1. LE JOURNALISME DE DONNÉES...
PAR OÙ COMMENCER?
| |StéphaneFréchette @sfrechette stephanefrechette@ukubu.com

2. l'èredel'information...passé

3. l'èredel'information...maintenant

4. JOURALISME DE DONNÉES
Une spécialité du journalisme quireflète le rôle accru des
données numérique utilisé dans laproduction etladistribution
de l'information àl'ère numérique.

5. ANALYSE DE DONNÉES
Méthodes quiaidentàfaire ressortir les relations pouvant
exister entre les différentes données etàen tirer une
information statistique quipermetde décrire de façon plus
succincte les principales informations contenues dans ces
données.

10. “Datajournalismis obtaining, reporting on, curating and publishing
datain the public interest.”
-JonathanStray,professionaljournalistandacomputerscientist
“Datadriven journalismis aworkflow thatconsists of the following
elements: digging deep into databy scraping, cleansing and
structuring it, filtering by mining for specific information, visualizing it
and making astory.”
-MirkoLorenz,informationarchitectandmultimediajournalist

11. IMPORTANT
Vous n'avez pas besoind'êtreundéveloppeur ouprogrammeur
pour devenir unjournalistededonnées.

12. Journalisme guidée par les données = Processus

13. LES ÉTAPES DU PROCESSUS
1. Trouver les données
2. Nettoyer les données
3. Visualiser les données
4. Publier l'histoire etdistribuer les données

14. TROUVER LES DONNÉES

15. Données ouvertes | Open Data
http://ouvert.canada.ca/fr
http://www.donnees.gouv.qc.ca
http://www.ville.gatineau.qc.ca/donneesouvertes
Demande d'accès àl'information (bon courage!)
Crowdsourcing(production participative)

16. Siles données sontdans une page Web?

17. Outils d'extraction "Web scraping"
(PDF)
ScraperWiki
Import.io
OutWitHub
Kimono Labs
Web Scraper
Scraper
Scrapy
Portia
Tabula

18. NETTOYER LES DONNÉES

19. Habituellementles données ne sontpas dans un formatquiest
facile àvisualiser. Plusieurs ensembles de données doiventêtre
nettoyés, structuré ettransformé

20. Outils de nettoyage des données
OpenRefine
DataWrangler
Google Sheets
DataCleaner
Talend Open Studio for DataQuality
RProjectfor StatisticalComputing
MicrosoftPower Queryfor Excel

21. VISUALISER LES DONNÉES

22. QUAND UTILISER LA VISUALISATION DE DONNÉES?

23. Pour montrer les changements au fildu temps

24. Pour comparer les valeurs

25. Pour afficher les connexions

26. Pour tracer les flux

27. Pour afficher lahiérarchie

28. Pour parcourir de grandes bases de données

29. Pour imaginer de différentrésultats

30. QUAND NE PAS UTILISER LA VISUALISATION DE DONNÉES
Histoire peutêtre mieux exprimer avec des mots
Manque de points de données, de comparatif
Peu de variabilité, pas de tendance claire ou concluante
Quand une carte n'estpas une carte
Ne pas oublier les tableaux

31. Outils de visualisation des données
(infographie)
(infographie)
Tableau Public
D3.js -DataDriven Documents
Google Charts
Google Fusion Tables
RProjectfor StatisticalComputing
ManyEyes
Plotly
Protovis
iCharts
Piktochart
Infogr.am

32. PUBLIER ET DISTRIBUER LES DONNÉES

33. MESURER L'IMPACT DES HISTOIRES DE DONNÉES

34. RESSOURCES
[Alireabsolument]
http://jplusplus.github.io/guide-du-datajournalisme
http://datajournalismhandbook.org

35. RESSOURCES
[Liensàparcourir]
(Vidéo)
DataDriven Journalism
Journalism in the Age of Data
The Canadian Journalis Project-DataJournalism
Data, récits cie /L'avenir du data-journalisme