Support de présentation du concept de Datajournalism de l'intervention des 26 et 27 octobre à Nantes

1. Formation
datajournalisme
26-27.10.12
Caroline Goulard
co founder @dataveyes

2. Programme de la formation
1ÈRE DEMI-JOURNÉE 3ÈME DEMI-JOURNÉE – 4 HEURES
LES ENJEUX DU JOURNALISME DE DONNEES ET DE LA VISUALISATION DE DONNÉES : principes fondateurs,
VISUALISATION DE DONNEES fondamentaux de sémiologie visuelle
DONNÉES : Enjeux du data-deluge, recherche, étude de cas : étude de plusieurs « bonnes » et
« mauvaises » visualisations
sources, droit d’auteur
exercice : découverte des principaux portails open data VISUALISATION DE DONNÉES : découverte d’une
sélection d’outils gratuits de visualisations et de
DONNÉES : données de flux vs données en base, API,
partage des données
formats,
exercice : initiation à Google Chart, Tagxedo,
exercice : découverte du fonctionnement des API sur
GeoCommons, Socrata, infogr.am, manyeyes, en fonction
console
des besoins des étudiants
2ÈME DEMI-JOURNÉE – 4 HEURES
4ÈME DEMI-JOURNÉE – 4 HEURES
WORKSHOP DONNÉES : Extraction, nettoyage, filtrage
WORKSHOP VISUALISATION DE DONNÉES : choix
des données
technologiques, ergonomiques et esthétiques
exercice : les étudiants commencent la recherche, le
exercice : les étudiants réalisent une première version de leur
nettoyage et l’étude des données qui leurs serviront pour
réaliser un projet de visualisation ; ils découvrent des outils projet soit à l’aide des outils gratuits découverts en cours, soit à
et des bonnes pratiques au cours du worskhsop. l’aide d’un outil de wireframing.
WORKSHOP CONCEPTION : User Experience,
Architecture de l’information
exercice : les étudiants commencent la conception de leur
projet de visualisation : ciblage, parcours, besoins
utilisateurs, personas, mapping des besoins, etc.

3. Data visualization
Opendata
WHAT ABOUT ME ? News products design
Innovation management
Media strategy
Information architecture
CO-FOUNDER CO-FOUNDER
ACTUVISU DATAVEYES
R&D
JOURNALIST JOURNALIST JOURNALIST JOURNALIST RESEARCHER DATA-JOURNALIST DATA-JOURNALIST
‘05 ‘06 ‘07 ‘08 ‘09 ‘10 ‘11 ‘12
MÉMOIRE
« Mutation des enterprises de presse et
stratégies numériques »
MASTER HEC – Télécom PARIS
Management des MASTER Management des
médias nouvelles technologies
SCIENCES PO
RENNES

5. Conférence 1.
les enjeux du journalisme
de données et de la
visualisation de données

6. HUFFINGTON POST –
ADAPTATIVE
SEMANTICS
MSNBC –
EVERYBLOCK
REUTERS –
OPEN CALAIS
GOOGLE –
METAWEB / FREEBASE
MICROSOFT -
POWERSET

7. « Data is the new oil »

8. c’est le
data
deluge

9. Les données deviennent un élément d’
appréhension du réel

10. quantified self
Les données deviennent un élément de connaissance de soi

11. Besoin de nouveaux outils pour
DISTILLER L’INFORMATION

12. KEVIN SLAVIN
How algorithms shape our world ?

14. Qu’est-ce que le
journalisme de données?
I

15. faire parler les données
15

16. La journalisme de données est une
MEDIATION

17. datajournalism is a process
Collect filter reorganise frame visualise
VALUE FOR PUBLIC

18. Pourquoi faire du
journalisme de données ?
II

19. II.A. UNE NOUVELLE FACON DE
MENER L’ENQUÊTE

20. THE GUARDIAN
RIOTS STUDY
h$p://www.guardian.co.uk/uk/interac6ve/2011/aug/24/riots-­‐twi$er-­‐traffic-­‐interac6ve?CMP=twt_gu

