Informatie is waardeloos…

TV kijken waarbij vaste programma’s dagelijks of wekelijks gevolgd worden is aan mij niet besteed. Echter, ik volg wel mijn favoriete voetbalclub en ik kijk graag naar documentaires, dus kanalen als Discovery en National Geographic zijn voor mij geweldig voor een uurtje ontspanning.

Zo had ik afgelopen zaterdag een loos uurtje en kwam op National Geographic terecht. Daar viel ik met mijn neus in de boter, want er begon net een documentaire met de titel: Test your brain.

Voor een gedeelte een feest van herkenning, want verschillende van de gebruikte optische illusies gebruiken we al geruime tijd in onze workshop Effectief Rapporteren. Verder ook een hoop nieuwe dingen geleerd, dus mocht je het ook willen zien kijk dan in december naar de herhalingen.

Een opvallend onderdeel uit de tweede aflevering zijn de experimenten van neurowetenschapper Beau Lotto. Met voorbeelden onderbouwd hij zijn stelling “informatie heeft geen betekenis”, alleen wat we met informatie doen is van belang. Ook spreekt hij veelvuldig over het grote belang van context.

Afbeelding 1 is een voorbeeld dat hij ook gebruikt in de aflevering op National Geographic (click op de afbeelding om deze groter te maken). Het bovenste grijze vlak lijkt donkerder dan het onderste grijze vlak. Plaats nu een pen horizontaal ter hoogte van de horizon dwars over de scheiding van de twee vlakken. Zie je het verschil nog?

Beau Lotto heeft op zijn website verschillende voorbeelden en experimenten staan die de moeite waard zijn om te proberen. Ook heeft hij in 2009 een geweldige TED talk verzorgt die jullie hier kunnen bekijken:

Een hoop nuttige kennis die ook bij het ontwikkelen van rapporten en dashboards goed van pas komt. Doe er je voordeel mee, zodat rapporten en dashboards beter afgestemd zijn op ons visuele waarnemingsvermogen.

 

PowerPoint, Spaceshuttle en dode katten

Dagelijks maken we gebruik van het werk van Edward Tufte om te voorkomen dat er teveel afleiding en misleiding plaatsvindt bij het visualiseren van gegevens. Nu gaat het bij het werk van Edward Tufte niet alleen om de visualisaties zelf, maar ook met enige regelmaat over een hulpmiddel dat we allemaal veel gebruiken: PowerPoint.

We kennen allemaal de presentaties die niet ondersteund, maar eerder overvleugeld, worden door de getoonde powerpoint slides. Edward Tufte heeft zijn ergernis over het gebruik (of beter: misbruik) van PowerPoint zelfs verwerkt in een essay. En hij gaat nog verder: Tufte beschrijft de relatie tussen de ramp met de spaceshuttle Colombia uit 2003 en PowerPoint op zijn website.

Vervolgens zijn er op het internet genoeg creatieve geesten die met dit onderwerp wel wat kunnen. Zo maakte Mark Goetz een geweldig schema (afbeelding 1). Met name Amerikanen moeten hard lachen om deze afbeelding, maar bij mij viel het kwartje niet direct. Waarschijnlijk kwam dit doordat ik (en wellicht ook jullie) niet bekend zijn met de gevleugelde Amerikaanse uitdrukking: “Every time you masturbate, God kills a kitten”. Deze kennis is van belang om te kunnen genieten van de afbeelding van Goetz.

Ondanks het werk van o.a. Tufte en Goetz blijven we geconfronteerd worden met verschrikkelijke PowerPoint slides en slaapverwekkende presentaties. Vandaar dat John Graham-Cumming het tijd vond om er actief iets aan te gaan doen met zijn blog Tufte kitten kill count. Deze blog is een publieke schandpaal voor slechte PowerPoint slides waar we allemaal onze bijdrage aan kunnen leveren. Stuur John jullie voorbeelden en wellicht dat het eindelijk beter gaat met onze presentaties.

 

De tabel: minimalisme = maximaal resultaat

Als we spreken over rapporten, dashboards, gegevens visualisatie, etc. dan gaat de aandacht al snel naar grafieken. We gaan gemakshalve wel voorbij aan de belangrijkste en meest gebruikte visualisatie vorm: de tabel.

De tabel is dan wel de meest gebruikte vorm, maar tegelijkertijd ook de minst gewaardeerde. In de meeste gevallen wordt de voorkeur gegeven aan grafieken, want dat vinden we in veel gevallen beter staan (of zoals een collega laatst aangaf: grafieken zijn sexy, tabellen niet). En als het gaat om indruk te maken dan werkt een grafiek in de meeste gevallen beter. Dona Wong vat het pakkend samen met:”A chart is more memorable than a table of numbers

Maar het gaat (gelukkig) niet altijd alleen om indruk maken. Communiceren met gegevens betekent vaak ook deze (detail) gegevens beschikbaar stellen in het rapport zonder te veel afleiding.

De goede eigenschappen van tabellen en van grafieken vullen elkaar geweldig aan, maar meestal is een grafiek niet direct een goed alternatief voor een tabel (en vice versa).

In welke gevallen kunnen we beter een tabel gebruiken in plaats van een grafiek?

  • Als de lezer individuele waarden moet kunnen opzoeken;
  • Individuele waarden met elkaar vergeleken moeten worden;
  • Precisie een vereiste is;
  • Meerdere (verschillende) eenheden van een gegeven nodig zijn.

