableaux de bord et de la visualisation des données
Gartner RAS Core Research Note
« Le but principal d’un tableau de bord est de permettre aux gestionnaires de comprendre rapidement et de manière routinière l’état de la situation par rapport à des indicateurs clés de performance et non pas d’offrir un environnement pour une analyse complexe. » (James Richardson)
Wikipédia – Tableau de bord
Voici quelques avantages des tableaux de bord : présentation visuelle des mesures de performance; capacité d’identifier et de corriger les tendances négatives; mesure de l’efficacité et des inefficacités; capacité de générer des rapports détaillés illustrant les nouvelles tendances; capacité de prendre des décisions éclairées basées sur l’intelligence d’affaires; alignement des stratégies et des objectifs organisationnels; économie de temps comparativement à la production de multiples rapports; gain de visibilité complète pour tous les systèmes instantanément; identification rapide des cas particuliers et des corrélations. (À partir de la page anglaise de Wikipédia.)
Stephen Few
La visualisation de données permet de rendre « les histoires visibles et de leur donner vie »
Few, S. (2009). Now You See It: Simple Visualization Techniques for Quantitative Analysis. Oakland, CA : Analytics Press. p. 5.
Webinaire sur les bonnes pratiques des tableaux de bord de Yellowfin
Les tableaux de bord permettent une vision plus rapide (toutes les mesures sont au même endroit), de meilleures décisions (vous pouvez voir une vue globale), une orientation stratégique (la même information pour tout le monde) et permettent de surveiller le succès de l’entreprise (suivi des progrès au fil du temps). (Shawn Deegan & Brett Churchill)
Paris Technologies
Lorsque les données sont rendues visuellement, nous pouvons facilement repérer les tendances et les modèles qui auraient pu passer inaperçus sous une forme statistique seulement. Il est tout à fait logique que la visualisation des données donne plus de sens, car 90 % de l’information transmise dans le cerveau humain l’est visuellement. Nous traitons également l’imagerie visuelle 60 000 fois plus rapidement que le texte, ce que le cerveau trouve plus facile à retenir. (Melinda Santos)
> Groupe de travail
Le présent guide a été rédigé par les membres du groupe sur la visualisation des données du Groupe de travail sur la formation continue du Comité sur l’évaluation de l’ABRC.
Alison Ambi (Memorial University)
Kate Cushon (University of Regina)
Tania Gottschalk (University of Manitoba)
Jenny Hirst (University of Waterloo)
Pam Morgan (Memorial University)
> Introduction
Les tableaux de bord peuvent être des outils puissants, impressionnants et efficaces pour recueillir, communiquer et disséminer de l’information pertinente dans votre bibliothèque universitaire. Ils peuvent aider les bibliothécaires universitaires à définir leur importance en fonctions des objectifs stratégiques de l’établissement, de démontrer sa valeur, de raconter son histoire. Selon les circonstances, ils en valent l’investissement en temps et en ressources.
Facteurs motivant le bien-fondé et les utilisations de la visualisation des données et des tableaux de bord:
- Pourquoi avoir besoin de visualisation de données/tableaux de bord?
- Qui est votre public cible?
- Que chercher à faire avec la visualisation des données/tableaux de bord?
- Quelles données pouvez-vous recueillir?
- Quel est le meilleur format à utiliser?
- Combien d’argent/de temps investir?
> Facteurs à prendre en considération
Pourquoi avoir besoin de visualisation de données/tableaux de bord?
- Évaluation internet et développement
- Communications externes (p. ex. démontrer la valeur, montrer l’alignement aux objectifs institutionnels, disséminer des statistiques et de l’information)
Qui est votre public cible?
- Interne (p. ex. administrations de la bibliothèque, bibliothécaires, personnel de la bibliothèque)
- Externe/institutionnel (p. ex. administration de l’établissement, corps professoral et d’enseignement, bassin étudiant)
- Externe/public (p. ex. responsables et personnel des gouvernements, journalistes, membres du public)
Que chercher à faire avec la visualisation des données/tableaux de bord?
- Données de base pour la tenue de livres, accès à l’information ou intérêts généraux
- Changement dans le temps (p. ex. qualitatif ou quantitatif)
- Promotion de la bibliothèque, des collections, des services, etc.
- Valeur de la bibliothèque (p. ex. contribution à la recherche, contribution à l’enseignement, valeur non académique [espace sécuritaire pour le bassin étudiant, espaces publics, espaces pour la tenue d’évènements, etc.])
Quelles données pouvez-vous recueillir?
- Consultez l’onglet « Sources des données et méthodes de collecte » pour plus de détails.
- Quantitatives (p. ex. statistiques de visite, données de circulation, heures de service, statistiques de références, tarifs institutionnels, etc.)
- Qualitatives (p. ex. résultats de sondages, commentaires et rétroaction, etc.)
Quel est le meilleur format à utiliser?
- Consultez l’onglet « Bonnes pratiques » pour plus de détails.
- Bien réfléchir au but, au public et au message à communiquer.
- Viser une visualisation de données ou des tableaux de bord simples, directs et épurés.
Combien d’argent/de temps investir?
- Consultez l’onglet « Outils et technologie » pour de l’information sur l’investissement en argent et en compétences requis pour les différents logiciels de visualisation et de tableaux de bord.
> Utilisations de la visualisation de données et des tableaux de bord
Site web public
- Exemple : Library Assessment: Library Data and Fast Facts de la Dalhousie Library
- Pour tous les publics
- Évaluation, démonstration de la valeur, promotion de la bibliothèque
Matériel promotionnel
- Affiches et dépliants
- Pour tous les publics ou ciblés (p. ex. bassin étudiant, pour une faculté ou un département en particulier, etc.)
- Promotion des services, des programmes et des collections de la bibliothèque
Recherche et publication
- Utilisation d’images par les bibliothécaires et l’administration de la bibliothèque dans le cadre de travaux de recherche pour des conférences et publications
- Montrer des données de base, les changements dans le temps, etc., dans le contexte de la présentation d’un projet de recherche sur des données pertinentes
- Promotion des bibliothécaires comme chercheuses et chercheurs universitaires
Présentation aux administrateurs
- Images en format électronique (p. ex. PowerPoint, PDF) ou imprimé (p. ex. dépliants, feuillet)
- Pour la présentation du budget
- Aux fins d’évaluation du personnel et des unités
- Démonstration de la valeur, alignement aux objectifs/stratégies de l’établissement, présentation de renseignements de base aux décideuses et décideurs
Site web interne (verrouillé)
- Disponible pour les bibliothécaires et le personnel de la bibliothèque; peut être accessible au personnel des autres unités de l’établissement
- Évaluation, information
> Lectures complémentaires
Tay, A. (2016, 18 novembre). 5 Reasons why library analytics is on the rise [blogue]. Repéré au siteweb Musings About Librarianship.
- Bon aperçu.
Cox, B., & Jantti, M. (2012, 17 juillet). Discovering the Impact of Library Use and Student Performance. Educause Review.
- Utilisation des données pour démontrer « une forte corrélation entre les notes étudiantes et l’utilisation des ressources d’information » pour illustrer la valeur des bibliothèques universitaires.
Oakleaf, M, Whyte, A., Lynema, E., & Brown, M. (2017). Academic libraries & institutional learning analytics: One path to integration. The Journal of Academic Librarianship, 43(5).
- Visualisation des données pour montrer efficacement la valeur ajoutée des bibliothèques et son alignement aux objectifs institutionnels relativement à l’apprentissage étudiant.
