Workshop datavisualisatie voor ProRail

Met het verzorgen van een workshop datavisualisatie zijn we gestart om ProRail te ondersteunen met het opzetten van een nieuwe stijlgids datavisualisatie.

De ProRail organisatie past in de praktijk al veel van de “best-practices” op het gebied van datavisualisatie toe. De stijlgids zorgt voor een centrale en eenduidige beschrijving van deze best-practices binnen ProRail.

De basis voor de stijlgids zijn een aantal werksessies met ProRail medewerkers. Hieruit halen we de specifieke keuzes en voorkeuren van ProRail en illustreren deze met hun eigen voorbeelden.

 

Nieuwe brochure training datavisualisatie

De afgelopen maanden hebben we samen met Heliview tientallen deelnemers mogen verwelkomen op de training datavisualisatie. Vanwege de positieve reacties hebben we een nieuwe serie van 4 publieke trainingen gepland voor het komende jaar. Schrijf je nu in voor één van de volgende data:

  • 26 en 27 september 2017 in Soesterberg;
  • 21 en 22 november 2017 in Amersfoort;
  • 6 en 7 maart 2018 in Driebergen;
  • 15 en 16 mei 2018 in Soesterberg.

Reacties van eerdere deelnemers zijn:

Ik heb veel over verschillende aspecten van visualisatie geleerd, van kleur tot vorm tot boodschap. Theorie aangevuld met praktijkvoorbeelden, valkuilen en oefenen maken de training compleet. Praktisch toepasbaar. 2 dagen vlogen om
Marc Stet, BPM consultant, ABN AMRO Bank NV

 

Lekker interactief en zeer interessant
R. Jette, functioneel beheerder/ BI specialist, Parnassia Groep

 

Hele praktische training, direct bruikbaar, prima sfeer
A. van Geene, MI specialist, Delta Lloyd

Training datavisualisatie bij Mitros

De afgelopen twee dagen hebben we een training datavisualisatie mogen verzorgen voor Mitros, de woningcorporatie uit Utrecht. Naast een uiteenzetting van de theoretische achtergrond hebben de deelnemers uit verschillende afdelingen hun eigen rapporten en dashboards opnieuw beoordeeld en waar mogelijk verbeterd.

Na afloop waren de deelnemers zeer enthousiast. Ze hebben nu voldoende handvaten gekregen om zelfstandig hun rapporten en dashboards te verbeteren.

Als voorbereiding op deze training zijn we gaan kijken op de site van Mitros. Wat direct in het oog sprong was de pagina: Mitros-in-cijfers. Zoals de naam doet vermoeden staan hier belangrijke kengetallen, maar zou wat extra context welkom zijn. Vandaar dat we deze tabel hebben vertaald naar het bijgevoegde wijkoverzicht.

Mitros-in-cijfers

De cijfers met extra context

Stijlgids datavisualisatie voor Academisch Ziekenhuis

De afgelopen periode hebben we intensief samengewerkt met een Academisch Ziekenhuis in de randstad. De samenwerking had tot doel om te komen tot eenduidige richtlijnen met betrekking tot het visualiseren van gegevens.

Binnen het ziekenhuis worden grote hoeveelheden gegevens gedeeld, vaak ondersteund met visualisaties. Om te zorgen dat al deze datavisualisaties eenduidig en effectief toegepast worden hebben we samen een stijlgids datavisualisatie opgezet.

Het afronden van de stijlgids is tevens het startschot voor het toepassen van deze stijlgids. Dit is toepasselijk gedaan door het verzorgen van een datavisualisatie workshop voor alle geïnteresseerden in het ziekenhuis.

We hebben met veel plezier meegewerkt en zijn blij met de eerste reacties:

Nogmaals dank voor een fijne en vooral zeer leerzame workshop. Ik krijg veel positieve reacties van mijn collega’s”

Datavisualisatie training in samenwerking met Heliview

In samenwerking met Heliview verzorgen we vanaf november dit jaar ieder kwartaal een tweedaagse training datavisualisatie.

De hoeveelheid data die we tegenwoordig verzamelen is eindeloos, maar deze data biedt het management en andere besluitvormers van uw organisatie geen opzichzelfstaande waardevolle inzichten. Het menselijk brein is visueel ingesteld. Hierdoor is datavisualisatie een krachtig communicatiemiddel om data sneller te delen, te interpreteren en te analyseren. Het stelt uw organisatie in staat om veranderingen in het gedrag van uw klanten en de markt sneller te signaleren en hier op in te spelen.