21. WASHINGTON POST ‘S TOP SECRET AMERICA

22. GUARDIAN’S EXPENSES TRACKER

23. carte de la blogosphere politique de linkfluence

24. renouveler l’information micro-locale

25. II.B. UNE NOUVELLE FACON DE
raconter le monde

26. HANS ROSLING
200 countries,200 years, 4 minutes

27. Synthétiser l’information pour la rendre
rapide à assimiler

28. S’intéresser à
L’INTELLIGENCE VISUELLE
plutôt qu’à l’intelligence verbale

30. PRENDRE DU RECUL

33. Rendre l’information
intuitive

34. Montrer les tendances de
LONG TERME

35. APPORTER LE CONTEXTE

42. Faciliter la compréhension de
phénomènes complexes

43. Personnaliser l’information

44. jouer de la granularité pour
Répondre à toutes les questions

45. Rendre l’utilisateur
ACTIF

46. Faciliter l’appréhension de l’information grâce à
l’interaction

47. rendre l’utilisateur
ACTIF

48. Faciliter l’appréhension de l’information grâce à
l’interaction

49. Travailler
L’ANIMATION

50. raconter
une histoire

51. Jouer des formes...

52. ...et des couleurs !

53. Connaître les principes
COGNITIFS VISUELS

54. Créer du relief

55. Travailler
L’ANIMATION

56. Soigner
L’INTERACTIVITé

57. Changer de
POINT DE VUE

58. S’appuyer sur les
MÉTAPHORES et clichés

59. Apporter de nouvelles façons de
voir

60. II.C. UNE NOUVELLE FACON
D’engager son audience

61. francesco franchi
on visual storytelling and new langage in journalism

65. Comment faire du
journalisme de données ?
III

66. DE NOUVELLES ORGANISATIONS DES
rédactions

67. De nouveaux workflow

68. simon rogers
how the Guardian is pionnering
datajournalism with free tools ?

69. Pratique.
Qu’est-ce qu’une donnée ?
Qu’est-ce qu’une API
Où trouver des données ?
les formats des données

70. Sources gouvernementales
ex
:
ministères,
data.gouv.fr portails opendata
ex
:
Data
Publica,
Guardian
Data
Store,
h$p://publicdata.eu
,
h$p://datacatalogs.org
régulateurs, agences, hautes autorités
ex
:
HAS,
CNCCFP data market places
h$p://thedatahub.org/
;
h$p://www.factual.com/
;
h$p://
www.socrata.com/
STATISTIQUES INTERNATIONALES h$p://www.needlebase.com/;
h$p://www.data360.org/
ex
:
OCDE,
Banque
Mondiale,
Eurostat index.aspx
GROUPES DE PRESSION, SYNDICATS, moteurs de recherche
ex
:
.csv
ORGANISATIONS CITOYENNES
ex:
Regard
Citoyen,
h$p://www.kelquar6er.com/
moteurs spécialisés
www.zanran.com/q
;
h$p://www.google.com/publicdata/
ENTREPRISES directory
ex
:
McDonald,
h$p://opencorporates.com/
api
Médias h$p://www.infochimps.com/,
ProgrammableWeb
ex
:
Les
Echos,
Le
Guardian
(h$p://www.guardian.co.uk/news/
datablog/2011/jan/27/data-­‐store-­‐office-­‐for-­‐na6onal-­‐sta6s6cs)
organisations scientifiques et de
recherche
ex
:
h$p://labrosa.ee.columbia.edu/millionsong/
;
h$p://
www.ined.fr/fr

71. Pratique.
Fondamentaux statistiques
& méthologiques

72. I. Les fondamentaux II. Nettoyer les III. Chercher
1.
Collecter
les
données l’histoire
informa6ons
basiques
1.
Corriger
les
problèmes
1.
Fuir
les
données
plates
2.
Ne
pas
se
couper
de
ses
de
format
données
sources 2.
Favoriser
l’analyse
2.
Se
poser
quelques
mul6-­‐variable
3.
Ne
pas
avoir
de
date
ques6ons
d’expira6on 3.
Causalité
n’est
pas
corréla6on
4.
Rendre
les
données
réu6lisables 4.
Eviter
l’ambiguité
des
données
5.
Connaître
ses
faiblesses
5.
Ne
présenter
que
6.
Dire
la
vérité
sur
ses
l’essence
données
6.
Chercher
les
bons
mash-­‐up