Orlando, T. M., & Sunindyo, W. D. (2017). Designing dashboard visualization for heterogeneous stakeholders (case study: ITB central library). Proceedings of 2017 International Conference on Data and Software Engineering (ICoDSE).
- Comment assurer la convivialité des tableaux de bord pour divers groupes d’utilisateurs et de publics?
Murphy, S. A. (2015). How data visualization supports academic library assessment: Three examples from The Ohio State University Libraries using Tableau. College & Research Libraries News, 76(9), 482-486.
- Explication de l’utilisation de logiciels avancés pour la création de tableaux de bord complexes (par opposition à la visualisation des données simple); démonstration de leur efficacité dans la promotion des collections et services, dans l’identification des priorités de développement de collections et dans l’utilisation efficace des résultats du sondage auprès du bassin étudiant par les bibliothécaires.
> Facteurs à prendre en considération pour choisir des logiciels de visualisation
Niveau d’habileté:
- Avez-vous déjà le personnel compétent pour un logiciel particulier? Apprendre à utiliser un logiciel requiert temps et efforts.
- L’utilisation du logiciel requiert-elle une connaissance en programmation? Avez-vous ces compétences ou accès à de la formation?
Vos données :
- Quel volume de données avez-vous?
- Où les données sont-elles conservées? En infonuagique ou sur un espace local? Sur le web ou sur un ordinateur de bureau? Sont-elles publiques ou sont-elles en accès restreint?
Produit final :
- Quel type d’interface d’utilisation souhaitez-vous? Des données en temps réel? Une synchronisation? Une interface autonome ou intégrée à une plateforme d’intelligence d’affaires?
Fonctionnalités :
- Le logiciel offre-t-il le type de visualisation le plus approprié pour vos données et l’objectif que vous visez?
- De quelles fonctionnalités avez-vous réellement besoin? 2D ou 3D? Échelles à axes variables? Configurations géospatiales? … parfois rester simple est préférable.
- Pouvez-vous facilement mettre à jour l’ensemble de données sans avoir à refaire la visualisation? Pouvez-vous facilement convertir une visualisation en une autre pour voir quel type convient le mieux?
Budget:
- Avez-vous un budget pour l’achat (de licences) de logiciels de visualisation? Votre service des TI a-t-il un contrat en vigueur avec une entreprise de conception de logiciels de visualisation?
- Attention : il existe de nombreuses versions « gratuites », mais celles-ci rendent les données publiques lors de la création de la visualisation ou d’un rapport.
> Types de visualisations
Voici deux excellents sites web illustrant et décrivant les types de visualisations et offrant des suggestions de logiciels pour chaque type :
> Aperçu des logiciels
Baker, P. (2019, 5 mars). The best data visualization tools of 2018. PC Magazine. Repéré au siteweb PC.
Dingeldein, T. (2019, 28 octobre). Top 5 free data visualization tools to grow your business [blogue]. Repéré au siteweb Capterra.
Marr, B. (2017, 20 juillet). Seven best data visualization tools in 2017. Forbes. Repéré au siteweb Forbes.
Suda, B., & Hampton-Smith, S. (2019, 12 février). 38 best tools for data visualization. Creative Bloq. Repéré au siteweb Creative Bloq.
> Options de logiciel les plus utilisées dans les bibliothèques
Excel
- Tableur qui permet les calculs, les graphiques, les tableaux croisés dynamiques et les diagrammes, avec option de macros.
- Adapté au formatage conditionnel et pour créer des diagrammes pour illustrer les tableaux de base, les tableaux croisés dynamiques. Adapté à PowerPoint.
- Limites : taille de l’ensemble de données, problèmes de conversion des données scientifiques.
Niveau d’habileté:
Pas de programmation
Taille Maximale:
2 Go
Stockage de données:
Local
Interaction:
Limitée
Version Gratuite?:
Rabais offerts au personnel enseignant, corps étudiant et personnel éducatif.
Tableau
- Capacité de connexion à diverses sources de données, de combinaison de données disparates sans programmation et de création instantanée de visualisation et tableaux de bord interactifs.
- Adapté pour les décisions exploitables rapidement, les analyses statistiques, les cartes interactives et le partage de tableaux de bord.
- Solution chère, requiert une connaissance de SQL pour la connexion à une base de données et ne supporte pas le versionnage.
Niveau d’habileté:
Principalement sans programmation, mais une compétence de base en SQL peut être requise.
Taille Maximale:
Sans limite du nombre de rangées ou colonnes pour l’importation des données.
Stockage de données:
Local ou infonuagique
Interaction:
Oui
Version Gratuite?:
Oui, mais lors de la publication de rapports ou tableaux de bord, les données sont rendues publiques.
Google Data Studio
- Un tableau de bord et un outil de rapport très convivial avec fonctionnalités de glisser et déposer et facile à lier aux autres sources de données de Google (c.-à-d., Google Analytics et Google Sheets).
- Idéal pour les interactions avec visualisation, y compris le filtre par contenu, dimensions et plage de dates, ou encore pour le partage et le paramétrage des permissions pour voir les rapports et les tableaux de bord.
- Limites : disponible en version bêta uniquement, connexion limitée à quelques sources de données, types de visualisation limités et ne supporte pas plus d’une source de données à la fois.
Niveau d’habileté:
Sans programmation
Taille Maximale:
La plupart des diagrammes permettent jusqu’à 20 dimensions et 20 mesures. Les séries temporelles supportent jusqu’à 20 mesures. Les tableaux supportent jusqu’à 10 dimensions et 20 mesures.
Stockage de données:
Infonuagique
Interaction:
Oui
Version Gratuite?:
Oui, avec un compte Google ou pour les clients de la plateforme Google Cloud.
Microsoft Power BI
- Une suite d’outils d’analyse commerciale pour analyser les données et partager des informations. Permet le téléchargement simple de données à partir de nombreuses sources, y compris .xls, .csv et .json. Peut créer des rapports et des tableaux de bord personnalisés, avec plus de 20 visuels intégrés et une communauté active pour les visualisations personnalisées.
- Idéal pour combiner des données provenant de plusieurs sources de données, des visualisations personnalisées et interactives et la possibilité d’accéder aux données et aux rapports de n’importe où.
- La version gratuite autorise uniquement le partage public et les rapports et tableaux de bord ne peuvent générer des données qu’à partir d’un seul ensemble de données.
Niveau d’habileté:
Sans programmation
Taille Maximale:
Veuillez consulter ce lien
Stockage de données:
Local ou infonuagique
Interaction:
Oui
Version Gratuite?:
Oui, mais lors de la publication de rapports ou tableaux de bord, les données sont rendues publiques.
D3.js
- Une bibliothèque Javascript pour produire des visualisations de données interactives dans les navigateurs web. Il utilise les normes de graphiques vectoriels évolutifs (SVG), HTML5 et CSS.
- Avec une surcharge minimale, D3 est extrêmement rapide, capable de gérer de grands ensembles de données et un comportement dynamique pour l’interaction et l’animation.
- D3.js peut être assez lourd pour de petites quantités de données. De plus, il ne peut pas facilement cacher les données originales ni générer des visualisations prédéterminées pour vous.
Niveau d’habileté:
Javascript requis, SVG, HTML et CSS optionnels
Taille Maximale:
Le rendu se base sur le nombre d’objets SVG. Veuillez consulter le lien pour plus de détails. Un rendu préalable côté serveur est recommandé.