Tijdens deze training leert u hoe u gegevens effectief presenteert, zodat belangrijke resultaten niet aan de aandacht ontsnappen. U gaat zelf aan de slag met rapporten en dashboards zodat u leert hoe u de ontwerpprincipes het beste kunt toepassen. U creëert op deze manier betere stuurinformatie voor uw organisatie en voorkomt dat de verkeerde conclusies getrokken worden.

Vanaf nu kan iedereen zich hier inschrijven voor deze training.

9.5 Tips for Great Data Visualisation

This article was originally posted on the measure-up blog of Stacey Barr.

Enrico Bertini explains in his recipe that studying plays an important role in becoming a Data Visualization expert. However, he also emphasizes it is just the beginning. This was probably the reason why Ben de Jong approached me a year ago to help him improve data visualizations at the bank he works for.

Ben was already familiar with the works of people like Stephen Few, Alberto Cairo and Andy Kirk. He clearly wasn’t looking for additional theoretical background. He was looking for someone with hands-on experience that could help him and the bank to the next level. And so we started to work together to improve the data visualizations of “his” bank.

Part of the assignment was to share our knowledge and experience with as many people as possible within the bank. We realized it would be difficult to get a broad audience interested if it would require a lot of their time. Furthermore, we wanted the session to be practical and not just an introduction. After attending our session, everyone should be able to directly apply the basics to their own work.

This is how we came up with our one-hour session called: 9.5 tips for great data visualizations. We conducted dozens of these sessions to confront people with the most common mistakes, illustrated by their own visualizations.

A couple of weeks ago Stacey was in The Netherlands, and I mentioned our “9.5 tips” sessions to her. Before I knew it she convinced me to write this blog post to share it with an even broader audience.

Tip 1. Start with WHY

In general, a visualization is the answer to a question. But how do you formulate an answer if you don’t know the question?

Therefore, you always start designing by an answering this fundamental WHY question. Although the question is easy, the answer (almost) never is.

This also implies you know your audience and take them into account.

Tip 2. Don’t make me think

Most visualizations require a lot of thought. Not because the audience is reflecting on the actions they need to take, but because they find it hard to understand the visualization itself. To avoid this, we need to apply three basic rules:

Tip 3. Cutting corners

When we use bar charts we “ask” our audience to compare area sizes. This can only be done right if these bars start at 0. Unfortunately, it is very common to have them start at other values, because otherwise “the differences are not clear enough”. If this is the case, choose an other chart type, because a bar chart scale should ALWAYS start at 0.

by ‘cutting’ the scale the difference here looks way bigger

the actual difference is only 22%

Tip 4. Apples to Oranges

When we have two measures with completely different scales it is difficult to combine them into one single chart. A common solution is to apply a secondary y-scale, so each of the measures has its own scale. Unfortunately, this practice introduces a lot of confusion. Sometimes even to the point that the visualization suggests there is some form of correlation between the measures, without any being really there. The solution is straightforward: split the two measures into two separate charts.

by applying two (independent) y-axis the message is determined by the different scaling. All three examples here are exactly the same data

by applying two (independent) y-axis the message is determined by the different scaling. All three examples here are exactly the same data

by applying two (independent) y-axis the message is determined by the different scaling. All three examples here are exactly the same data

Tip 5. Show your true colors

Color plays an important role in our visual perception and attention, so apply it with care. A number of ground rules concerning color usage are:

  • Use a neutral color as your base color (like white);
  • Make sure objects with the same color are related or mean the same;
  • Only use limited strong colors (like saturated red) for emphasizing important data;
  • Use a neutral color (like light gray) for all contextual/context elements (scales, tick marks, reference lines, etc.)

Probably the most popular color scheme is Red, Amber & Green (RAG). This color scheme is also responsible for a lot of clutter and distraction on visualizations. Please bear in mind that some people can’t distinguish red from green (color blindness), so maybe it is better to use an other color for green (like blue). Also ask yourself the question: do we really need to show the green color? Limit yourself to coloring exceptions only.

Tip 6. Less is more

Sometimes I get the impression that visualization designers experience white space as their enemy. As long as they have space left they keep adding stuff. But if you have answered your WHY question, there is no reason to add more. It is even the other way around: the visualization is done when you are done with removing components.

Tip 7. Trending topic

It is very common (unfortunately) to simplify trends over time into one single indicator/arrow: we have gone up or down compared to the result in the previous period. These point-to-point comparisons are terrible, as Stacey explains in her workshops and book. A popular alternative to this single indicator is displaying all historic context, cluttering the visualization. A good alternative is to make use of Tufte’s sparklines: they give enough historic context without cluttering your visualization.

