1. Livres & vidéos
  2. Data Scientist et langage R
  3. Business intelligence avec Shiny
Extrait - Data Scientist et langage R IA, Machine Learning et Statistiques, Forecast, Tenseur, Gradient, Pytorch, Keras, CNN, LLM, GPT, RAG… (4e édition)
Extraits du livre
Data Scientist et langage R IA, Machine Learning et Statistiques, Forecast, Tenseur, Gradient, Pytorch, Keras, CNN, LLM, GPT, RAG… (4e édition) Revenir à la page d'achat du livre

Business intelligence avec Shiny

Introduction

La Business Intelligence (BI) désigne l’ensemble des processus, outils et technologies utilisés pour collecter, analyser, traiter et présenter des données afin de soutenir la prise de décision stratégique dans une organisation.

Les aspects clés de la BI incluent l’extraction de données (ETL, Extract, Transform, Load), le stockage de données (data warehousing), l’analyse (data mining, analyses statistiques) et la visualisation (tableaux de bord, rapports interactifs).

Shiny se positionne sur ce dernier aspect de visualisation, mais possède de surcroît la capacité à intégrer harmonieusement le data mining, les analyses statistiques et même une IA générative (comme nous le verrons plus loin dans l’ouvrage).

Créer sa première application Shiny

1. Introduction

Shiny est un package R intégré à RStudio permettant la présentation d’analyses statistiques et plus généralement de données sous la forme interactive d’une application web ; cela toujours sans avoir besoin de connaissances particulières en HTML, CSS ou JavaScript. Bien que Shiny soit très bien intégré à RStudio, il fonctionne parfaitement sans.

Grâce à l’utilisation conjuguée de Shiny et du langage R, il est possible de créer rapidement une plateforme permettant d’explorer dynamiquement des données, d’y appliquer des modifications et obtenir un rendu visuel attractif pour celles-ci. Utilisée en complément d’autres packages comme shinydashboard(), l’application se métamorphose esthétiquement en véritable dashboard de données dynamiques.

Une application Shiny est une bonne manière de partager vos résultats à un plus grand nombre de personnes, non plus sous la forme d’un simple document, mais sous une forme plus attrayante et actuelle. Ce type de support est un bon moyen de toucher un public qui n’est pas forcément issu du milieu de l’analyse de données, mais qui trouve de la satisfaction à parcourir des résultats sous une forme plus ludique.

Shiny a été porté sous Python, cette compétence est donc réutilisable dans cet autre contexte.

2. Installation dans RStudio et préambule

Après avoir installé et appelé le package Shiny dans RStudio (install.packages("shiny"), on peut créer sa première application Shiny en cliquant dans le menu principal de RStudio sur Shiny Web App (via le chemin File - New File - Shiny Web App).

On peut aussi en profiter pour créer un nouveau projet RStudio dédié à une application (via le chemin File - New Project - New Directory - Shiny Web Application). On peut alors créer un environnement spécifique à chaque application créée et, par la même occasion, définir un dossier de travail, les emplacements des fichiers de données, comportant son propre historique avec les fonctionnalités de contrôle...