Stockage de données:
Local ou infonuagique
Interaction:
Oui
Version Gratuite?:
Oui
Python
- Python est un langage de programmation de haut niveau gratuit à utiliser et conçu pour être facile à lire et à mettre en œuvre. Quelques bibliothèques Python spécialement conçues pour la visualisation de données y compris matplotlab et ggplot.
- Python est largement utilisé dans le flux de travail de la science des données (y compris les technologies connexes telles que l’apprentissage automatique, le traitement du langage naturel, etc.) et devient un langage très populaire.
Niveau d’habileté:
Programmation Python requise.
Taille Maximale:
Sans objet
Stockage de données:
Local ou infonuagique
Interaction:
Oui
Version Gratuite?:
Oui
Plot.ly
- Une bibliothèque de graphiques pour créer des graphiques et des graphiques interactifs contenant une vingtaine de types de graphiques, y compris des graphiques 3D, des graphiques statistiques et des cartes SVG, basée sur une plateforme libre.
- Idéal pour créer des graphiques hautement interactifs, dispose d’un grand nombre de visualisations disponibles et comprend des données géographiques et des cartes.
- Requiert une plus grande capacité de traitement des ressources système internes que les autres produits. Une connaissance préalable de Python ou Matlab serait un atout.
Niveau d’habileté:
Expérience de Python et Matlab un atout.
Taille Maximale:
Un trop grand volume de données visualisées peut faire geler le navigateur ou empêche le chargement.
Stockage de données:
Local ou infonuagique
Interaction:
Oui
Version Gratuite?:
Oui, mais limite de 100 images exportées et diagrammes enregistrés par jour.
Google Charts
- Google Charts est une autre façon de présenter des visualisations de données interactives sur vos sites web à l’aide de Javascript simple et de graphiques/objets prédéfinis fournis par Google.
- Les graphiques sont personnalisables et rendus en utilisant HTML5/SVG permettant la compatibilité entre navigateurs. Il est considéré comme facile à apprendre et est entièrement gratuit avec un compte Google.
- Certains inconvénients comprennent une personnalisation limitée, un traitement statistique minimal et le fait que Google dispose de vos données.
Niveau d’habileté:
Sans programmation (sauf pour personnaliser à l’aide de Javascript)
Taille Maximale:
Basé sur serveur et page web chargée côté client.
Stockage de données:
Infonuagique
Interaction:
Oui
Version Gratuite?:
Oui (avec compte Google)
> Introduction
Avant de commencer à créer des tableaux de bord et des visualisations, il faut effectuer quelques tâches préalables.
- Définir l’objectif de votre tableau de bord. Qu’est-il censé faire/communiquer? (P. ex. éduquer, influencer, communiquer, mener à une décision, mener à une action, etc.)
- Déterminer les indicateurs clés de performance ou les mesures étalons qui répondront le mieux à cet objectif.
- Choisir les mesures nécessaires pour démontrer vos indicateurs clés de performance et les mesures étalons. Quelles mesures vous aideront à atteindre votre objectif ou à résoudre le problème?
- Choisir la visualisation ou la série de visualisations qui illustreront le mieux ces mesures. Un tableau de bord complet, un diagramme autonome ou une infographie?
- Vous pouvez maintenant commencer à construire votre visualisation/tableau de bord.
> Bonnes pratiques en visualisation
Les bonnes pratiques les plus courantes sont:
- Tenir compte du public cible:
- Qui l’utilisera et pourquoi?
- De quoi ont-elles besoin? Quelle est la fonction attendue du tableau de bord?
- Quel est leur niveau d’expertise?
- Ne tentez pas de combler les besoins de tout le monde. Le produit devrait être ciblé et répondre à un objectif précis. Adoptez la bonne perspective pour répondre au besoin.
- Utiliser le bon outil de visualisation (graphiques, diagrammes, etc.) pour les données et le message que vous tentez de communiquer:
- Savoir quel type de données vous présentez et quels outils sont adaptés à une présentation de ces types de données.
- Savoir comment la visualisation aidera le public à comprendre vos données.
- Demeurer simple:
- Le 3D n’est pas votre ami!
- Ne présenter que les données essentielles.
- Présenter les données de haut niveau et les chiffres. Arrondir les nombres et éviter trop de chiffres (p. ex. 32 millions plutôt que 32 000 000). Les tableaux doivent être réservés aux données numériques.
- Un axe devrait toujours commencer à zéro.
- Les gens ne devraient pas avoir de la difficulté à comprendre vos données/calculs.
- Éviter la surcharge visuelle. Ne pas ajouter d’élément qui n’a pas besoin d’être là.
- Ne pas tenter de tout rentrer sur un même écran :
- Indiquer l’information de haut niveau sur la première page.
- Utiliser les onglets et les menus déroulants au besoin pour donner plus de détails.
- Utiliser les outils de navigation pour informer les gens de leur emplacement.
- Un concept par visualisation; les graphiques chargés sont difficiles à lire et à comprendre.
- Choisir une palette de couleurs; éviter d’utiliser trop de couleurs.
- Six ou moins est l’idéal.
- Rappelez-vous que certaines personnes souffrent de daltonisme.
- La couleur ne devrait être utilisée que pour rehausser l’information que vous souhaitez communiquer; attention d’attirer l’attention sur autre chose que les données.
- Faire preuve de constance : conventions de noms, de couleurs, d’icônes, de styles, etc.
- Considérer la mise en page : l’information la plus importante devrait être dans le coin supérieur gauche pour les lecteurs francophones.
- Les tableaux de bord sont plus significatifs lorsqu’ils offrent des réponses menant à l’action ou à la résolution de problèmes, notamment des stratégies, des tendances, les écarts de la norme.
- Inclure le contexte de la visualisation. Présenter les données en fonction des objectifs de votre établissement.
- Vous vendez une histoire avec les données. S’assurer que l’histoire est claire et significative. Se demander continuellement « Quel est le but? »
- Les gens devraient comprendre vos données au premier coup d’œil, en moins de huit secondes. Quelqu’un sans lien avec vos données devrait pouvoir voir le tableau de bord avec un recul et identifier les tendances et les cas particuliers en termes généraux.
> Conseils généraux
Duarte, N. (2014) The quick and dirty on data visualization. Harvard Business Review.
- 5 questions à vous poser pour visualiser des données
- Comprend des exemples
Centre de recherche pour le développement international. (s.d.). 10 conseils en matière de visualisation des données. Repéré au siteweb CRDI.
- Fiches-conseils présentant 10 points fondamentaux, avec quelques exemples
LAC Group Media & Archive Services. (s.d.). Data visualization tip for presenting your data [blogue]. Repéré au siteweb Media Lac.
- Sommaire de conseils de différentes sources (avec liens)
Fusion Brew. (2017, 22 décembre). 10 dashboard design errors [and how to avoid them] [blogue]. Repéré au siteweb Fusion Charts.
- Exemples des dix erreurs courantes avec les tableaux de bord
Richardson, J. (2009, 19 novembre). Tips for implementers: The basics of good dashboard design. Repéré au siteweb UMSL.
- Liste douze points fondamentaux pour les tableaux de bord
- Gartner RAS Core Research Note G00171685
Wolny, T. (s.d.). Build a visual dashboard in 10 steps [blogue]. Repéré au siteweb iSixSigma.