Tip 8. Avoid chart junk

In your data visualization it should be DATA FIRST: let the data tell its story. Everything else is considered chart junk (as introduced by Edward Tufte), and should be minimized. Making the visualization look “nice” is mostly adding more junk and compromising your goal: to inform.

Tip 9. Save the pies for dessert

In most cases when someone uses a pie chart there are (far) better alternatives at hand. This is why Stephen Few saves all pies for dessert. We have had no need for them either, but should you insist on using one, apply the rules from Donna Wong:

  • Never more than 4 slices;
  • Use one single color (hue);
  • Start at 12 o’clock and order the slices descending.

Tip 9.5 Sketch & experiment

This last tip is not concerning the visualization itself, but more on your design approach. This is why we have valued it with half a tip.
There are two important enemies to effective data visualization: software tools & actual data. When you start with software you run the risk to get distracted by the functions and features of the software. Actual data demands a lot of attention because of unclear definitions or questionable quality. Both make you loose the focus on the WHY and your visualization. This is why we use pencil and paper to start sketching the visualization. Make use of the Five Design Sheet methodology to design your visualizations.

Datavisualisaties in beweging 2013

Dat je niet altijd eerst een paar uur moet vliegen om een goed seminar over datavisualisaties bij te wonen was me vorig jaar al opgevallen. Alleen hoorde ik te laat over “Datavisualisaties in beweging” waardoor ik daar niet bij kon zijn. Gelukkig werd ik dit jaar op tijd gewaarschuwd door Yuri Engelhardt (Dank je Yuri!), waardoor ik afgelopen vrijdag wel aanwezig kon zijn bij de tweede editie.

Het was geweldig om zo veel mensen bij elkaar te zien die allemaal bezig zijn met dit onderwerp. En ook vanuit allerlei verschillende achtergronden: journalisten, studenten, wetenschappers, professionals, bedrijven, vormgevers, programmeurs, etc.

Door deze interessante mix van mensen is het onmogelijk om niet geïnspireerd te raken. En dat is bij mij ook zeker gelukt. Bedankt organisatie en deelnemers voor deze mooie, leerzame en inspirerende dag.

Het seminar begon in de ochtend met een aantal parallelle workshop sessies. Altijd weer lastig om te kiezen, want je kunt niet bij twee sessies tegelijk zijn. De twee sessies die ons (ik was samen met mijn collega Paul) het meest aanspraken waren die van het CBS (Edwin de Jonge over statistiek en de regels van goede visualisaties) en de inleiding D3 (Justus Sturkenboom, docent Hogeschool van Amsterdam). Maar dit zegt niets over de overige workshops, want daar waren we helaas niet bij.

Het middagprogramma bestond uit een aantal presentaties waarin verschillende mensen hun visualisaties deelden. Naast het delen van de mooie voorbeelden was er ook veel aandacht voor het proces om de visualisatie te maken.

Belangrijkste boodschap over het proces was: experimenteer! Dus zo snel mogelijk verschillende alternatieven uitproberen en (indien mogelijk) testen bij je publiek.

Één van de sprekers, Edwin de Jonge van het CBS, had naast de workshop ‘s-ochtends ook een presentatie in de middag. Hij vertelde daar over hun StatMine project. Al ben ik meestal niet positief over de data visualisaties van het CBS, wat ik over dit project heb gezien ziet er veel belovend uit.

Waren er dan geen punten van aandacht? Natuurlijk zijn die er ook. Een belangrijk gevolg van experimenteren is dat er ook mislukkingen zijn. Dit is geen enkel probleem, maar deze moeten dan wel als mislukking (h)erkend worden.

De techniek en onze creativiteit maken een hoop mogelijk, maar dat betekent niet dat het daardoor altijd beter wordt. Hierin had de organisatie (volgens mij) iets kritischer mogen zijn. Zo was er het verhaal over Interactieve Isotype. Het voorbeeld dat we kregen voorgeschoteld was een interactieve versie van het (gedrukte) origineel. Jammer genoeg was de interactieve versie zowel minder duidelijk als minder informatief dan het origineel.

Mag de inhoud ten kosten gaan van de vorm?Omdat het kan? Volgens mij niet, dus daar sluit ik me maar weer aan bij Alberto Cairo: vorm volgt functie!

Al met al een geweldige dag. Bedankt allemaal en tot volgend jaar.

 

Wat is een Management Dashboard?

Als je dagelijks bezig bent met Management Dashboards en datavisualisatie loop je een verhoogd risico op statistitis. Met andere woorden: alle activiteiten en processen proberen uit te drukken in numerieke waarden en statistieken.

