1. Visualisation de
données avec
François Guillem
Fondateur et data scientist @
fguillem@ludostat.fr

2. La visualisation de données est généralement utilisée pour
accélérer la lecture d’informations en les représentant
graphiquement
• Reporting
• Exploration de données
Mais elle peut aussi permettre de révéler des informations
cachées et de créer de nouvelles connaissances
• Science des données
Voici quelques exemples

3. Exemple 1 : résultats d’un sondage
Jeu de « City Building »
L’éditeur aimerait comprendre pourquoi les
joueurs n’achètent pas les bâtiments payants
On a réalisé un sondage interne pour voir ce
que pensaient les salariés des bâtiments
(payants ou non)
Puis on a réalisée une analyse factorielle

4. Exemple 1 : résultats d’un sondage

5. Exemple 2 : évolution des contraintes et
motivations des joueurs
Jeu de « City building »
Comprendre ce qui motive et freine les joueurs
afin d’améliorer l’expérience de jeu et l’offre
payante
Pour cela on a regardé comment les
caractéristiques d’un bâtiment influence la
demande de celui-ci et comment cette
influence évolue avec l’expérience du joueur

6. Exemple 2 : évolution des contraintes et
motivations des joueurs
Pour chaque bâtiment et pour chaque niveau,
on estime l’équation suivante :
log(D) = a + b . log(prix) + c . log(surface)
+ d . log(duree) + e . log(beaute)
D : nombre de fois que le batiment a été acheté

7. Exemple 2 : évolution des contraintes et
motivations des joueurs

8. Exemple 3 : typologie de joueurs
Jeu de cartes type « magic »
Identifier des groupes de joueurs qui utilisent
différemment le jeu afin de personnaliser
l’expérience de jeu
Pour cela on a commencé par regarder les
corrélations entre les différentes actions
réalisées dans le jeu

9. deathmatch_end
deathmatch_start
survivor_complete
survivor_start
battle_defeat
battle_draw
mission
battle_victory
levelup
tournament_complete
tournament_start
elo_complete
elo_start
market_buy
market_sell
shop_credits
shop_pack
shop_clintz
auction_sell
auction_buy
shop_themedeck
trade_non.secure
login
friend_sponsorship
trade_secure
friend_send
friend_remove
friend_accept
friend_receive
guild_create
battle_surrender
battle_timeout
message_sent
message_read
message_received
forum_read
forum_write
guild_join
guild_apply
guild_leave
0.0 0.5 1.0 1.5 2.0
ClusterDendrogram
hclust(*,"mcquitty")
d
Height

10. Qu’ont tous ces graphiques en commun ?
Ils ont été réalisé avec !

11. Qu’est-ce que ?
C’est un logiciel d’analyse statistique open source
C’est un langage de programmation qui permet de :
o Importer des données
o Traiter des données
o Utiliser des modèles statistiques
o Faire de la visualisation de données
Particulièrement puissant pour tout ce qui concerne
l’exploration de données

12. Qu’est-ce que ?

13. Conclusion
c’est compliqué !
Mais ça en vaut la peine !