- Présente les étapes qu’une entreprise Six Sigma a adoptées pour concevoir et construire un tableau de bord, notamment poser des questions, rassembler les mesures, créer l’interface visuelle et lancer le produit.
Kaushik, A. (2014, 15 juillet). Digital dashboards: Strategic & tactical: Best practices, tips, examples [blogue]. Repéré au siteweb Kaushik.
- Décrit pourquoi les meilleurs tableaux de bord ne sont pas uniquement des visualisations de beaucoup de données de performance, mais contextualise le tout en trois sections : connaissance, action et impact sur les affaires.
National Network of Libraries of Medicine. Tools and resources: Analysis and visualization. Repéré au siteweb NNLM.
- Trousse offrant une variété de ressources telles que des blogues, des analyses de données, des techniques de visualisation, comment choisir le bon diagramme et des exemples.
Yellowfin. (s.d.). Data visualization best practices guide. Repéré au siteweb YellowFin .
- Guide de 17 pages très visuel, avec un concept par page
- Illustrations de concepts, allant du choix du diagramme à bien cibler son message
> Types précis de diagrammes/visualisations
Abela, A. (2008). How to choose a chart type. Dans Advanced presentations by design: Creating communication that drives action. San Francisco, CA : Pfeiffer.
- Un organigramme qui vous aide à décider quel type de visualisation convient le mieux à vos intentions
Henry, A. (2012). How to choose the best chart for your data [blogue]. Repéré au siteweb Life Hacker.
- Passe en revue les étapes requises pour choisir le bon diagramme pour communiquer un message
- Ne donne pas de conseils précis sur le design, mais donne une perspective de haut niveau
Sharma, H. (s.d.). Best excel chart types for different kinds of data. Repéré au siteweb Optimize Smart.
- Livre électronique gratuit de 40 pages qui peut être lu en ligne ou téléchargé
- Montre quand utiliser les diagrammes compris dans Excel
Hamberg, S. (s.d.). Why you shouldn’t use pie charts [blogue]. Repéré au siteweb Funnel.
- Présente les types de graphiques et de diagrammes et quand les utiliser
Cherdarchuk, J. (2014, 26 septembre). Salvaging the pie [blogue]. Repéré au siteweb Darkhorse Analytics.
- Comment rendre un diagramme circulaire en meilleure visualisation
> Outils de visualisation de marque
Microsoft Power BI. (2019, 28 octobre). Visualisation dans des rapports Power BI. Repéré au siteweb Microsoft.
- Examine la base de la conception et de la mise en page
- Passe en revue des exemples de mauvaises visualisations
- Général, mais fait référence à des points précis de ce qui peut être fait/comment le faire dans Power BI
Tableau. (s.d.). Guide des meilleures pratiques de l’analytique visuelle. Repéré au siteweb Tableau.
- Exposé de position de 41 pages téléchargeable gratuitement
- Comprend de nombreux explications et exemples, allant du choix d’un diagramme, aux polices de caractères, à la taille
- Ne porte pas uniquement sur Tableau
> Introduction
« Les consultants en gestion soulignent fréquemment que ‘ce qui est mesuré, c’est ce qui est fait’. Les critiques craignent que cela signifie que les organisations soient induites en erreur par les mesures. Pour éviter cela, les dirigeants sont confrontés à l’obligation de déterminer au plus haut niveau les questions clés auxquelles leurs organisations doivent faire face, plutôt que de simplement réagir aux éléments les plus faciles à mesurer et à suivre » (Marcum & Schonfeld, 2014, p. 3).
> Principaux livres et rapports
Connaway, L. S., Harvey, W., Kitzie, V., & Mikitish, S. (2017). Academic library impact: Improving impact & essential areas to research. Chicago: ACRL.
- Résume les progrès incroyables accomplis et les meilleures pratiques développées par la profession pour capturer et souligner les contributions des bibliothèques universitaires à l’apprentissage, à la réussite et à l’expérience des étudiants.
Farney, T. (2018). Using digital analytics for smart assessment. Chicago, ALA Editions.
- Votre bibliothèque recueille d’énormes quantités de données, probablement plus que vous ne le pensez et presque certainement plus que ce que vous analysez. L’auteur vous explique comment maximiser vos efforts : vous apprendrez comment améliorer votre collecte de données, nettoyer vos données et combiner différentes sources de données.
Franklin, T., Harrop, H., Kay., D., & van Harmelen, M. (2011). Exploiting activity data in the academic environment. Repéré au siteweb Activity Data.
- Ce site web synthétise le travail du programme de données sur les activités financé par le JISC afin de vous aider à comprendre comment vous pourriez bénéficier de l’exploitation des données d’activités. Comprend une section spéciale sur les sources de données de la bibliothèque.
Marcum, D., & Schonfeld, R. C. (2014). Driving with data: A Roadmap for evidence-based decision making in academic libraries. New York, NY: Ithaka S+R.
- Statistiques d’utilisation conformes à COUNTER, évaluations des services, analyse comparative par les pairs : les bibliothécaires collectent différents types de données depuis un certain temps, utilisent des données pour mesurer l’utilisation de leurs ressources, la qualité de leurs services et la façon dont ils se comparent à des établissements similaires. But could library leaders collect data differently? Mais les responsables de bibliothèques pourraient-ils collecter les données différemment? Dans ce dossier, Deanna Marcum et Roger Schonfeld suggèrent une approche où les responsables de bibliothèques commencent non pas par les données faciles à recueillir, mais par les problèmes qu’ils essaient de résoudre. Que faut-il pour créer un environnement décisionnel fondé sur des preuves au sein de la bibliothèque universitaire?
Orcutt, D. (2009). Library data: Empowering practice and persuasion. Santa Barbara, CA: Libraries Unlimited.
- Les preuves numériques sont partout et la meilleure façon de les gérer et de les exploiter est une préoccupation croissante dans le monde universitaire en général et le monde des bibliothèques universitaires en particulier. Les bibliothèques ne sont pas seulement des entrepôts et des personnes-ressources pour les usagers des bibliothèques en quête de données numériques, mais elles sont également des collectrices et des utilisatrices de leurs propres données, ce qui fait partie intégrante du fonctionnement de la bibliothèque elle-même.
> Points principaux – Collecte de données
- Quels indicateurs clés de performance sont jugés importants? En quoi sont-ils liés aux priorités stratégiques de votre établissement?
- Possédez-vous la structure organisationnelle, les compétences techniques et les systèmes en place pour assembler, gérer et analyser les données?
- Avez-vous les données dont vous avez besoin? Vos systèmes et processus en permettent-ils la collecte? De combien de temps disposez-vous et combien coûtera la collecte de données?
- Si vous n’avez pas les données, comment en amorcerez-vous la collecte? Pouvez-vous les obtenir d’une autre unité de l’établissement d’enseignement? Quels sont les risques et les avantages de recueillir de l’information auprès d’intervenants externes?
- Avez-vous suffisamment de données pour les faire parler? Depuis combien de temps recueillez-vous des données et quel volume amassez-vous par année? Quels sont les risques et avantages de prendre des décisions comme personne seule ou encore uniquement à l’interne?
- Devriez-vous combiner diverses sources de données pour dégager un portrait plus complet? Si oui, existe-t-il des éléments de données fiables et communes pour permettre les combinaisons (p. ex. les numéros des étudiantes et étudiants)? Si non, est-il possible d’ajouter cet élément à l’ensemble de données pour rendre l’analyse possible?
