Portfolio
Portfolio data : explorer, traiter et raconter les données
Cette page rassemble quelques réalisations produites à partir de jeux de données publics, avec différents outils : Excel, Datawrapper, Python, Pandas et Matplotlib.
L’objectif n’est pas seulement de produire des graphiques, mais de transformer des données brutes en informations lisibles, compréhensibles et utiles à l’analyse des politiques publiques et des territoires.
De la donnée brute au récit visuel
Une visualisation utile doit être lisible, sourcée et interprétable. Elle doit permettre de comprendre rapidement une tendance, une rupture, une comparaison ou une structure. Les exemples ci-dessous illustrent différents usages : suivi conjoncturel, analyse économique, démographie professionnelle et visualisation territorialisée.
Indicateurs de climat des affaires en France
Visualisation de l’évolution d’indicateurs économiques issus d’un jeu de données INSEE, afin de rendre lisibles les variations conjoncturelles et les ruptures de tendance.
Inflation et contributions par poste
Graphique combinant évolution d’ensemble et contributions sectorielles, pour mieux comprendre le poids relatif des différents postes dans la dynamique de l’inflation.
Variations trimestrielles du PIB
Visualisation des contributions des principaux postes de la demande aux variations trimestrielles du PIB. Un exercice utile pour travailler les graphiques économiques multi-composantes.
PIB : version alternative
Variante graphique du même jeu de données, permettant de tester plusieurs formes de représentation et de comparer leur lisibilité selon le message à faire passer.
Évolution des psychologues en Vaucluse
Visualisation de l’évolution du nombre de psychologues en Vaucluse entre 2012 et 2024, à partir des données de démographie des professionnels de santé.
Pyramide des âges des psychologues
Travail du dataset avec Pandas, puis visualisation avec Matplotlib pour représenter la structure par âge et par sexe des psychologues en Vaucluse.
Compétences mobilisées
Ces réalisations me permettent de travailler les étapes essentielles d’une démarche data : compréhension du jeu de données, nettoyage, choix du bon graphique, hiérarchisation de l’information et mise en récit.
Nettoyer et structurer
Comprendre la source, sélectionner les variables utiles, retraiter les données et préparer un format exploitable.
Repérer les tendances
Identifier évolutions, ruptures, distributions, comparaisons pertinentes et signaux utiles à l’interprétation.
Visualiser clairement
Choisir une représentation lisible, sourcée et adaptée au message, sans noyer l’utilisateur dans la complexité.
