News
You are here : English versionNews

PhD Defense: Praveen Soni

Dates

on the December 13, 2024

December 13th at 9am
Location
Salle Locelace - Laboratoire LIFAT, 64 avenue Jean Portalis, 37200 Tours

Génération Automatique de Dashboard Mots clés en français : L'intelligence d'entreprise, Visualisations de données,Méthodes d'optimisation, Modèles OLAP, Génération de Dashboard de bord interactifs, Mappages de données Mots clés en anglais : Business Intelligence, Data visualizations ,Optimization methods, OLAP models, Interactive dashboard generation, Data mappings

Résumé de la thèse en français : 
 
Les Dashboard jouent un rôle crucial dans la visualisation de données complexes dans divers domaines, notamment la veille stratégique, l'éducation et l'administration publique. Ils aident les utilisateurs à surveiller les processus, à explorer les données et à tirer des enseignements grâce à des représentations visuelles structurées. Cependant, la création de tableaux de bord efficaces pose des défis importants, en particulier pour les novices ayant une expertise limitée en visualisation de données. Les difficultés courantes incluent la sélection des bonnes visualisations, la projection précise des données sur la visualisation et l'organisation des éléments dans un Dashboard cohérent. Bien que les outils existants offrent des interfaces conviviales, ils nécessitent souvent une saisie manuelle importante et des connaissances spécialisées, ce qui conduit à des tableaux de bord qui ont du mal à communiquer efficacement des données complexes. Cette thèse présente SimpleVis, un système de recommandation automatique de Dashboard (SRAD) qui simplifie la création de tableaux de bord, en particulier pour les utilisateurs novices. SimpleVis automatise des aspects critiques tels que la sélection de visualisations, la cartographie des données et la mise en page à l'aide de techniques avancées telles que les algorithmes génétiques et l'analyse statistique. Contrairement aux outils traditionnels, SimpleVis génère un ensemble cohérent de visualisations interconnectées, formant un Dashboard structuré et perspicace. Un examen approfondi des outils existants met en évidence leurs limites, en particulier pour aider les novices. SimpleVis comble ces lacunes en fournissant des recommandations automatisées pour une conception cohérente des tableaux de bord, tout en offrant des options de personnalisation aux utilisateurs experts. Une étude comparative des utilisateurs démontre que SimpleVis réduit la complexité de la création des tableaux de bord et améliore la qualité des visualisations. En démocratisant le processus, SimpleVis permet aux utilisateurs de tous niveaux de compétences de créer des tableaux de bord de qualité professionnelle, facilitant une meilleure prise de décision basée sur les données et des informations plus approfondies. 

Mots clés en français : L'intelligence d'entreprise, Visualisations de données,Méthodes d'optimisation, Modèles OLAP, Génération de Dashboard de bord interactifs, Mappages de données
Résumé de la thèse en anglais:
Dashboards play a crucial role in visualizing complex data across various fields, including business intelligence, education, and public administration. They help users monitor processes, explore data, and derive insights through structured visual representations. However, creating effective dashboards poses significant challenges, especially for novices with limited expertise in data visualization. Common difficulties include selecting the right visualizations, mapping data accurately, and organizing elements into a coherent dashboard. While existing tools offer user-friendly interfaces, they often require substantial manual input and specialized knowledge, leading to dashboards that struggle to communicate complex data effectively. This thesis introduces SimpleVis, an Automatic Dashboard Recommendation System (ADRS) that simplifies dashboard creation, particularly for novice users. SimpleVis automates critical aspects like visualization selection, data mapping, and layout using advanced techniques such as genetic algorithms and statistical analysis. Unlike traditional tools, SimpleVis generates a cohesive set of interconnected visualizations, forming a structured and insightful dashboard. A thorough review of existing tools highlights their limitations, especially in aiding novices. SimpleVis bridges these gaps by providing automated recommendations for coherent dashboard design, while also offering customization options for expert users. A comparative user study demonstrates that SimpleVis reduces the complexity of dashboard creation and enhances the quality of visualizations. By democratizing the process, SimpleVis enables users of all skill levels to create professional-quality dashboards, facilitating better data-driven decision-making and deeper insights.
 
Mots clés en anglais : Business Intelligence, Data visualizations ,Optimization methods, OLAP models, Interactive dashboard generation, Data mappings


Le jury sera composé des membres suivants :
M. Gilles VENTURINI - Directeur de thèse / Directrice de thèse
M. Cyril DE RUNZ - Co-directeur de thèse / Co-directrice de thèse
Mme Fatma BOUALI - Co-directrice de thèse / Co-directrice de thèse
Mme Hanène AZZAG - Rapporteure / Rapporteure
M. Guy MÉLANÇON - Examinateur / Examinatrice
M. Arnaud SALLABERRY - Rapporteur / Rapporteure