- L’analyse servira-t-elle l’exercice d’analyse que vous avez en tête (p. ex. en fonction des indicateurs clés de performance)? Ou engendra-t-elle de nouvelles analyses?
- Rappelez-vous que les données, comme les statistiques, sont sujettes à interprétation. Qu’est-ce que « trafic élevé sur le site web » signifie réellement?
- Que le site est jugé de valeur et utilisé?
- Que les mêmes personnes utilisent le site très fréquemment, mais que la plupart ne l’utilisent pas?
- Que les personnes essaient différentes options parce qu’elles ne trouvent pas ce qu’elles cherchent?
- Les données peuvent être quantitatives ou qualitatives. Les données peuvent être préexistantes ou recueillies au besoin.
- Les données peuvent concerner un groupe localement, toute une succursale, un réseau voire l’établissement complet et elles peuvent également être d’envergure régionale ou nationale ou encore propres à une association.
- Il existe diverses manières de recueillir des données, de la collecte manuelle en cochant des cases sur une feuille au téléchargement automatisé depuis une source en ligne, de la recherche formalisée à la publication de rapports.
- Les données automatisées peuvent être acquises par saisie manuelle, lors de l’activité (p. ex. la circulation d’un livre témoigne de son utilisation, de son utilisateur, de la période temporelle) ou par les journaux de données générés par un système (p. ex. nombre de vues d’une page web).
- Il existe différents programmes pour compiler et manipuler les données, allant de simples calculs sur une feuille de papier aux feuilles de calcul Excel ou encore en recourant à des logiciels d’analyse statistique comme SPSS ou SAS, des modules d’analyse à même votre logiciel de gestion de la bibliothèque ou encore en achetant des services de données.
> Étalonnage
« De nombreux établissements universitaires utilisent des mesures étalons pour identifier leurs forces et leurs faiblesses par rapport à des établissements similaires. Par exemple, l’étalonnage peut être utilisé pour démontrer si une institution ou sa bibliothèque est financée ou dotée de personnel à des niveaux comparables à des établissements similaires dans une zone géographique, avec un effectif similaire ou avec d’autres caractéristiques connexes. Une institution ou une bibliothèque peut utiliser l’étalonnage pour éclairer les stratégies qu’elle élabore afin d’améliorer sa qualité et son efficacité institutionnelles » (ACRL, 2018, p. 21).
Exemples de base
- Dépenses institutionnelles de la bibliothèque par rapport à leurs pairs
- Nombre de membres des corps étudiant et professoral par rapport à leurs pairs
- Dépenses de la bibliothèque par membre des corps étudiant et professoral par rapport à leurs pairs
- Budgets des collections (physique et électronique) par rapport à leurs pairs
- Ressources en ligne (revues, livres et bases de données) par rapport à leurs pairs
- Nombre d’employés de la bibliothèque par rapport à leurs pairs
Exemples plus complexes
Lewin, H. S., & Passonneau, S. M. (2012). An analysis of academic research libraries assessment data: A look at professional models and benchmarking data. The Journal of Academic Librarianship, Volume 38(2), 85-93.
Sources de données d’étalonnage
- Association of Academic Health Sciences Libraries
- Association of College and Research Libraries
- Association of Research Libraries
- Association des bibliothèques de recherche du Canada
- ACBES Recensement des bibliothécaires universitaires du Canada
- ACPPU Almanach de l’enseignement postsecondaire
- National Center for Education Statistic – Library Statistics Program
- Conseil des bibliothèques universitaires de l’Ontario
- Statistique Canada – Études postsecondaires
Rapport principal
ACRL. (2018). Standards for Libraries in Higher Education. Chicago, IL: ACRL.
- Les normes pour les bibliothèques de l’enseignement supérieur sont conçues pour guider les bibliothèques universitaires dans l’avancement et le maintien de leur rôle de partenaires dans l’éducation des étudiantes et étudiants, la réalisation des missions de leurs établissements et le positionnement des bibliothèques en tant que chefs de file en matière d’évaluation et d’amélioration continue sur leurs campus. Les bibliothèques doivent démontrer leur valeur et documenter leurs contributions à l’efficacité institutionnelle globale et être prêtes à faire face aux changements dans l’enseignement supérieur, y compris l’accréditation et d’autres mesures de reddition de comptes.
> Collections et ressources
Exemples de base
- Nombre de titres (physiques et électroniques)
- Pourcentages des dépenses du nombre total en matériel de bibliothèque, p. ex. pourcentage des dépenses de livres par rapport aux dépenses totales de matériel de bibliothèque.
- Dépenses en matériel de bibliothèque par rapport aux dépenses totales pour la bibliothèque, p. ex. pourcentage des dépenses en matériel de bibliothèque par rapport aux dépenses totales de la bibliothèque.
- Dépenses totales en matériel de bibliothèque par étudiant, p. ex. par étudiante de premier cycle, par étudiant des cycles supérieurs.
- Dépenses totales en matériel de bibliothèque par employé facultaire, p. ex. par professeure à temps plein ou par professeur à temps partiel.
Exemple plus complexe
- Corrélation entre la croissance des dépenses pour les collections électroniques à la bibliothèque et la croissance de la productivité de recherche.
Par exemple : Rawls, M. M. (2015). Looking for links: How faculty research productivity correlates with library investment and why electronic library materials matter most. Evidence Based Library & Information Practice, 10(2), 34-44.
Rapport principal
Harker, K. R., & Klein, J. (2016, septembre). Collection assessment. SPEC Kit 352. Washington, DC : Association of Research Libraries.
- Cette étude collecte de l’information sur les membres du personnel de la bibliothèque qui collectent et analysent les données, à quelles fins les résultats sont utilisés, avec qui les données sont partagées et de quelle manière les questions d’évaluation sont traitées. L’étude a également cherché à savoir si les méthodes, données et outils disponibles sont conformes aux objectifs de l’évaluation des collections.
> Découverte et prestation
« Les bibliothèques permettent aux utilisateurs de découvrir de l’information dans tous les formats grâce à une utilisation efficace de la technologie et à l’organisation des connaissances. » (ACRL, 2018, p. 9).
Exemples de base
- Nombre d’usagers consultant le site web de la bibliothèque
- Nombre d’usagers consultant les ressources électroniques sous licence : COUNTER propose un code de pratique qui permet aux éditeurs et aux fournisseurs de faire rapport de l’usage de leurs ressources électroniques de manière cohérente. Cela permet aux bibliothèques de comparer les données reçues de différents éditeurs et fournisseurs.
- Nombre de documents téléchargés
- Nombre de livres empruntés
Exemple plus complexe
- Établir une corrélation entre l’usage des ressources de la bibliothèque et la production universitaire. Voir par exemple : Janetti, M., & Cox, B. (2013). Measuring the value of library resources and student academic performance through relational datasets. Evidence Based Library and Information Practice, 8(10), 163-171.
Rapport principal
- MINES for Libraries : Alors que les bibliothèques donnent accès aux ressources électroniques par portails, collaborations et entente consortiale, le protocole Mesurer l’impact des services électroniques en réseau (MINES) pour les bibliothèques offre un moyen pratique de recueillir de l’information auprès des usagers dans un environnement où ils n’ont plus besoin d’entrer physiquement dans la bibliothèque pour accéder aux ressources.
> Éducation et formation
« Les bibliothèques participent à la mission éducative de l’établissement pour développer et soutenir des apprenants instruits qui peuvent découvrir, repérer et utiliser efficacement les ressources pour la réussite scolaire, la recherche et l’apprentissage tout au long de la vie » (ACRL, 2018, p. 9).
