In deze blog lees je 5 dingen die je niet moet doen bij het visualiseren van data. En tevens lees je natuurlijk hoe het wel moet.

Datavisualisatie is een krachtig middel. Het helpt mensen met het sneller ontdekken van trends, ontwikkelingen en nog veel meer. Maar wanneer data verkeerd gevisualiseerd is, worden deze voordelen direct teniet gedaan en kunnen visualisaties verwarrend worden, of nog erger: men kan er verkeerde conclusies uit trekken.

5 Valkuilen bij datavisualisatie

1. Kleurmisbruik
2. Verkeerd gebruik van cirkeldiagrammen
3. Visuele wirwar
4. Slecht design
5. Slechte data

Het gebruik van kleur kan mensen enorm helpen bij datavisualisatie, maar overdrijf het niet. Het gebruik van verkeerde kleuren kan leiden tot verwarring, of nog erger, een verkeerde interpretatie.

1. Kleurmisbruik

1. Overzicht in de analyse is het meest belangrijk. Dat wat je marketingafdeling ook zegt, het gebruik van huisstijlkleuren in datavisualisaties is vaak geen goed idee.
2. Houd rekening met kleurenblinden. Gebruik kleuren en vormen die voor de meeste mensen eenvoudig te onderscheiden zijn.
3. Gebruik meer dan kleur alleen om iets betekenis te geven. Kleuren moeten ondersteunend zijn, maar ook zonder kleur moet men de visualisatie kunnen lezen (uitzonderingen daargelaten).

2. Verkeerd gebruik van Cirkeldiagrammen

Mensen houden van cirkeldiagrammen, ondanks dat het lezen van cirkeldiagrammen lastiger is dan bijvoorbeeld het lezen van een staaf-, lijndiagram. Probeer niet teveel informatie in cirkeldiagrammen te stoppen en vermijdt altijd het gebruik van hele kleine “taartstukken” in het cirkeldiagram. Wanneer u teveel informatie in een cirkeldiagram stopt dan missen de gebruikers het overzicht. Gebruik nooit 2 (of meer) cirkeldiagrammen naast elkaar om verschillende datasets te vergelijken. Een cirkeldiagram is daar niet geschikt voor. Gebruik dan bijvoorbeeld een staafdiagram (vergelijk tussen dingen), of lijndiagram (vergelijk in tijd).

Cirkeldiagrammen: hoe het wel moet

1. Gebruik cirkeldiagrammen alleen bij hele beperkte data sets, zodat ieder “stuk van de taart” goed te zien en onderscheiden is.
2. Gebruik cirkeldiagrammen om verschillende onderdelen van het geheel te vergelijken. Vergelijk nooit verschillende datasets met elkaar met een cirkeldiagram.
3. Sorteer de “taartstukken” van groot naar klein. Dit vergelijkt eenvoudiger voor de eindgebruiker.

3. Visuele wirwar

Het doen van zinvolle ontdekkingen in een visuele wirwar is als het zoeken van een naald in een hooiberg. Teveel informatie maakt zaken onduidelijk en verwart eindgebruikers. Het gebruik van onnodige elementen in grafieken of andere objecten kan leiden tot verkeerde conclusies. Probeer daarom niet teveel dimensies te zien in één grafiek.

Datavisualisaties: hoe het wel moet

1. Gebruik nooit meer dan 9 KPI’s op 1 dashboard. Teveel kengetallen zorgt voor afleiding.
2. Probeer visualisaties altijd zo eenvoudig mogelijk te maken. Hoe minder de eindgebruiker hoeft te interpreteren, des te eenvoudiger het is om de data te begrijpen.
3. Wanneer je visualisatie er uit ziet als een rommel of wirwar, probeer dan eens een ander type visualisatie. De meest heldere visualisatie is vaak de beste.

4. Slecht design

Een visualisatie die er prachtig uitziet hoeft niet perse effectief te zijn. Design is geen doel op zich. Een effectieve visualisatie gebruikt “slechts” de best practices van design om de helderheid van de visualisatie te versterken.

Design: hoe het wel moet

1. Creëer niet zomaar visualisaties en dashboards, maar denk goed na over hoe een bepaald design de gebruiksvriendelijkheid en helderheid ondersteunt.
2. Schakel hulp in van een designer, wanneer je zelf geen affiniteit hebt met design. Je eindgebruikers zullen je dankbaar zijn.

5. Slechte data

Goede datavisualisatie start met goede data. Wanneer een visualisatie een vreemd beeld laat zien, dan kan onbetrouwbare data de oorzaak zijn. Laat een visualisatie niet de zondebok worden van slechte data.

Data: hoe het wel moet

1. Gebruik grafieken om problemen met data te identificeren.
2. Valideer data voordat u deze gaat visualiseren.
3. Leer het verschil herkennen tussen een onverwachtse ontdekking en slechte data.