14 juli 2017
Cmotions was woensdag 21 juni op de MOA-middag ‘Datavisualisatie met impact’. De van oorsprong op marktonderzoek georiënteerde vakgroep MOA richt zich in toenemende mate op digital analytics, zoals blijkt uit deze inspirerende middag met sprekers van Chart.guide, Antichaos en Philips. Wat zijn de belangrijkste lessen voor effectieve datavisualisatie?
Johan de Groot (Freelance data visualist / Tableau specialist Antichaos) drukt ons met de neus op de feiten. De historische feiten. Datavisualisatie is stokoud. Ingenieur Charles Minard wist de opmars van Napoleon richting Rusland in 1812 al in kaart te brengen: hoe groot waren de troepen richting Rusland en hoeveel – schrikbarend weinig – kwamen er terug? Ook even terug (1854), was het fysicus John Snow die de uitbraak van cholera in Londen visueel op een kaart inzichtelijk maakte. Ineens werd duidelijk dat de waterpomp de bron van verspreiding van de ziekte was.
En als datavisualisatie – net als vroeger – érgens op neerkomt, is het gewoon verhalen vertellen. Jithesh Rajendran, Senior Manager Digital Analytics Philips Global Team vertelt treffend hoe ‘story telling’ bij Philips niet anders gaat dan bij een doorsnee verhaal. Begin met een context (wat is je aanleiding om dit dashboard te delen?), kom in je middenstuk met een interessante twist (hoe ben je hiertoe gekomen?), eindig met een climax (wat is de clou van dit rapport?).
Het hoeft zelfs niet eens digitaal te zijn. Wat te denken van het visueel inzichtelijk maken van verkeer op een kruispunt in Berlijn (Rosenthaler Platz) met echte verf?
Datavisualisatie is dus niet bepaald ‘the next big thing’. Maar welke kennis hebben we al die tijd opgedaan om een goed verhaal over te brengen?
Rajendran toont met een Philips-commercial het belang aan van je publiek te kennen. De Spiderman-acteur uit het clipje kent zijn publiek. Hij wéét voor wie (kleine kinderen) hij zijn werk doet. Hij past zich op zijn publiek aan met zijn verschijning (een pak), met zijn boodschap (hoop en geloof) en zijn uitvoering (de onverwachte stunt van ramen zemen van het ziekenhuis). Hij weet daarmee gericht de aandacht naar zich toe te trekken. Hoe anders is het eigenlijk met effectieve rapportages? Stel je voor dat het publiek niet het kind, maar een lid uit het management team is. En wat als die verschijning niet een Spiderman-pak, maar een simpele visuele weergave van je data is? Misschien geeft jouw presentatie dan geloof in je bedoelingen, zoals de acteur dat voor de kinderen doet.
Johan de Groot heeft eerder genoemde begrepen. Hij legt uit dat hoe specifieker je bent voor je publiek, hoe beter je boodschap overkomt. Probeer niet voor ’iedereen die geïnteresseerd zou kunnen zijn’ een grafiek te maken. Ken je precieze publiek. Bouw in het overbrengen van je boodschap een relatie op door je eigen rol en expertise kenbaar te maken. Verificatie van de bron is in een tijd van nepnieuws geen overbodige luxe.
Je publiek kennen helpt ook in bepaling van mate van abstractie van je datavisualisatie. Mogelijkheden om door te klikken en in te zoomen op resultaten (‘drill down’) zouden moeten afnemen zodra het bestuursniveau hoger wordt. Een teveel aan data – in plaats van een compacte conclusie – kan juist leiden tot te ‘kleine’ discussies tijdens je meeting. Het is niet je taak om te bewijzen dat je je werk goed hebt gedaan. Jij analyseert en jij haalt de kern naar boven. Je publiek wil geen dubbel werk. Zij willen niet opnieuw analyseren, maar doorwerken op wat jij gevonden hebt.
Michiel Dullaert van DePerfecteGrafiek.nl en Chart.Guide benadrukt dat je mensen zélf in beweging wilt krijgen met je visualisaties. Maar wat die beweging is, kan nogal verschillen. Een journalist is op zoek naar bewijslast, een analist probeert inzichten voor bedrijfsvoering naar boven te halen. De ene gebruiker is gericht op begrijpen (alle details welkom!), de ander is gericht op actie ondernemen (beknopte informatie!). En net als met een ‘echt’ dashboard in je auto: om tot actie over te gaan hoef je niet alles te begrijpen. Een rood lampje betekent ‘actie’, ook al ken je de gehele techniek niet. De Groot vangt de doelen samen als informeren, vertrouwen geven, budget reserveren, of een project ondersteunen. Stuk voor stuk verschillende doelen die ieder vragen om een toegespitste aanpak. Rajendran vertelt hoe hij met ‘user persona’s’ die behoeftes van verschillende datagebruikers binnen Philips wereldwijd vaststelde. Een persona is dan bijvoorbeeld een Power User. Eén factsheet vertelt meteen zijn rol, locatie en persoonskenmerken van dit type gebruiker. Het is daarmee hét uitgangspunt voor het maken van een effectief rapport.
Dullaert vertelt hoe belangrijk het is te weten wat je ontvanger met jouw informatie gaat doen. Zorg ervoor dat je de ‘schakelaar’ in iemands hoofd vindt. Zorg ervoor dat jij met jouw visualisatie de schakelaar ‘omzet’. Zoals hoe hij zijn eigen cv (of misschien meer een persoonlijk dashboard) op compleet ongebruikelijke wijze heeft ingedeeld en zo keer op keer in sollicitatiegesprekken exact dezelfde vragen opriep. Trek de vergelijking met een ‘magneet’ die je in een visualisatie stopt en die de kijker aantrekt. Haal de persoon naar je toe – in plaats van dat je de data zijn kant op duwt.
