Définition
La data visualization (ou *dataviz*) désigne l'ensemble des techniques qui consistent à représenter des données brutes sous forme visuelle — graphiques, cartes, tableaux de bord, heatmaps — afin de faire émerger instantanément des tendances, des corrélations ou des anomalies qu'un tableur ne révèle pas à l'œil nu.
Dans un contexte DTC / e-commerce, c'est le pont entre vos entrepôts de données (Shopify, Meta Ads, Klaviyo, GA4…) et la décision marketing. Un fondateur qui pilote sa croissance à l'aveugle sur des exports CSV est un fondateur qui subit ; celui qui lit un dashboard clair anticipe.
En clair : la dataviz transforme 1 000 lignes de commandes en une courbe qui raconte une histoire.
Analogie
Imaginez un catalogue produit : vous pouvez le lire ligne par ligne (fastidieux, illisible) ou regarder la photo de packshot qui vous dit en 2 secondes « ce produit est premium, orienté femme, coloris nude ».
La data visualization, c'est le packshot de vos données. Même matière première, mais un format qui parle au cerveau humain — lequel traite une image 60 000 fois plus vite qu'un bloc de texte.
Autre image : un tableau de bord de voiture. Personne ne lit les valeurs brutes du capteur d'injection ; on regarde l'aiguille. La dataviz, c'est votre compteur de vitesse business.
Formule / Indicateurs clés
La dataviz ne « calcule » pas à proprement parler, mais elle s'appuie sur des métriques dont la lecture visuelle change la décision :
1. Taux de conversion (CVR)
CVR = (Commandes / Sessions) × 100
Exemple : 1 200 commandes / 40 000 sessions = 3,0 %
2. Panier moyen (AOV)
AOV = Chiffre d'affaires / Nombre de commandes
Exemple : 96 000 € / 1 200 = 80 €
3. ROAS (Return On Ad Spend)
ROAS = CA généré par la pub / Dépense pub
Exemple : 45 000 € / 15 000 € = 3,0x
4. LTV / CAC
Ratio = LTV / CAC
Un ratio > 3 est considéré sain en DTC.
Ces quatre indicateurs, tracés sur une courbe temporelle, révèlent immédiatement si une campagne scale ou si elle cannibalise la marge.
Tableau comparatif : types de visualisations
| Type de graphique | Idéal pour | Exemple DTC concret | Limite |
|---|---|---|---|
| **Ligne (line chart)** | Tendances dans le temps | Évolution du CVR sur 90 jours | Illisible si + de 5 séries |
| **Barres (bar chart)** | Comparer des catégories | CA par canal (Meta / Google / Email) | Ne montre pas la causalité |
| **Camembert (pie)** | Répartition simple | Part du CA par pays | À éviter au-delà de 5 segments |
| **Heatmap** | Densité / comportement | Clics sur une landing page | Nécessite volume suffisant |
| **Funnel** | Étapes de conversion | Visite → Panier → Checkout → Achat | Cache les abandons multi-sessions |
| **Scatter plot** | Corrélation | Dépense pub vs CA par jour | Interprétation parfois subjective |
💡 **Règle d'or** : un graphique = une question. Si vous ne savez pas quelle décision il déclenche, supprimez-le.
Applications concrètes en DTC / e-commerce
1. Dashboard de pilotage quotidien
Un fondateur DTC regarde chaque matin 3 courbes : CA du jour vs J-7, CVR, ROAS par canal. En 30 secondes, il sait s'il faut scaler ou couper une campagne.
2. Analyse de cohortes (cohort analysis)
Visualiser la rétention par mois d'acquisition sur une heatmap révèle si les clients de janvier 2025 rachètent mieux que ceux de juin. Sur une marque de cosmétiques, une cohorte à LTV 90 jours de 145 € contre 98 € pour une autre justifie un shift budgétaire.
3. Optimisation du tunnel de conversion
Un funnel Shopify montre : 40 000 sessions → 6 000 ajouts panier (15 %) → 1 800 checkouts (30 %) → 1 200 achats (66 %). La fuite est identifiée : c'est le passage panier → checkout qu'il faut travailler (frais de port, trust badges, upsell).
4. Détection d'anomalies
Une courbe de taux de retour produit qui passe de 4 % à 11 % en une semaine signale un problème qualité ou un mismatch créatif/pub. Sans dataviz, l'alerte arrive 3 semaines trop tard.
5. Reporting investisseurs / board
Un one-pager visuel avec MRR, churn, CAC payback vaut mieux qu'un deck de 40 slides textuelles.
Erreurs fréquentes (à éviter absolument)
- Trop de graphiques : un dashboard à 25 widgets = personne ne le lit. Visez 5 à 7 indicateurs max.
- Tronquer l'axe Y : commencer une courbe à 90 au lieu de 0 exagère une variation de 2 %. Trompeur et non professionnel.
- Camemberts à 8 parts : illisible. Utilisez des barres triées.
- Mélanger les unités : € et % sur le même axe Y = confusion garantie. Utilisez un axe secondaire ou deux graphiques.
- Confondre corrélation et causalité : deux courbes qui montent ensemble ne prouvent rien. Testez avec un A/B test.
- Négliger le mobile : 62 % du trafic e-commerce français est mobile. Un dashboard non responsive est inutilisable.
- Couleurs non accessibles : pensez daltonisme (~8 % des hommes). Évitez rouge/vert seuls.
Termes liés
- KPI — Indicateur clé de performance, la brique de base de toute dataviz.
- Dashboard — Regroupement visuel de plusieurs visualisations.
- Business Intelligence (BI) — Discipline englobante (Looker, Metabase, Power BI).
- Data storytelling — Narration autour des visuels pour convaincre.
- Heatmap — Carte de chaleur comportementale (Hotjar, Clarity).
- Funnel analysis — Analyse visuelle des étapes de conversion.
- Cohort analysis — Suivi de groupes d'utilisateurs dans le temps.
- Attribution model — Règle qui assigne le CA à un canal, souvent visualisée en Sankey.
En résumé : en DTC, la data visualization n'est pas un luxe de data analyst — c'est l'outil de décision quotidien du fondateur. Bien construite, elle transforme la donnée en action en moins de 60 secondes. Mal construite, elle ajoute du bruit. Choisissez peu d'indicateurs, représentez-les honnêtement, et laissez les courbes parler.