Exemples de base
- Nombre de séances de formation en groupe offertes (sur place et virtuellement)
- Nombre de personnes participant (sur place et virtuellement) aux séances de formation
- Nombre de cours auxquels participent les bibliothécaires
- Nombre d’étudiants rejoints par la participation des bibliothécaires aux initiatives de littératie
Exemple plus complexe
- Établir une corrélation entre le nombre de participants aux séances de formation en bibliothèque et la rétention étudiante. Voir par exemple : Eng, S. (2015). Linking library to student retention: A statistical analysis. Evidence Based Library & Information Practice, 10(3), 50-63.
Rapport principal
Oakleaf, M. (2010). Value of academic libraries: A comprehensive research review and report. Chicago, ACRL.
- La publication Value of Academic Libraries: A Comprehensive Research Review and Report de l’ACRL est une revue de la littérature quantitative et qualitative, des méthodologies et des meilleures pratiques actuellement en place pour démontrer la valeur des bibliothèques universitaires, développée pour l’ACRL par Megan Oakleaf de l’iSchool à la Syracuse University.
> Espaces et lieux
« Les bibliothèques sont des biens communs intellectuels où les usagers interagissent avec des idées dans des environnements physiques et virtuels pour étendre l’apprentissage et faciliter la création de nouvelles connaissances » (ACRL, 2018, p. 9).
Exemples de base
- Ratio de sièges en bibliothèque par rapport à l’ETP de la population étudiante
- Type d’espaces d’apprentissage et de technologies connexes offert à la communauté
- Nombre d’heures d’ouverture en semaine durant la session universitaire
- Nombre de jours d’ouverture lors de l’année fiscale
- Statistique d’entrée. P. ex. Pour l’ETP étudiant. Lors de la plage horaire étendue des sessions d’automne et d’hiver.
Exemple plus complexe
- Établir une corrélation entre l’utilisation de la bibliothèque et les notes scolaires : l’influence de la bibliothèque se manifeste par deux facteurs qui témoignent de la bibliothèque comme lieu où la population étudiante peut étudier seule et où elle peut avoir accès à de l’équipement spécialisé. Voir par exemple : Stemmer, J. K., & Mahan, D. M. (2015). Assessing the library’s influence on freshman and senior level outcomes with user surveys. Evidence Based Library & Information Practice, 10(2), 8-20.
Rapport principal
Lippincott, J. K., & Duckett, K. (2013). Library space assessment: Focus on learning. Research Libraries Issues: A Report from ARL, CNI, and SPARC, (284), 21-21.
- L’atelier Library Space Assessment: Bringing the Focus to Teaching and Learning, tenu lors du Library Assessment Conference en novembre 2012, était conçu pour aider les participantes et participants à réfléchir en profondeur au lien entre la rénovation complète des espaces et l’apprentissage étudiant.
> Tableaux de bord en bibliothèque
- Dalhousie University – Library Data Fast Facts : Données rapides de la bibliothèque et visualisations des données.
- University of Windsor – Dashboard of Leddy Library Open Data and Statistics : Principalement des graphiques à barres avec texte flottant intégré.
- Lincoln University (Nouvelle-Zélande) : Rapports et statistiques de la bibliothèque, contient des liens vers des tableaux de bord d’autres services.
- Fairfield University Libraries – DiMenna-Nyselius Library : Utilisation de photographies, avec des statistiques affichées dans des boîtes contenant des liens vers la ressource qui a généré/pris en charge cette statistique. Explicitement associé à l’évaluation.
- Georgia Tech Library : Graphiques à barres, listes/liens et graphiques, avec texte flottant intégré.
- University of Texas – MD Anderson Cancer Center Research Medical Library : Tableau de bord interactif avec une variété de modes de visualisation des données.
> Tableaux de bord d’établissement postsecondaires
- Memorial University of Newfoundland – Institutional Dashboards : Comprend des liens graphiques vers différentes zones d’information.
- Memorial University of Newfoundland – Centre for Innovation in Teaching and Learning : Graphique à barres interactif.
- Illinois Graduate College – University of Illinois : Un tableau de bord avec visualisation des données, des fonctionnalités interactives et des bulles contextuelles informatives; les données concernant les inscriptions aux cycles supérieurs, le progrès scolaire et l’emplacement des diplômés.
- Harper College – Institutional Effectiveness Dashboard : Un site basé sur du texte et des tableaux, qui comprend des liens vers les données et la visualisation des données pour chaque mesure et indicateur d’efficacité institutionnelle.
- Ventura College : Tableau de bord avec des liens vers différentes collections de données, qui sont présentées dans une variété de modes de visualisation.
- The Diversity Gap in University Leadership 2018 (U of Alberta Academic Women’s Association) : Résultats de la recherche sur l’équité en matière d’emploi dans les universités canadiennes. Faites défiler vers le bas pour afficher le tableau de bord des données analysées.
> Autres tableaux de bord
- Big Book of Dashboards : Présente une référence complète pour ceux qui sont chargés de créer ou de superviser le développement de tableaux de bord d’entreprise. Comprend des exemples téléchargeables.
- Against the Grain – Map of Downloads : Cette page comprend une carte qui montre visuellement et en temps réel depuis où dans le monde le contenu de « Against the Grain » est téléchargé.
- Tableau – Gallery of Public Tableau Dashboards : Comprend les tableaux de bord « Viz of the Day » et « Featured » créés à l’aide du logiciel Tableau.
- Saskatchewan’s Dashboard : Tableau de bord avec des liens vers une visualisation plus approfondie des données du contenu demandé.
- Analytics.usa.gov : Mise à jour en temps réel; affiche des données sur les personnes accédant aux sites web de différentes agences du gouvernement américain.
> Exemples
From Waterloo, using D3.js
From Dalhousie, using Tableau
From Dalhousie, using Tableau
Created example of word cloud, showing subject analysis of books purchased in 2000, using wordclouds.com
Created example, using Excel
From Waterloo, using Microsoft Power BI
> Cours
- Duke University – Excel to MySQL
Spécialisation de cinq cours sur Coursera. Apprenez à transformer des défis commerciaux en questions analysables au moyen de données. Utilisez Excel, Tableau et MySQL pour analyser les données, créer des prévisions et des modèles, concevoir des visualisations et communiquer vos idées. La charge hebdomadaire varie selon le cours.
- John Hopkins University – Data Science Specialization
Introduction de neuf cours à la science des données disponible en tant que spécialisation sur Coursera. Prend 9 mois pour le terminer à raison d’environ 5 heures par semaine.
- Vidéos de formation gratuites sur Tableau
Formations en ligne gratuites sur le web qui couvrent les bases du logiciel.
- Data Camp
Héberge une variété de cours de science des données axés sur une variété d’outils et de renforcement des compétences.
- UC Davis – Data Visualization with Tableau Specialization
Introduction de cinq cours à la science des données disponible en tant que spécialisation sur Coursera. Prend 4 mois pour le terminer à raison d’environ 5 heures par semaine.
- University of Illinois – Data Mining Specialization
Introduction de six cours aux techniques de forage des données disponible en tant que spécialisation sur Coursera. Les sujets de cours spécifiques incluent la découverte de modèles, le partitionnement, le repérage de texte, le forage et l’analyse de texte et la visualisation de données.
