Datavisualisatie training
10 april, 2024
Farisch Hanoeman
Inhoudsopgave
In het tijdperk waar data als een nieuwe valuta geldt, is de kracht van datavisualisatie niet te onderschatten. Toch loert het gevaar van miscommunicatie door verkeerd ontworpen grafieken. Overladen visuals, ongeschikte grafiektypes, en misleidende schaalverdelingen kunnen leiden tot verkeerde interpretaties en beslissingen. Het is belangrijk om grafieken te creëren die niet alleen nauwkeurig zijn, maar ook de kernboodschap helder en snel overbrengen. Dit vormt de basis voor besluitvorming, argumentatie, en uiteindelijk voor het stimuleren van verandering op basis van inzichten uit data.
Wat Maakt een Goede Grafiek?
Een effectieve grafiek dient aan drie hoofdprincipes te voldoen: snelheid, comfort en veiligheid in data-interpretatie.
Snelheid
Een goede grafiek moet de kijker in staat stellen om de boodschap snel te begrijpen, ongeacht de complexiteit van de onderliggende data. Dit wordt bereikt door een heldere focus op de kernboodschap en het minimaliseren van onnodige visuele elementen die de aandacht kunnen afleiden. Kleurgebruik, legenda’s, en titels moeten intuïtief zijn en direct bijdragen aan het begrip van de grafiek.
Comfort
Om de cognitieve belasting van het publiek te minimaliseren, moet een grafiek gemakkelijk te volgen zijn. Dit houdt in dat visuele hiërarchieën duidelijk moeten worden toegepast, waarbij belangrijke informatie voorrang krijgt en secundaire details op de achtergrond blijven. De keuze van het grafiektype speelt hierbij een belangrijke rol; niet elk type is geschikt voor elke dataset of boodschap. Het gebruik van gemeenschappelijke patronen en conventies in datavisualisatie kan ook helpen om de comfortniveaus te verhogen, door het publiek in staat te stellen zich te concentreren op de data in plaats van te moeten leren hoe de grafiek gelezen moet worden.
Veiligheid
De veiligheid van een grafiek verwijst naar het vermogen om de data correct te presenteren en te interpreteren, met een laag risico op misverstanden. Dit betekent dat de grafiek een getrouwe weergave van de werkelijkheid moet zijn, zonder de data te overdrijven, te minimaliseren of op een andere manier te vervormen. Een goede grafiek vermijdt misleidende assen, gebruikt nauwkeurige schalen, en vertrouwt op datavisualisatieprincipes die een eerlijke representatie van de data bevorderen.
Afbeelding 1. Voorbeelden van ‘foute’ grafieken.
Drie Vragen voor Effectieve Datavisualisatie
Om een effectieve grafiek te ontwerpen, is het handig om drie kernvragen te overwegen die de basis vormen van elke datavisualisatie. Ten eerste, wie is de eindgebruiker? Het identificeren van de doelgroep, of dat nu een directielid, een data-analist of een teamleider is, bepaalt welke inzichten van belang zijn en hoe complex of vereenvoudigd de presentatie moet zijn.
Ten tweede, wat is de aard van de data waarmee we werken? Of we nu financiële gegevens, tijdreeksanalyses of hiërarchische informatie visualiseren, de structuur en het type data beïnvloeden de keuze van het grafiektype en de visualisatiemethoden.
Ten derde, welk soort inzicht willen we bieden? Of het doel nu is om vergelijkingen te maken, een verdeling te tonen of verhoudingen te verduidelijken, de manier waarop we onze gegevens presenteren, moet afgestemd zijn op het overbrengen van specifieke inzichten. Door deze vragen zorgvuldig te overwegen, kunnen we datavisualisaties creëren die niet alleen informatief en nauwkeurig zijn, maar ook resoneren met ons publiek en hen voorzien van de inzichten die ze nodig hebben om geïnformeerde beslissingen te nemen.
Welke grafiek kies je?
De bovenstaande diagram is een uitstekende leidraad voor het kiezen van de juiste grafieken bij het adresseren van specifieke klantvragen. Het categoriseert datavisualisatie technieken gebaseerd op vier soorten analyses: vergelijking, samenstelling, distributie en relatie.
Bij het analyseren van vergelijkingen, bijvoorbeeld over tijd of tussen categorieën, zijn kolomdiagrammen, gegroepeerde kolom-/staafdiagrammen, datatabellen of heatmaps, en radardiagrammen de meest effectieve middelen. Deze types zijn ontworpen om discrete data punten naast elkaar te zetten, waardoor verschillen duidelijk worden benadrukt.
Voor het visualiseren van een samenstelling of het uiteen zetten van de delen van een geheel, geven gestapelde staaf-/kolomdiagrammen, taart-/donutdiagrammen en watervalgrafieken inzicht in hoe individuele segmenten bijdragen aan het totaal.
Distributieanalyses, die kijken naar de frequentie en spreiding van waarden, zijn goed te presenteren met histogrammen, dichtheidsplots, box-and-whisker diagrammen en spreidingsdiagrammen, die helpen om de verdeling van de dataset te begrijpen.
Tot slot, voor het uitlichten van relaties of correlaties tussen verschillende variabelen, zijn spreidingsdiagrammen, bubbeldiagrammen, datatabellen of heatmaps en correlatiematrixen ideaal. Deze visualisaties helpen relaties en patronen tussen datareeksen te onthullen, wat cruciaal is voor het begrijpen van complexe interacties binnen de data.
Door het juiste type grafiek te kiezen, kan men de gegevens op een zodanige manier presenteren dat de boodschap onmiddellijk duidelijk is voor de eindgebruiker, wat de basis legt voor een sterke en data-gedreven besluitvorming.
Workshop Storytelling with Data inhouse organiseren?
Download hier de brochure!
Training in Datavisualisatie?
In de Storytelling with Data cursus krijg je een grondige training in datavisualisatie, waarbij je begint met een introductie tot de kracht van storytelling in de datawereld. Je leert de principes van datavisualisatie en hoe verhalen de interpretatie van data kunnen verbeteren. Vervolgens verdiep je je in het creëren van effectieve grafieken, het strategisch gebruik van kleur en vorm, en het toepassen van gestaltprincipes voor een heldere visuele organisatie. Je ontwikkelt vaardigheden om met behulp van pre-attentive attributen de aandacht te richten, en je verkent verschillende storytelling frameworks om je data een boeiend verhaal te geven. Daarnaast leer je interactieve dashboards ontwerpen en de ‘best practices’ van datavisualisatie en feedbackverwerking. Praktische toepassingen en case studies ronden de cursus af, waardoor je alle opgedane kennis direct in de praktijk brengt.