Zo kijk ik met enige regelmaat naar de (Google) zoektermen waarmee bezoekers onze site ontdekken. Niet zozeer om onze marketing campagnes aan te sturen, maar meer om te zien welke onderwerpen spelen.

Zo valt mij op dat er vrij veel bezoekers onze website vinden door in google op te geven Wat is een management dashboard. Alleen ben ik bang dat zij het antwoord niet zomaar konden vinden op onze site, dus vandaar dit artikel. In onze Effectief Rapporteren workshops komt dit wel ter sprake, dus hoogste tijd om er ook hier aandacht aan te besteden.

Om te beginnen is het belangrijk om vast te stellen dat we niet allemaal het zelfde verstaan onder een Management Dashboard. Dus een duidelijke definitie van wat het voor jou of mij betekent helpt in ieder geval onduidelijkheden te voorkomen.

Kort samengevat definieer ik een management dashboard als volgt: Regelmatige en gestructureerde feedback over (de ontwikkeling van) een resultaat van een organisatie en/of proces.

Hiermee wil ik niet zeggen dat dit dé definitie is, maar wel één waarmee wij werken. Zo heeft ook Stephen Few al in 2004 een definitie gegeven in het artikel Dashboard Confusion. Deze definitie luidt (vrij vertaald): Visuele weergave van de belangrijkste informatie nodig om één of meerdere doelen te bereiken die samengevat op één enkel beeldscherm je in staat stelt om in één oogopslag de informatie te bewaken en begrijpen.

Few gaat (natuurlijk) iets meer in op de vorm, maar komt goed overeen met onze definitie.

Daarnaast is het ook nodig om de belangrijkste functies van een dashboard te benoemen. De drie hoofdfuncties van een management dashboard zijn volgens Few:

  • Overzicht
  • Inzoomen op specifieke zaken
  • Link naar details

De gebruiker van een dashboard moet op de eerste plaats snel een algeheel overzicht krijgen van de situatie en kunnen bepalen wat extra aandacht nodig heeft (Overzicht). Vervolgens moet de gebruiker de zaken die extra aandacht nodig hebben nader kunnen onderzoeken om zo te bepalen of er iets aan gedaan moet worden (Inzoomen op specifieke zaken). Tenslotte, als de gebruiker meer informatie nodig heeft om te bepalen hoe te reageren moet het dashboard dit ondersteunen (Link naar details).

Mocht je dus een Management Dashboard (pakket) willen evalueren, start dan bij het bekijken of en hoe deze drie functies ondersteund worden. Geen Management Dashboard kan zonder, dus ook bij het opzetten van onze Management Dashboard toepassing Oxygen zijn alledrie uitvoerig aanwezig.

Wedstrijd: verbeter de grafiek

In de huidige druk van het boek Information Dashboard Design van Stephen Few staan vele voorbeelden van dashboards. De meeste dashboards in zijn boek zijn vooral voorbeelden van hoe het vooral niet moet. Stephen geeft aan dat het boek zo weinig goede voorbeelden bevat omdat hij deze tijdens het schrijven van het boek (2005) niet kon vinden. Tijdens zijn training in Mei gaf hij al aan dat hij voor de volgende uitgave meer goede voorbeelden wil gebruiken. Een direct gevolg hiervan is de Dashboard Design Competition welke hij begin augustus uitschreef.

Helaas kon ik zelf niet deelnemen vanwege tijdgebrek, maar gelukkig is het 91 anderen wel gelukt. Tussen deze inzendingen zitten een groot aantal geweldige dashboards die het bestuderen meer dan waard zijn. Een geweldige bron van inspiratie.

Ik was dan ook blij verrast toen ik zojuist het laatste blog artikel van Naomi Robbins las op Forbes. Hierin schrijft ook zij een wedstrijd uit, maar deze keer op een veel kleinere schaal. Zij geeft een bestaande grafiek als startpunt en vraagt iedereen om alternatieven aan te dragen. Met andere woorden: verbeter de grafiek.

Aangezien het een zeer beperkte set aan gegevens is besloot ik direct aan de slag te gaan. De originele visualisatie is een tweetal donut grafieken (soort taartgrafiek) en kun je vinden in bovenstaande afbeelding.