Preattentive attributes – patronen die je als ontvanger onbewust sneller herkent dan je ratio kan bijhouden – helpen je daar ontzettend bij. Denk aan icoontjes en het belang van symbolen op verkeersborden – in plaats van tekstuele instructies. Hoe snel zie je een tendens in een visualisatie? Binnen 250 milliseconden leid je een boodschap af. Je ziet het voordat je denkt. Je ‘voelt en ziet’ het antwoord zónder dat je er uitgebreid over nadenkt. Je weet waar je moet kijken omdat dat ‘zo is’. De video hiernaast laat je zien hoe.
Zoals Dullaert demonstreert, die boodschap kan er op allerlei manieren visueel uitspringen. Stel je voor dat je drie lijnen hebt waarvan er één moet opvallen. Lengte, oriëntatie, kleur, dikte, positie, kadering of markering – je hebt tal van instrumenten om jouw aandachtspunt op te laten vallen.
Belangrijk daarbij is differentiatie: zodra we één kleur als onderscheid pakken, zien we direct wat opvalt. Zodra het twee kleuren zijn en de belangrijkste kleur is die uit de huisstijl van de ontvanger, dan snappen we het ook nog wel. Maar met veel kleuren tegelijk wordt verdeling van aandacht erg lastig. Direct afleiden waar een rode bol tussen enkel blauwe bollen staat, is gemakkelijk. Maar zodra vormen en kleuren toenemen, verwerken we de boodschap stukken minder gemakkelijk. Wees dus spaarzaam in je preattentive attributes.
Vind niet telkens opnieuw het wiel uit. Zoals wij vanuit Cmotions ook zelf bij verschillende opdrachtgevers hebben toegepast – uniformeer je proces. Als je vijftien dashboards maakt, is het tijd voor een template waar vanuit je als bouwer steeds weer start. Deze set van standaard componenten én definities bespaart tijd, maar het maakt verglijkbaarheid in een groot concern ook veel gemakkelijker.
Jitesh Rajendran laat zien dat je datavisualisaties geen lokale aangelegenheid zijn. Goede inzichten wil je binnen een wereldwijd concern als Philips kunnen delen. Maar Philips is een bedrijf met tienduizenden medewerkers, honderden afdelingen en grote individuele vrijheid. ‘Reporting’ zat in silo’s – er was geen totaalbeeld van digitale prestaties van Philips Global. Een gestructureerde en de uniforme werkwijze gebaseerd op persona’s bracht de organisatie verder. Philips weet ineens op een wereldwijd niveau of ‘5% toename’ daadwerkelijk veel of weinig is, omdat rapporteren vergelijkbaar zijn. Gevolgen: snellere analyse en besluitvorming, een hoger tempo van maken van rapporten en toegenomen transparantie in het globale bedrijf.
Er zijn genoeg tools om snel ‘wat van je data te maken’. Bijvoorbeeld RAWGraphs. Maar ze doen niet per se meteen het juiste. ‘Bad visualisations’ maken volgens De Groot zonder opzet fouten door een slechte keuze van grafiek (bijvoorbeeld oneindig veel categorieën in een taartdiagram), maar wel met data die klopt.
Evil visualisations zijn de manipulatieve varianten van ‘bad’ en zijn serieuze overtredingen. 3D-effecten in taartdiagrammen die een categorie opblazen worden zo ongewenste ‘lieggrafieken’. Deze grafieken proberen onterecht verbanden aan te tonen die er niet zijn. Bijvoorbeeld door het opnemen van twee y-assen, maar daarbij slechts één van de twee y-assen te benoemen. Bijvoorbeeld bij het ‘aantonen’ van de ‘relatie’ tussen abortus en kanker:
Of in de klimaatdiscussie, waarin we voor het gemak een y-as maar zo lang maken dat het effect van een paar graadjes nietszeggend lijkt:
Net als het voorbeeld van Fox News met betrekking tot ‘Obamacare enrollment’ waarin een y-as nog maar eens verdraaid wordt.
Met een grappige twist geeft het voorbeeld van Tyler Vigen de kwetsbaarheid van rapporteren op correlaties weer. Want de consumptie van mozzarella blijkt samen te hangen met het aantal doctoraten dat aan ingenieurs wordt uitgekeerd…
We kunnen er niet omheen. Datavisualisatie is communicatie. En zo oud als het verschijnsel is, zo oud zijn de regels: misleid niet. Het hoeft daarvoor niet eens mooi te zijn, aldus De Groot. Je moet primair een boodschap overbrengen. Je moet het op begrijpelijke wijze kunnen delen. Oftewel:
“The main goal of data visualisation is to communicate information, clearly and effectively through graphical means.”
Visualiseren helpt ons primitieve brein snel te denken. En als dat nog maar een beetje van het plezier van wijlen Hans Rosling (The Joy of Stats) oplevert, dan is dat al 100% winst!
18 juli 2023
Om blijvende veranderingen in de gezondheidszorg in heel Afrika te stimuleren heeft Amref Health Africa, de... lees meer
4 mei 2023
Op 21 april 2023 hielden we een heroïsche hackathon waarbij 10 teams van KPN, Rabobank, DPG,... lees meer
16 januari 2023
Culture eats data strategy for breakfast Bedrijven die erkennen dat ze met de inzet van data... lees meer