Sixième édition L’association Toulouse Dataviz (TDV) organise son HACKAVIZ. Concours de visualisation de données en temps limité, seul ou en équipe, doté de récompenses, ouvert à un très large public.
Cette visualisation présente la progressivité géographie et temporelle des implantations de stations de recharge de véhicules électriques sur les 8 dernières années. Chaque point représentant une station de recharge, cela permet en particulier de constater que la stratégie d'implantation des différents opérateurs repose sur des investissements locaux ou régionaux. Evident pour des Opérateurs "locaux" comme Sorégies ou Siège27, la visualisation met en évidence les investissements localisés des Opérateurs Nationaux.
Outils
J'ai utilisé l'outil Alteryx pour un peu de cleaning des données et pour regrouper les noms d'opérateurs proches (ex: "Bouygues Energie et Services" et "Bougues E&S"). Tout le reste a été réalisé avec l'outil Tableau.
Peut-on profiter pleinement de la Bretagne avec une voiture électrique ? Cette visualisation va vous permettre de découvrir la Bretagne sous un autre angle et de connaître le déploiement des stations de recharge à travers plusieurs critères. N'hésitez pas à cliquer un peu partout, tout est interactif. Bon voyage !
Outils
Excel, Python, Tableau
Convertir sa voiture au Superéthanol-E85, est-ce rentable ? Quelles sont les avantages et les inconvénients au quotidien de la conversion pour les automobilistes ? Pour répondre à ces questions, nous avons valorisé les données de la base Prix des Carburants (DGCCRF) :
Outils
Cet écran se compose de 3 onglets :
Outils
Power BI a été utilisé pour l'analyse et Figma pour la conception de ce tableau de bord.
*Seules les données de la France et de la Corse ont été prises en compte.
Notre DataViz vise à décrire le marché émergent des bornes de recharge. Elle aborde trois points, la localisation des bornes selon les opérateurs, la répartition des bornes selon les enseignes et enfin leur degré d'ouverture à la concurrence. Les données bien qu'incomplètes nous ont permis de découvrir les enjeux autour de ces bornes et de nous positionner en tant que citoyens. Nous avons construit notre DataViz comme support de nos réflexions.
Outils
Python, Javascript, Css, html, Echarts et Observable
Evolution de 2016 à nos jours de l'electrique en france métropolitaine
Outils
Python pour le preprocessing des données Tableau Software pour la viz
Evolution annuelle du nombre de borne de recharge electrique en France
Outils
Tableau
La visualisation présente l'implantation des bornes de recharge en Occitanie : emplacement, type d'implantation, opérateur chargé de l'installation, etc.
Outils
Python, Jupyter Notebook (Dataprep), Dash (Front-end), Heroku (hébergement)
Lien entre la mise en service des bornes de recharges électriques et le coût des carburants entre 2022 et 2023
Outils
Transformation des données et visualisations réalisées avec Power BI
Analyse de la majoration des prix du carburant sur autoroute en Nouvelle-Aquitaine.
Outils
Tableau Public
Cette visualisation s'appuie sur le support visuel d'une carte de la France. Cette carte est interactive et offre des informations supplémentaires lorsque que le curseur survole une zone. Cette carte évolue en fonction du scrolle de l'utilisateur, en effet sur la gauche de l'écran il y a une petite flèche qui indique la catégorie visualisée. Et lorsque l'utilisateur scrolle, la carte s'adapte à la catégorie.
Outils
Cette visualisation permet de comprendre comment les prix des carburants et de l'énergie ont évolué ces dernières années et comment cela peut avoir un impact sur les choix des particuliers en matière de véhicules en France.
Outils
Power BI, Python
Dans cette application nous regardons le prix moyen du carburant E10 sur les années 2022/2023 dans les stations de France. N'hésitez pas à zoomer à la recherche des stations proches de chez vous. Vous trouverez également le prix résumé par région avec une petite course de voitures ! C'est bien la seule course où l'on espère que sa région va perdre...
Outils
RMarkdown (Leaflet et GGplot)