De 5 stappen van datavisualisatie

1. Informatieanalyse

Elke goede datavisualisatie begint met jezelf onderdompelen in de uitdaging: voor wie maak je het? Welke boodschap moet er overgebracht worden? Binnen welke context vindt dit plaats? Vervolgens is het tijd om de data te ontleden. Hiervoor is enige kennis van statistiek nodig. Tijd voor een opfriscursus!

Constantes vs. variabelen

Data bestaat uit constantes en variabelen. Constantes blijven, de naam zegt het al, constant door de tijd (bv. de netspanning in Nederland of het kookpunt van water). Variabelen echter kunnen wel degelijk veranderen (bv. temperatuur of snelheid). Door dit verschil te detecteren, kun je keuzes maken welke data meer of minder aandacht te geven in je visualisatie.

Kwalitatieve vs. kwantitatieve variabelen

Binnen variabelen kun je vervolgens kwalitatieve en kwantitatieve data onderscheiden. Kwalitatieve data zeggen iets over de kwaliteit van iets (bv. kleur of diersoort), terwijl kwantitatieve data iets zeggen over de hoeveelheid van iets (bv. temperatuur of snelheid). Dit geeft je houvast hoe je zaken kan weergeven in je visualisatie: in woorden of getallen, en wel of niet ondersteund met beeld.

Discrete vs. continue kwantitatieve variabelen

Binnen kwantitatieve variabelen zijn er discrete en continue variabelen te onderscheiden. Waar continue variabelen elk denkbaar getal kunnen aannemen, kunnen discrete dat alleen in stapjes (bv. aantal medewerkers binnen een bedrijf, er zijn immers geen halve medewerkers mogelijk ;) Ook dit geeft je een indicatie hoe je zaken kan weergeven: in absolute getallen, of toch beter turven?

Nominaal meetniveau vs. ordinaal meetniveau

Tot slot zijn er binnen datavisualisatie 2 verschillende meetniveaus voor variabelen mogelijk, een nominaal en een ordinaal meetniveau. Waar er bij een nominaal niveau geen onderlinge ordening te detecteren is tussen waarden van variabelen (bv. nationaliteit of bloedgroep), is dat er bij een ordinaal niveau wel degelijk (bv. junior, medior, senior). Bij variabelen met een ordinaal meetniveau zou je kunnen besluiten om een bepaalde hiërarchie te visualiseren, of ze in een bepaalde leesrichting achter elkaar te plaatsen.

Bij Clarify maken wij hier uiteindelijk een informatieanalyse van, die vaak bestaat uit een geordend datadocument.

2. Structuurschema

Na de informatieanalyse zet je de eerste stap naar een visuele opzet, het structuurschema. Dit is het skelet van de datavisualisatie waarin we dmv. ‘zoning’ bepalen wat waar komt te staan. Het structuurschema geeft inhoudelijk en visueel structuur en vormt de basis voor de stappen daarna.

Een leidraad voor het structuurschema is de 3-trapsraket Angle, Framing, Focus. Eerst bepaal je de invalshoek van je datavisualisatie (Angle). Dit is het meest persoonlijke deel: wat vind jij belangrijk om te laten zien? Welk accent wil je leggen? Vervolgens bedenk je hoe je de boodschap wil brengen (Framing). Met welke tekst en welke visuals? Tot slot bepaal je op welke delen van de visualisatie je de aandacht wil vestigen (Focus). Wat moeten mensen echt niet missen? En wat is ondersteunend, en kan daarom wat meer op de achtergrond staan?

3. Data-elementen

Nu de inhoud via een structuurschema vastligt, kun je aan de slag met de verdere invulling van de datavisualisatie. Met behulp van brainstormtechnieken zoals Mindmapping en Braindrawing stellen we onszelf de creatieve vraag hoe zaken het beste weergegeven kunnen worden (Framing). Ook denken we in deze fase de verhaallijn verder uit en bepalen de leesrichting van de datavisualisatie. Deze zijn belangrijk om je lezer gedoseerd door de data heen te leiden, zodat dit beter kan indalen en er uiteindelijk meer begrip ontstaat.

In de toolbox van datavisualisatie spelen wij doorgaans met de volgende data-elementen:

4. Visueel ontwerp

In deze fase werk je de datavisualisatie uit in de gekozen visuele stijl. Waar je in de vorige stap bezig was met de Framing van je datavisualisatie, richt je je bij het visueel ontwerp op het Focus-aspect. Door middel van vorm, grootte en kleurgeving van je visuele elementen bepaal je waar de focuspunten komen te liggen. Hiermee heb je ook nog een zekere invloed op de leesrichting van je datavisualisatie.

In deze fase komt doorgaans ook de ‘branding’ van je klant om de hoek kijken. Ben je gebonden aan bepaalde typografie, kleuren en andere huisstijlelementen? Dan is dit het moment om deze te implementeren, waarbij je de balans bewaart tussen een functionele leesbare datavisualisatie en een esthetisch eindresultaat dat past bij de klant.

5. Interactiviteit

In het geval van een interactieve datavisualisatie wordt het ontwerp vervolgens omgezet naar front-end code. Deze omvat alle zichtbare elementen van de datavisualisatie en zorgt ervoor dat de gebruiker hiermee kan interacteren. Het grote voordeel van het toevoegen van interactiviteit is dat de data nóg gedoseerder kan worden getoond. Zo kun je bijvoorbeeld met behulp van toggles, radio buttons, checkboxes, dropdowns, tabbladen en zoekvelden de gebruiker de keuze geven welke data wel en niet wordt getoond. Feitelijk fungeren ze allemaal als een filter op de data. Deze manier van ‘zoeken’ in de data wordt ook wel ‘faceted search’ genoemd. Hierdoor kan de gebruiker zelf ‘spelen’ met de data, waardoor de data beter indaalt en begrepen wordt. Dus heb je de mogelijkheid en middelen om je datavisualisatie interactief te maken, ga er dan voor! Uiteraard kunnen wij je hierbij ook helpen.

Happy data viz!