Visualisation de Données COVID-19
L'objectif de cet exercice était de comprendre le répertoire de données COVID-19 du Novel Coronavirus 2019 par Johns Hopkins CSSE et de l'explorer en utilisant quelques packages fondamentaux de la pile scientifique Python pour la science des données, sans intention de créer ou de publier mes propres visualisations de données, afin de ne pas diluer celles que les experts du domaine publient.
La pandémie de COVID-19 a généré une quantité massive de données complexes et en évolution rapide. Pour le grand public, les décideurs et les professionnels de santé, il était difficile de suivre l'évolution de la pandémie et de comprendre ses tendances à travers de simples tableaux de chiffres.
Il existait un besoin criant de transformer ces données brutes, souvent opaques, en informations claires, accessibles et actionnables pour faciliter la compréhension de la dynamique de la pandémie.
Données Disponibles : Un jeu de données public, compilant les chiffres quotidiens de la pandémie (cas confirmés, décès, guérisons) par pays et par date.
Mon objectif principal était de créer un tableau de bord interactif et des visualisations data-driven pour explorer et communiquer efficacement les tendances clés de la pandémie de COVID-19.
Cette tâche principale se décomposait en plusieurs objectifs concrets :
-
Nettoyer et Prétraiter les Données : S'assurer de la qualité et de la cohérence des données brutes pour qu'elles soient exploitables.
-
Créer des Métriques Pertinentes : Calculer des indicateurs clés comme le taux de létalité (CFR) et le taux de guérison pour offrir une analyse plus nuancée que les chiffres bruts.
-
Développer des Visualisations Interactives : Construire des graphiques permettant à l'utilisateur de filtrer et d'explorer les données par pays et par période.
-
Synthétiser et Communiquer les Insights : Mettre en évidence les tendances globales et les situations nationales spécifiques de manière visuelle et compréhensible.
J'ai d'abord nettoyé et préparé les données en calculant des indicateurs clés comme les taux de létalité et de guérison. Ensuite, j'ai créé plusieurs visualisations interactives avec Plotly : des cartes mondiales pour voir la propagation, des courbes pour suivre l'évolution dans le temps, et des graphiques comparatifs entre pays, le tout enrichi de filtres pour une exploration personnalisée.
Cette démarche a produit un tableau de bord interactif centralisant toutes les informations sur la pandémie. L'outil a permis de rendre les données complexes facilement compréhensibles, faisant clairement apparaître les tendances majeures comme les vagues successives et les différences entre pays, démontrant ainsi l'utilité de la data visualisation pour éclairer les décisions en temps de crise.
En résumé, ce scénario a résolu le problème de l'opacité des données sur la COVID-19 en les transformant, grâce à une analyse et une visualisation rigoureuses, en un tableau de bord interactif et informatif, facilitant ainsi la compréhension de la pandémie pour un large public.
Technologies utilisées :
Terms of Use
▸ This data set is licensed under the Creative Commons Attribution 4.0 International (CC BY 4.0) by the Johns Hopkins University on behalf of its Center for Systems Science in Engineering. Copyright Johns Hopkins University 2020.
▸ Attribute the data as the “COVID-19 Data Repository by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University” or “JHU CSSE COVID-19 Data” for short, and the url: https://github.com/CSSEGISandData/COVID-19.
▸ For publications that use the data, please cite the following publication: “Dong E, Du H, Gardner L. An interactive web-based dashboard to track COVID-19 in real time. Lancet Inf Dis. 20(5):533-534. doi: 10.1016/S1473-3099(20)30120-1”
SHARE
Créer des applications et cartes pour raconter la donnée et la transformer en leviers d'action