Onze innovatie is top, nu de datavisualisatie nog

Afgelopen zaterdag is het me eindelijk gelukt: na 3 jaar blessureleed eindelijk weer 10km kunnen hardlopen. Het heeft de nodige moeite gekost, maar zoals ik in mei al schreef is een combinatie van structureel meten en goede ondersteuning net als in het bedrijfsleven een randvoorwaarde voor succes.

Het gevolg was natuurlijk wel dat ik zondag rustig aan gedaan heb. En een rustige zondag begint bij mij meestal met het doornemen van de verschillende tijdschriften die gedurende de week op de mat zijn gevallen. Natuurlijk kan ik het dan ook niet nalaten om te letten op de gebruikte datavisualisaties.

Deze week trok een artikel uit het blad Management Team mijn aandacht. De titel was Onze innovatie is top en beschrijft het goede innovatieklimaat in Nederland. Onderdeel van dit artikel zijn twee korte achtergrondverhalen, welke alleen voorkomen in de gedrukte versie.

Het eerste achtergrondverhaal, Alle 9 top, gaat over de negen topsectoren en de financiering van dit initiatief. Blijkbaar zal het bedrijfsleven 1,8 miljard voor zijn rekening nemen en de overheid 1 miljard. Vervolgens staan onder aan het verhaal de grafieken uit afbeelding 1.

We zien hierin de verdeling van de financiering naar topsector. Niet alleen de keuze voor een zogenaamde donut-chart is ongelukkig (taartgrafiek met een gat), maar ook de kleuren van verschillende sectoren lijken te veel op elkaar (bijv. tuinbouw, life sciences & health en high tech systemen en materialen). Door het gebruik van sterk gelijkende kleuren moet je soms meerdere keren heen en weer gaan tussen de grafiek en de legenda om zeker te stellen welke sector het betreft. Verder valt op dat de grafiek van het bedrijfsleven veel groter is afgebeeld dan die van de overheid. Nameten leert dat de diameter van de linker grafiek (bedrijfsleven) 2 keer zo groot is als die van de rechter (overheid). Blijkbaar hebben de makers hiermee de verhouding tussen 1,8 miljard en 1 miljard willen illustreren. Jammer genoeg voegt het weinig toe. Sterker nog, het maakt het alleen maar lastiger om de overheidsinvesteringen per sector te vergelijken.

Op de eerste plaats ben ik op zoek gegaan naar de bron van deze gegevens, want deze staat helaas niet vermeld in het artikel. Na wat zoeken in Google kwam ik de gegevens tegen op een pagina van de rijksoverheid. Op basis hiervan heb ik het alternatief gemaakt zoals te zien in afbeelding 2.

Wat direct opvalt is de post overig bij de overheid. Deze was niet aanwezig in donut-chart. Ook zul je merken dat je met deze datavisualisatie veel minder tijd nodig hebt om de informatie te verwerken.

Op de volgende pagina in het tijdschrift staat het tweede achtergrondverhaal met als titel Hotspot Eindhoven. De relatie tussen de tekst en de grafiek lijkt me niet erg sterk: de tekst gaat exclusief over Eindhoven, waar de grafiek over de vijf grootste r&d investeerders van Nederland gaat. Wellicht dat het hebben van twee bedrijven uit Eindhoven in de top 5 van Nederland de relatie is, maar erg sterk is het niet.

Het positieve van deze grafiek is dat er een bronvermelding bij staat. Helaas kan ik verder geen enkel positief punt noemen van deze grafiek. Het 3D effect maakt het zeer moeilijk om de getallen te lezen. Dus ook in dit geval ben ik aan de slag gegaan om een alternatief te maken, waarvan je hieronder het resultaat kunt vinden.

Zien jullie het enorme inhoudelijke verschil? Volgens de gegevens uit het Technisch Weekblad daalt de investering van Philips in r&d vanaf 2008, maar in de grafiek van het MT stijgt hij. Ook bij ASML zou volgens deze gegevens de investering vanaf 2008 blijven dalen, waar de grafiek in het MT vanaf 2009 een stijging “suggereert”.

Het is bekend dat het 3D effect de leesbaarheid negatief beïnvloed, maar dat de trend zo ernstig vervormt wordt kan ik me niet voorstellen. Wellicht dat ik de verkeerde brongegevens heb gebruikt, of zijn de getallen in het MT door elkaar gehaald?