73. Exercice.
nettoyer des données avec
excel

74. Quelque liens pour continuer à se forme sur Excel
FONDAMENTAUX D’EXCEL
•http://office.microsoft.com/en-us/excel-help/use-excel-tables-to-manage-information-RZ102252956.aspx
•http://office.microsoft.com/en-us/excel-help/basic-tasks-in-excel-2010-HA101829993.aspx?
CTT=5&origin=HA010370218
•http://issuu.com/tcij/docs/data_journalism?mode=embed&layout=http%3A//skin.issuu.com/v/light/
layout.xml
FORMULES DANS EXCEL
•http://office.microsoft.com/en-us/excel-help/get-to-know-excel-2010-create-formulas-RZ101862712.aspx
FONCTION SI()
•http://office.microsoft.com/en-us/excel-help/the-if-function-what-it-is-and-how-to-use-it-RZ102425926.aspx
NETTOYER DES DONNÉES DANS EXCEL
•http://office.microsoft.com/en-us/excel-help/top-ten-ways-to-clean-your-data-HA010221840.aspx
MACRO REVERSE PIVOT
•http://spreadsheetpage.com/downloads/xl/makedatabasetable.txt

75. Exercice.
Outils de cartographie

76. Quelque outils cartographiques
•http://mapalist.com/Default.aspx
•http://gmaps-samples-v3.googlecode.com/svn/trunk/styledmaps/wizard/index.html
•http://earth.google.com/outreach/tutorial_mapper.html
•http://geocommons.com/
•http://crowdmap.com/mhi/
•http://mapbox.com/
•http://www.richmaps.com/
•http://www.google.com/fusiontables/Home/

77. MANUEL LIMA
why do we need data visualization ?

78. Conférence.
Fondamentaux de
sémiologie visuelle

79. latch

80. 6 principes cognitifs visuels
PRINCIPE DE PROXIMITÉ PRINCIPE DE SIMILARITÉ
PRINCIPE D’INCLUSION PRINCIPE DE CONTINUITÉ
PRINCIPE D’ALIGNEMENT PRINCIPE DE CONNEXIONS

82. 82

83. 83

84. Variable Width Table or Table with Bar Chart Column Chart Circular Area Chart Line Chart Column Chart Line Chart
Column Chart Embedded Charts
Column Histogram
Scatter Chart
Line Histogram
Bubble Chart
Scatter Chart
3D Area Chart
Stacked 100% Stacked Stacked 100% Stacked Area Chart Pie Chart Waterfall Chart Stacked 100% Column Chart
Column Chart Column Chart Area Chart with Subcomponents
84

86. 10.
visualiser
n’est
pas
I. l’état d’esprit dessiner
II. soigner
1.
Résoudre
un
problème 11.
Visualiser
=
comparer l’INTRACTION
2.
Créer
des
visualisa6ons
12.
Le
ra6o
encre/idées
1.
Rendre
l’interac6on
qui
vous
apprennent
13.
Montrer
les
causes
et
efficace
quelque
chose
conséquence
2.Limiter
les
coûts
de
3.Qui
vous
apprennent
14.
Apporter
le
contexte par6cipa6on
quelques
chose
à
vous
mais
aussi
aux
autres 15.
Délivrer
un
niveau
de
3.
Ecourager
l’exploita6on
complexité
4.
Raconter
une
histoire
5.
Ne
pas
ajouter
de
bruit
compréhensible III. Concecption de
16.Eviter
la
distorision
des
au
bruit
données datavisualization
6.Le
fond
doit
primer
sur
1.Comment
choisir
une
la
forme
visualisa6on
?
7.Faire
oublier
la
2.Servir
un
objec6f
méthodologie
3.
Essayer
et
ré-­‐essayer
8.
Révéler
sans
exagérer
4.
Analyser
les
besoins
9.
Structurer
l’informa6on
? 5.
Respecter
les
standards

87. Pratique 3.
decryptage de mauvaises
visualisations de données

94. 94

96. Exercice 4.
OUTILS DE VISUALISATION DE
DONNées

97. Quelque outils de visualisation
• Google Spreadsheet & Fusion Table
•Geocommons
•Many Eyes
•Timetric.com
•Tiki-Toki.com
•Infogr.am
•Socrata.com

98. Quelque références de visualisation de données
SITES LIVRES
• Informationisbeautiful.net •S. FEW, Show me the number
•B. FRY, Visualizing Data
•Datavisualization.ch
•A. JOANNES, Data Journalism
•Flowingdata.com •R. KLANTEN, Data Flow
•Infosthetics.com •S. D. LEVITT, Super Freakonomics
•Visualizing.org •M. LIMA, Visual Complexity
•D. MAC CANDLESS, Information is
•Visual.ly
Beautiful
•Visualcomplexity.com •E. TUFTE, Envisioning Information
•datadrivenjournalism.net/ •E. TUFTE, The Visual Display of
Quantitative Information

99. MERCI !
@dataveyes – dataveyes.com - caroline@dataveyes.com – 06.86.53.68.98