> Ateliers
- Atelier d’évaluation des bibliothèques canadiennes de l’ABRC
L’ABRC s’est engagée à soutenir et à élaborer des mesures fondées sur les résultats afin d’aider les bibliothèques à aller au-delà des intrants et des extrants et ainsi à mieux démontrer l’effet qu’exercent les bibliothèques sur la recherche, l’enseignement et l’apprentissage. Organisé aux deux ans.
- Data Science and Visualization Institute (DSVIL)
Le Data Science and Visualization Institute for Librarians est un cours d’une semaine pour les bibliothécaires qui se passionnent pour la recherche et l’érudition. Développer les connaissances, les compétences et la confiance nécessaires pour communiquer efficacement avec les professeurs et les étudiants chercheurs au sujet de leurs données et être en mesure de fournir des conseils initiaux sur des sujets de cours. L’acceptation au Data Science and Visualization Institute for Librarians se fait par le biais d’un processus de candidature compétitif.
- Tableau – Cours en présentiel
Des ateliers de formation Tableau sont disponibles à Edmonton, en Alberta, ainsi que dans d’autres villes du monde. Cliquez sur « Formation en personne » pour rechercher les prochains ateliers à proximité.
> Congrès
- ARL – Library Assessment Conference
L’objectif de la conférence est de bâtir et de soutenir la vaste communauté de pratique et de recherche sur l’évaluation des bibliothèques, notamment toute personne qui a une responsabilité ou un intérêt dans ce vaste domaine. L’évènement de plusieurs jours est un mélange de conférenciers invités, d’ateliers, de présentations et d’affiches qui stimulent la discussion et fournissent des idées réalisables pour une évaluation efficace, pratique et durable de la bibliothèque.
> Diplômes
- University of Illinois – Urbana-Champaign – MS in Information Management
Le diplôme MS/IM se compose de 40 heures de cours, dont trois cours obligatoires. Des cours au choix supplémentaires peuvent être choisis en consultation avec la conseillère ou le conseiller. Quatre voies de concentration : science des données et analyse; confidentialité, confiance, sécurité et éthique; architecture et conception de l’information; et gestion des connaissances et conseil en information.
> Autres guides sur la visualisation des données
> Lectures complémentaires
ACRL. (2018). Standards for libraries in higher education. Chicago, IL : ACRL.
Archambault, S. G., Helouvry, J., Strohl, B., & Williams, G. (2015). Data visualization as a communication tool. Library Hi Tech News, 32(2), 1-9.
Cox, B., & Jantti, M. (2012, 17 juillet). Discovering the impact of library use and student performance. Educause Review.
Cheng, C., Gilmore, T., Lougen, C., & Stovall, C. (2017, novembre). Statistical analysis, data visualization, and business intelligence tools for electronic resources in academic libraries. Présenté à la 2017 Charleston Conference: Issues in Book and Serial Acquisition, Charleston, SC.
Diamond, M., & Mattia, A. (2017). Data visualization: An Exploratory study into the software tools used by businesses. Journal of Instructional Pedagogies, 18.
Dulin, K., & Spina, (C). (2011). Recommendations for the design of the library analytics toolkit. Cambridge, MA : Harvard University Libraries.
Evergreen, S. D. H. (2017). Effective data visualization: The right chart for the right data. Los Angeles, CA : Sage.
Farney, T. (2018). Using digital analytics for smart assessment. Chicago, IL : ALA Editions.
Finch, J., & Flenner, A. (2016). Using data visualization to examine an academic library collection. College & Research Libraries, 77(6), 765-778.
Franklin, T., Harrop, H., Kay., D., & van Harmelen, M. (2011). Exploiting activity data in the academic environment. Repéré au siteweb Activity Data.
Hinchliffe, L. J. (2015). Professional development for assessment: Lessons from reflective practice. Journal of Academic Librarianship, 41(6), 850-852.
Hoffman, S., & Hall, A. (2017). The data framework: A collaborative tool for assessment at the UNLV libraries. Journal of Electronic Resources Librarianship, (29)3, 159-167.
Khan, A. (2016). Jumpstart Tableau: A step-by-step guide to better data visualization. New York, NY : Apress.
Magnuson, L. (2016). Data visualization: A guide to visual storytelling for libraries. New York, NY : Rowman & Littlefield.
Marcum, D., & Schonfeld, R. C. (2014). Driving with data: A roadmap for evidence-based decision making in academic libraries. New York, NY: Ithaka S+R.
Murphy, S. A. (2015). How data visualization supports academic library assessment: Three examples from The Ohio State University Libraries using Tableau. College & Research Libraries News, 76(9), 482-486.
Oakleaf, M. (2010). Value of academic libraries: A comprehensive research review and report. Chicago, IL : ACRL.
Orcutt, D. (2010). Library data: Empowering practice and persuasion. Santa Barbara, CA : Libraries Unlimited.
Orlando, T. M., & Sunindyo, W. D. (2017). Designing dashboard visualization for heterogeneous stakeholders. Proceedings of 2017 International Conference on Data and Software Engineering (ICoDSE).
Shaffer, J., Cotgreave, A., & Wexler, A. (2017). The big book of dashboards: Visualizing your data using real-world business scenarios. Hoboken, NJ : John Wiley & Sons.
Showers, B. (2015). Library analytics and metrics: Using data to drive decisions and services. Londres, Royaume-Uni : Facet Publishing.
Soria, K. M., Fransen, J., & Nackerud, S. (2013). Library use and undergraduate student outcomes: New evidence for students’ retention and academic success. portal: Libraries and the Academy, 13(2), 147-164.
Tay, A. (2016, 18 novembre). 5 Reasons why library analytics is on the rise [blogue]. Repéré au siteweb Musings About Librarianship.
> Apprendre l’analytique
Cox, B., & Jantti, M. (2012, 17 juillet). Discovering the impact of library use and student performance. Educause Review.
Leitner P., Khalil M., & Ebner M. (2017). Learning analytics in higher education: A literature review. Dans A. Peña-Ayala (Ed.), Learning analytics: Fundaments, applications, and trends (pp. 1-23). Cham, Suisse : Springer.
Roberts, L. D., Howell, J. A., & Seaman, K. (2017). Give me a customizable dashboard: Personalized learning analytics dashboards in higher education. Technology, Knowledge and Learning, 22(3), 317-333.
De Laet, T., Charleer, S., Verbert, K., Langie, G., & Van Soom, C. (2017). Learning analytics dashboard to support the live interaction between student advisor and student. Présenté à l’European First Year Experience Conference 2017, Birmingham, Royaume-Uni.
Briney, K., Asher, A., Goben, A., Jones, K. M., Perry, M., Robertshaw, M. B., & Salo, D. (2018). Student learning analytics in libraries – thoughts and resources. Repéré au http://lovedataweek.org.
> Cartes de pointage
- Balanced Scorecard Institute : Balanced Scorecard Basics
- Investopedia : Balanced Scorecard
- Clearpoint Strategy : A Full & Exhaustive Balanced Scorecard Example
- QuickMBA : The Balanced Scorecard
- BSC Designer : Free 17 Balanced Scorecard Examples and Templates
> Gestion des données
Callahan, S. P., Freire, J., Santos, E., Scheidegger, C. E., Silva, C. T., & Vo, H. T. (2006). VisTrails: Visualization meets data management. Proceedings from SIGMOD ‘06: The International Conference on Management of Data (pp. 745-747).