Gebruik dus een effectieve datavisualisatie, maar belangrijker nog: gebruik de juiste gegevens.

 

Een goede KPI begint met een goede definitie

Vorige week schreef ik al over het ontwerpen van een meetwaarde of KPI. Nu is de volgende stap om het ontwerp verder uit te gaan werken in een KPI definitie. Ook dit wordt binnen de PuMP methode ondersteund met een duidelijke aanpak.

Een onderdeel van de aanpak is het beschrijven van de KPI definitie op een groot aantal punten. De punten zijn op zichzelf niet wereldschokkend, maar ik vindt het altijd prettig om ze allemaal zo bij elkaar te hebben. Een ander groot voordeel van deze manier van werken is dat iedereen betrokken wordt bij het grondig uitwerken van de KPI’s. De belangrijkste redenen om deze structuur te hanteren is om te voorkomen dat we (verkeerde) aannames doen over berekening, interpretatie en gebruik van de KPI.

Probeer dus voor iedere KPI definitie de volgende punten in te vullen:

  • Naam: geef de KPI een unieke, betekenisvolle naam in exacte bewoording. Gebruik waar mogelijk bekende terminologie, maar vermijd jargon. Ongeveer 3 woorden is optimaal.
  • Beschrijving: beschrijf het resultaat waarvan de KPI het bewijs levert. Gebruik heldere en eenvoudige taal, zodat iedereen in de organisatie het kan begrijpen.
  • Belang: beschrijf de vragen die deze KPI beantwoord en de beslissingen die het kan ondersteunen
  • Waar past het? – Niveau: het niveau waarvoor deze KPI van toepassing is: strategisch, tactisch of operationeel.
  • Waar past het? – Doel: het resultaatgebied waarvoor deze KPI een bewijs is.
  • Waar past het? – Relatie: de verhouding van deze meetwaarde met andere meetwaarden, zo kan deze bijvoorbeeld afhankelijk zijn van een meetwaarde op een hoger niveau.
  • Waar past het? – Proces: beschrijf de processen waaraan deze KPI gerelateerd is. Het kan een KPI zijn van het proces resultaat; het proces zelf of van de ontwikkeling/verbetering van het proces.
  • Berekening – Formule: een formule die exact en eenduidig weergeeft hoe deze KPI berekent wordt.
  • Berekening – Frequentie: de frequentie waarin deze KPI berekent wordt: dagelijks, wekelijks, maandelijks, etc.
  • Berekening – Scope: beschrijf de grenzen van de KPI berekening, bv: welke steekproef(omvang), specifieke geografische dekking, klant segmenten of productgroepen.
  • Berekening – Gegevens: beschrijf elk gegeven dat nodig is om deze berekening uit te kunnen voeren. Dit zijn zowel onderdelen van de formule, de frequentie als de scope.
  • Presentatie – Type vergelijk: in wat voor een type vergelijk wordt deze KPI gebruikt: absoluut (vergelijk van twee of meerdere absolute waarden), trend (ontwikkeling van de waarde in de tijd), relatief (vergelijk met een andere KPI) en correlatie (bepalen van de kracht van de relatie tussen twee KPI’s).
  • Presentatie – Methode: het type visualisatie om de KPI te tonen: tabel, lijngrafiek, staafgrafiek, bullet chart, control chart, histogram, etc
  • Presentatie – Frequentie: hoe vaak willen de gebruikers deze KPI bekijken? Dit hoeft niet het zelfde te zijn als de frequentie van de berekening, maar is vrijwel nooit vaker (dan verandert er namelijk niets)
  • Reactie: beschrijf verschillende mogelijke uitkomsten (snelle stijging/daling, onder/boven doelstelling, etc) en welke reactie daarop dan zou moeten volgen.
  • Prestatie eigenaar: de persoon of personen die het resultaat van deze KPI volgen, de oorzaken van veranderingen kunnen doorgronden en (indien nodig) acties ondernemen (reageren).
  • Definitie eigenaar: de persoon of personen die de definitie van de KPI beheren en onderhouden.

Hebben jullie al deze punten behandeld bij jullie KPI’s? Zijn er nog punten die jullie missen?