Mijn eerste ingeving bij het zien van (meerdere) taartgrafieken is om ze te vertalen naar een staafgrafiek. Dit omdat wij mensen niet alleen heel slecht zijn in het vergelijken van taartpunten binnen een taartgrafiek, maar nog slechter taartpunten kunnen vergelijken tussen twee taartgrafieken. Om zeker te stellen dat per bron (Facebook, Twitter en LinkedIn) B2B en B2C goed te vergelijken zijn heeft iedere bron een eigen y-as. Het resultaat zie je in de onderstaande afbeelding.

Vaak wordt als alternatief van een taartgrafiek gekozen voor een gestapelde staafgrafiek. In veel gevallen werkt dit niet goed, omdat alleen de eerste categorie (hier Facebook) goed te vergelijken is. De overige categorieën zijn veel lastiger te vergelijken omdat deze op verschillende punten starten (daar waar de vorige is geëindigd). Alleen in dit geval hebben we maar 3 categorieën, waardoor het effect van de verschillende startpunten niet zo storend is. Vandaar dat ik ook een gestapelde staafgrafiek heb gemaakt (zie onder). Wat wel direct opvalt is dat het LinkedIn aandeel in B2C zo klein is dat het niet meer lukt het percentage in het gebied te plaatsen. Vandaar dat ik deze er onder geplaatst heb.

Tenslotte heb ik nog een derde alternatief gemaakt: zogenaamde Parallel Coordinates. Meestal wordt dit grafiektype gebruikt bij meer dan twee gezichtspunten, maar ook met deze bescheiden hoeveelheid gegevens vallen een aantal zaken direct op . Zo valt het snijden van de LinkedIn en de Twitter lijn direct op. Ook is direct te zien dat vooral Facebook profiteert van de daling van LinkedIn in het B2C segment tov B2B.

Welke van deze vier (origineel en 3 alternatieven) heeft jullie voorkeur en waarom? Laat het me weten op onze LinkedIn pagina.

Er zijn vast nog veel meer varianten mogelijk, dus aarzel niet om deze voor te stellen aan Naomi Robbins. Je hebt nog tot zondag 9 December om je verbeteringen aan haar te sturen.

 

Ik zie, ik zie, wat ik niet zie…

Het verspreiden van kennis over het visualiseren van gegevens is een belangrijke doelstelling van deze wekelijkse blog. We hopen hiermee onze bijdrage te leveren aan het verbannen van slechte visualisaties, of zoals Tufte het zo mooi samenvat: Chartjunk.

Naast deze artikelen verzorg ik ook met enige regelmaat een workshop Effectief Rapporteren. Zo’n workshop wordt bijna altijd verzorgd “op locatie”. Dit heeft als grote voordeel dat we niet alleen kunnen praten over de algemene richtlijnen en aandachtspunten, maar ook over het toepassen van de kennis op de werkelijke rapporten en dashboards van de betreffende organisatie. De deelnemers kunnen het dus direct toepassen op hun eigen werk.

Een belangrijk onderdeel van de workshop is tijdens de introductie uitleggen dat we niet zien met onze ogen, maar met onze hersenen. Dit besef is de basis van het effectief visualiseren van gegevens. Nu kan ik dit wel vertellen en uitleggen, maar het zelf ervaren is veel krachtiger en duidelijker.

Gelukkig zijn er genoeg websites beschikbaar met voorbeelden van hoe onze hersenen ons op het verkeerde been (kunnen) zetten. Op Your amazing brain… staan een aantal klassiekers, maar ook op de Nederlandse site Gissen en Missen zijn er verschillende te vinden.

Iemand die nog een stapje verder gaat is Brusspup. Hij heeft op YouTube een geweldige collectie van video’s, de ene nog spectaculairder dan de ander.

Ieder van deze voorbeelden toont wel aan dat onze hersenen een grote rol spelen bij het zien, maar wat zien we nu eigenlijk met onze ogen?

In zijn boek The Functional Art heeft Alberto Cairo een aardig voorbeeld gebruikt om dit te illustreren. In de onderstaande foto’s heb ik dit geprobeerd na te bootsen.

Van de ongeveer 180 graden zicht die onze twee ogen ons geven zijn maar 2 graden scherp en gedetailleerd (zie afbeelding 3). Dus we denken wel dat we het beeld zien zoals op de eerste afbeelding, maar in werkelijkheid zien we op een bepaald moment maar een klein onderdeel (zie afbeelding 2). De rest is wazig, maar onze hersenen vullen het beeld voor ons aan. Gelukkig vallen afwijkende zaken ook op in het wazige gebied, zodat we vanzelf ons scherpe zicht daarop kunnen richten. Vandaar dat het van belang is om context informatie niet te veel te laten opvallen en de signalen juist wel. Anders weten onze hersenen niet waar we moeten kijken.