Your SlideShare is downloading. ×
  • Like
François guillem data viz avec r fvga meet-up_janvier 2014
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Now you can save presentations on your phone or tablet

Available for both IPhone and Android

Text the download link to your phone

Standard text messaging rates apply

François guillem data viz avec r fvga meet-up_janvier 2014

  • 94 views
Published

 

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
94
On SlideShare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
2
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 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 !