Een punt dat wij vaak tegenkomen bij het ontwikkelen van onze dashboards is de presentatie van de detail gegevens. Met andere woorden: welke gegevens en vormgeving wil je zien als je een “drill down” uitvoert op een KPI.

Tenslotte heb ik hier een fictief voorbeeld bijgevoegd van een KPI definitie. Wellicht dat het kan helpen bij het maken van je eigen KPI definities.

Resultaat met KPI’s

Vorige maand beschreef ik het hulpmiddel result map in het artikel KPI’s zijn niets, KPI’s opstellen is alles. Met behulp van de result map krijgen we een overzicht van de resultaten die we als organisatie(-onderdeel) willen behalen. Alleen hebben we hiermee nog geen meetwaarden of KPI’s die we op een dashboard kunnen plaatsen. Hoe vertalen we nu een resultaat in een meetwaarde of KPI?

Met het opstellen van de result map zijn de relaties tussen doelstelling, strategie en beoogd resultaat duidelijk geworden. Vervolgens moeten we een keuze maken tussen alle resultaten, want we kunnen immers niet alles meten en bewaken. Kies dus eerst de belangrijkste resultaten.

Voor elk gekozen resultaat moeten we nu meetwaarden ontwerpen. Dit doen we door voor ieder resultaat de volgende punten te behandelen:

  • Begin met het einde: welke uitkomst willen we bereiken?
  • Wees zintuiglijk specifiek: wat zien, horen, ruiken, voelen of proeven we als we de uitkomst bereiken?
  • Controleer het grotere geheel: hebben we als organisatie invloed op het resultaat? Wat zijn mogelijke negatieve gevolgen van dit resultaat? Bevorderen we het juiste gedrag als we dit resultaat meten? Wat is het effect op andere resultaten?
  • Wat is het bewijs?: wat kunnen we waarnemen en tellen als bewijs dat het resultaat behaald wordt? Hoe “sterk” is het bewijs en is het “haalbaar”? (Hoog, Middel & Laag)
  • Noem de meetwaarde(n): elk bewijs uit de voorgaande stap benoem je met een unieke, informatieve en eenduidige naam.

In de onderstaande afbeelding zien jullie een beknopt voorbeeld van één meetwaarde van een afdeling debiteurenadministratie.

Na het afronden van het ontwerp kunnen we iedere meetwaarde verder uitwerken in de definitie en bepalen welke gegevens we nodig hebben. Hierover volgende week meer.

Mocht je geen week meer kunnen wachten, dan kun je wellicht de online PuMP training van Stacey Barr volgen. Ook kun je voor vragen en opmerkingen terecht op onze Linkedin pagina. Natuurlijk kun je ook mij direct benaderen op michel.dekker@novasilva.com.

 

Visualisatie voor iedereen

Voor iedereen die geïnteresseerd is in het verbeteren van data visualisaties was 2012 al een geweldig jaar. In mei was er de mogelijkheid om de driedaagse training van Stephen Few bij te wonen en in juli was Andy Kirk in Amsterdam voor een training. Voor iedereen die deze twee trainingen gemist heeft: komend jaar is er vast weer een mogelijkheid om één van deze trainingen in Nederland bij te wonen.

Vorige week schreef ik over een andere grote naam in de wereld van data visualisaties: Alberto Cairo. Ook hij geeft regelmatig data visualisatie trainingen, alleen heb ik nog niet de mogelijkheid gehad om een training van Alberto bij te wonen. Na het schrijven van mijn artikel vorige week ben ik maar op zoek gegaan naar zijn trainingsschema. Zo te zien is ook hij van plan om een training/presentatie in Nederland te verzorgen, alleen is dat pas in maart 2013.

Natuurlijk zal ik proberen er bij te zijn, maar maart is nog zo ver weg. Vandaar dat ik blij verrast was met Alberto’s blog artikel van vrijdag jl.

Hij verzorgt een 6-weekse workshop vanaf eind deze maand bij mij thuis! Niet alleen bij mij thuis, maar ook bij jou als je dat wilt. De workshop is namelijk in de vorm van een zogenaamde Massive Open Online Course of MOOC.

Het is al geweldig dat we allemaal kunnen deelnemen vanuit onze luie stoel, maar het wordt nog beter: de workshop is GRATIS!