Wang, M., & Fong, B. L. (2015). Embedded data librarianship: A case study of providing data management support for a science department. Science & Technology Libraries, 34(3), 228-240.
Martin, E. R. (2014). What is data literacy? Journal of eScience Librarianship, 3(1), e1069-e1070.
Tenopir, C., Talja, S., Horstmann, W., Late, E., Hughes, D., Pollock, D., Schmidt, B., Baird, L., Sandusky, R., & Allard, S. (2017). Research data services in European academic research libraries. LIBER Quarterly, 27(1), 23-44.
Ball, A., Darlington, M., Howard, T., McMahon, C., & Culley, S. (2012). Visualizing research data records for their better management. Journal of Digital Information, 13(1).
Palpanas, T., & Wu, Z. (Eds.). Big Data Research.
> Évaluation
W.K. Kellogg Foundation Logic Model Development Guide [site web].
Social Solutions. (s.d.) Three keys to improving your program effectiveness evaluation [blogue]. Repéré au siteweb Social Solutions.
ALA. (2016, août). Performance measurement: Introduction to project outcome. Repéré ausiteweb ALA.
Anthony, C. A. (2014, 7 juillet). Moving toward outcomes [blogue]. Repéré au siteweb Public Libraries Online.
McNamara, C. (s.d.). Basic guide to program evaluation (including outcomes evaluation). Repéré au siteweb Management Help.
Troll, D. A., (2001). How and why are libraries changing? Digital Library Federation.
School Libraries Impact Studies [site web].
Kowalcyzk, P. (2018, 18 mars). Libraries matter: 18 fantastic library infographics and charts. Repéré au siteweb Ebook Friendly.
> Tableaux de bord
Tableau de bord opérationnel : La réponse fréquemment mise à jour à une question ou à une préoccupation qui assure le suivi continu ou ponctuel de la réponse opérationnelle à un évènement.
Tableaux de bord stratégique/décisionnel : Le portrait global d’une question ou d’une préoccupation à laquelle on répond généralement de manière routinière ou d’une manière précise et qui présente des indicateurs clés de performance avec un minimum d’interaction.
Tableau de bord d’analyse : Une vue hautement interactive qui offre une variété d’approches d’analyse à un thème central avec quelques vues contextuelles connexes.
D’après Unilytics
> Définitions de base
Visualisation de données = une représentation visuelle de grandes quantités de données numériques. L’objectif est de donner un sens aux données ou de les rendre plus accessibles.
Infographie = une représentation visuelle de faits, d’évènements ou de chiffres. Les infographies tentent de raconter une histoire; l’accent est mis sur l’information ou l’éducation. L’information est présentée en contexte, avec un récit de manière à développer le sujet; elles sont souvent subjectives. Les infographies contiennent généralement plusieurs visualisations de données.
Tableau de bord = l’équivalent du tableau de bord automobile, affichant les modifications en temps réel des données stratégiques ou tactiques, généralement affichées visuellement. Offre souvent la possibilité de parcourir des données de haut niveau dans des détails croissants. L’accent est mis sur les opérations et la prise de décision. La période de temps est généralement en temps réel. Tente de localiser les exceptions, les problèmes ou les tendances.
Carte de pointage = une représentation visuelle d’une stratégie d’affaires, caractérisée par un processus hiérarchisé descendant. Identifie une sélection de mesures de performances clés pour atteindre les objectifs de l’organisation et explore les services connexes et leurs mesures. L’accent est mis sur la stratégie. La période de temps est généralement un moment historique. Tente de déterminer si vous atteignez vos objectifs.
La ligne entre les tableaux de bord et les cartes de pointage est souvent floue, car il existe un chevauchement considérable. Les tableaux de bord et les cartes de pointage visent tous deux à mesurer les performances par rapport aux indications clés de performance et à les communiquer dans un format facilement « compréhensible en un coup d’œil », qui permet une action immédiate. Les deux termes sont souvent interchangés.
Archambault, S. G. (2016, avril). Telling Your Story: Using Dashboards and Infographics for Data Visualization. Computers in Libraries (avril 2016). Repéré au siteweb Info Today.
- Court article avec des exemples des différences entre les deux.
Savkin, A. (2019, 24 juin). What’s the difference between a dashboard and a balanced scorecard? [blogue]. Repéré au siteweb BSC Designer.
- Contient un tableau explicatif des différences d’après BSC Designer.
- Explications des raisons d’utiliser l’un ou l’autre.
BI Dashboards. (s.d.). Scorecards vs. dashboards. Repéré au siteweb BI Dashboard.
Dili. (2017, 17 avril). Difference between dashboard and scorecard [blogue]. Repéré au siteweb Difference Between.
- Aperçu, principales différences et comparaisons.
> Mesures
Mesure étalon = une norme d’excellence à partir de laquelle des éléments similaires sont mesurés.
Carte de pointage = un rapport structuré de gestion de la performance stratégique avec trois éléments essentiels : 1) un accent sur les objectifs stratégiques; 2) la surveillance d’une petite sélection de points de données; et 3) la combinaison de données financières et non financières.
Indicateur clé de performance = une mesure qui permet aux organisations de déterminer dans quelle mesure elles atteignent leurs objectifs.
> Données
Donnée qualitative = lorsque des observations sont classées, jugées ou catégorisées
P. ex. : si une personne est satisfaite des services de la bibliothèque
Donnée quantitative = lorsque des observations sont comptées ou mesurées. Aussi appelées données numériques.
P. ex. : statistiques d’entrées
Donnée discrète = données numériques pouvant être comptées, mais pas mesurées
P. ex. : nombre de bibliothécaires travaillant à la bibliothèque
Donnée continue = données numériques pouvant être mesurées ou, si elles sont comptées, peuvent être décomposées en nombres plus petits et plus précis
P. ex. : temps consacré aux entrevues de référence
Donnée nominale = sans ordre naturel entre les catégories
P. ex. : assurer le suivi des questions de référence dans divers domaines (p. ex. sciences sociales, sciences humaines, beaux-arts, STIM, etc.)
Donnée ordinale = catégories ordonnées
P. ex. : assurer le suivi des questions de référence des usagères et usagers du premier cycle, des cycles supérieurs, du corps professoral
> Types de visualisation
Pour plus d’information sur les types de visualisations, consultez « Types de visualisations » sous l’onglet « Outils et technologie ».
Pour plus d’information sur comment choisir un type, consultez l’organigramme ainsi que la section « Types précis de diagrammes/visualisations » sous « Liens » de l’onglet « Bonnes pratiques ».
- Graphique linéaire : montre les tendances et comment les données changent au fil du temps
- Diagramme à barre : (horizontal, vertical, empilé) : classement comparatif, croissance sur une période précise
- Diagramme circulaire : composition proportionnelle de 100 %
- Diagramme de progression : affiche le progrès par rapport aux indicateurs clés de performance
- Diagramme de dispersion : pour les corrélations d’ensembles de données volumineux
- Carte : visualisation de données géographiquement
- Carte de densité : utilisation de couleurs pour illustrer les points maximum et minimum
- Nuage de mots-clés : pondération de la fréquence des mots les uns par rapport aux autres
- Ligne de temps : série d’évènements en ordre chronologique
- Carte proportionnelle : affiche les données de manière hiérarchique
- Diagramme à bulle : affiche les données proportionnelles par lieu
- Infographie : représentation visuelle de données et de texte aux fins de communication de masse
- Tableau : pour bien comprendre les données sous-jacentes