Ook bij de opmaak krijgen de grafieken vaak de meeste aandacht. Bovendien zijn de meeste rapportage hulpmiddelen (van Excel tot meer geavanceerde rapportage software) standaard niet zo behulpzaam om goed leesbare tabellen op te leveren. Door deze beperkte aandacht en verkeerde standaard instellingen komt het meer dan eens voor dat een tabel er als volgt uitziet:

Door het raster wordt de tabel moeilijk leesbaar en is het vergelijken van de verschillende getallen lastig. Verder is hier ook geen duidelijk onderscheid tussen kwantitatieve informatie (de getallen) en categorische informatie (de context zoals de kolom titels), wat de leesbaarheid niet ten goede komt. Met het weglaten van de zware lijnen en het toevoegen van witruimte wordt dezelfde tabel plotseling veel duidelijker.

Wat geldt voor ieder rapport is ook van toepassing op de tabel: het is pas af als er niets meer af kan. Of zoals Tufte aangeeft: “Above all else show the data”

 

Computable: don’t make me think!

Met veel plezier lees ik wekelijks het laatste Nederlandse ICT nieuws in de Computable. Het stelt me in staat om snel een overzicht te krijgen wat er speelt en welke ontwikkelingen er zijn. Het leest prettig en heeft inhoudelijk goede artikelen, dus een aanrader voor iedereen die werkzaam is binnen de ICT.

Dat wil niet zeggen dat er geen ruimte voor verbetering is. Net als het online voorbeeld van Antoine vorige week is de Computable helaas een inspiratiebron voor verwarrende en onduidelijke data visualisaties.

Data visualisaties hebben tot doel het communiceren van gegevens zodat het publiek deze eenvoudig kan begrijpen en doorgronden, of zoals Steve Krug dat pakkend beschrijft in zijn boek “Don’t make me think!”.

In dit artikel wil ik niet alleen voorbeelden geven waar deze grafieken verbeterd kunnen worden, maar ook proberen om de verbetering tot stand te brengen. Vandaar dat dit artikel als open brief aan de redactie van Computable is gestuurd.

Beste redactie van weekblad Computable,

Om te beginnen wil ik jullie bedanken voor een geweldig weekblad dat ik wekelijks met veel plezier lees.

Naast het genieten van uw weekblad moet ik u bekennen dat er zeker ook zaken zijn waar ik mij wekelijks aan stoor. Wat zeker meer aandacht verdient zijn de grafieken die jullie veelvuldig gebruiken in de rechter bovenhoek van veel pagina’s. Om te illustreren waar ik op doel heb ik twee willekeurige voorbeelden bijgevoegd.

afbeelding 1 – bron: Computable 01-07-2011

Het eerste voorbeeld (afbeelding 1) is er één die wekelijks terugkomt: de Banometer. U geeft in dit onderdeel aan hoe de ICT arbeidsmarkt zich heeft ontwikkeld in de afgelopen weken.

U maakt hier gebruik van een staafdiagram, waarbij de hoogte van de staaf wordt bepaald door het aantal vacatures (van een bepaalde functie in een week). De lengteverschillen van de staven geven aan hoe de verschillende resultaten zich tot elkaar verhouden. Dit laatste wordt helaas gedeeltelijk teniet gedaan door het laten “verspringen” van de y-as (van 150 naar 1000). Verder is de schaalverdeling voor en na het verspringen niet hetzelfde: voor het verspringen in stappen van 50, maar na het verspringen in stappen van 100.

Als ik vervolgens de tekst bij de grafiek lees, dan lijkt de boodschap te zijn: in het algemeen (Online ict-functies) is er krimp, maar bij de projectmanagers is er groei in het aantal vacatures gedurende de afgelopen weken.

In uw grafiek staan alleen de absolute aantallen vacatures per week afgebeeld, waardoor de lezer de groei/krimp (waar het blijkbaar om gaat) zelf moet afleiden. Dit afleiden is op zich al lastig, maar door het “verspringen” van de y-as en het gebruik van meerdere schaalverdelingen wordt het vrijwel onmogelijk. Als de omvang van de groei/krimp de boodschap is, gebruik deze dan ook in de grafiek.

In afbeelding 2 heb ik dezelfde gegevens gebruikt, maar nu de groei/krimp afgebeeld. Het is direct duidelijk dat de vacatures voor Projectmanagers harder gegroeid zijn dan de vacatures On-line ict-functies.

afbeelding 2 – alternatief voor afb 1

 

 

 

 

 

afbeelding 3 – Computable 21-10-2011

In het tweede voorbeeld (afbeelding 3) zit de valkuil vooral in het afwijkende gebruik van de x-as.

In eerste instantie viel mij niets bijzonders op, maar toen ik wat beter naar de x-as keek viel op dat de “afstand” tussen de verschillende resultaten niet gelijk is. In de huidige grafiek lijkt de stijging met name sterk is in de eerste 3 perioden, waarna hij wat afvlakt. Als je echter alle maanden in de grafiek plaatst en de verschillende resultaten met elkaar verbindt, krijg je afbeelding 4.

Dan wordt duidelijk dat met name het resultaat in mei 2011 de stijging laat afzwakken, maar dat de stijging daarna weer toeneemt.

Dit waren slechts twee willekeurige voorbeelden, maar Ik hoop dat deze u helpen met het verbeteren van uw data visualisaties. Mocht u meer informatie over dit onderwerp willen hebben, dan zijn de boeken van Edward Tufte, Stephen Few en Dona Wong een goede start. Mocht u nog vragen of opmerkingen hebben, aarzel niet om contact met mij op te nemen.

Met vriendelijke groet,

Michel Dekker

afbeelding 4 – alternatief voor afb 3