Dit is een geweldige kans om eens en voor altijd af te rekenen met die verschrikkelijke dashboards en rapporten met slechte visualisaties die we overal maar tegen komen. Dus als je iets te maken hebt met data visualisatie: mis deze kans niet en schrijf je nu in! In de onderstaande video vertelt Alberto je meer over de workshop.

Functionele dashboard kunst

Eerder dit jaar schreef ik over het boek el arte funcional van Alberto Cairo. Op dat moment was alleen de Spaanse versie beschikbaar, maar inmiddels is ook de engelse vertaling te koop: the functional art.

Zijn benadering van infographics en informatievisualisatie is wat breder dan die van bijvoorbeeld Stephen Few. Hij gaat bijvoorbeeld ook uitvoerig in op de artistieke en emotionele kant van informatievisualisatie, welke Few al snel zal classificeren als chartjunk.

Echter, ook Stephen Few is duidelijk onder de indruk van Alberto’s boek. Hij heeft er zelfs het volgende artikel over geschreven: Here at Last, “The Functional Art”.

Wat mij direct opviel in het boek was het zogenaamde Visualisatie Wiel. Het is een handig hulpmiddel om de verschillende afwegingen in kaart te brengen die horen bij het ontwerpen van een visualisatie of dashboard.

Alberto Cairo geeft de afwegingen weer met 6 verschillende assen. Iedere as verbind twee extremen (bijvoorbeeld origineel vs. stereotiep). Vervolgens kun je per as aangeven waar je visualisatie of dashboard op de as thuishoort. Al is dit slechts een subjectief proces, het helpt goed bij het structureren van je ontwerp-overwegingen. Laten we kort de verschillende assen bekijken.

Abstract – Concreet

Bij Concreet representeer je een object zoals deze er ook in werkelijkheid uit ziet. Hoe minder de representatie lijkt op het werkelijke object, hoe meer het richting Abstract gaat. In management dashboards wordt vooral gebruik gemaakt van Abstract.

Functioneel – Decoratief

Functioneel is alleen dat tonen wat noodzakelijk is voor het communiceren van de informatie. Bij Decoratief worden ook zaken getoond die niet noodzakelijk zijn, maar slechts ter verfraaiing van het beeld dienen. Decoratief valt in de meeste gevallen onder het kopje chart junk. Informatie visualisatie binnen management dashboards zal dus vooral neigen naar Functioneel.

Dichtheid – Luchtigheid

De positie op deze as wordt bepaald door de hoeveelheid getoonde informatie ten opzichte van de gebruikte hoeveelheid ruimte. Bij complexe omgevingen zal veel informatie nodig zijn om het overzicht te verkrijgen. Dit vraagt een hoge mate van Dichtheid van het management dashboard. Echter, er zijn ook onderwerpen waarbij de hoeveelheid meevalt, waardoor Luchtigheid mogelijk is.

Multidimensioneel – Unidimensioneel

Bij deze as gaat het om twee gerelateerde variabelen: de mogelijkheden om te navigeren door de verschillende niveaus van gegevens (bijv. drillen) en de verschillende manieren (grafiek- en tabelvormen) om dezelfde informatie af te beelden. Aangezien een belangrijke functie van een management dashboard het drillen is is hier de voorkeur duidelijk voor Multidimensioneel.

Origineel – Stereotiep

Als de visualisatie gebaseerd is op een bekend grafiektype (bijv. staaf- of lijngrafiek) is er sprake van Stereotiep. Echter, als de visualisatie zelf nieuw is voor de lezer is het Origineel. Aangezien we bij een management dashboard de kortst mogelijke route naar het antwoord willen ondersteunen heeft Stereotiep hier de voorkeur.

Noviteit – Redundantie

Een visualisatie kan een gegeven slechts één keer tonen (Noviteit), of meerdere keren op verschillende manieren (Redundantie). Voor een management dashboard zijn beide goed bruikbaar.

Inmiddels heb ik het Visualisatie Wiel al een paar keer toegepast tijdens het ontwerpen van een dashboard of rapport. Het heeft mij in ieder geval geholpen de verschillende overwegingen en keuzes te structureren. Wat denken jullie hiervan? Ik kijk uit naar jullie input en reacties op onze Linkedin pagina.