Berichten

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

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.

 

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.

 

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.

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.