Steeds meer gemeenten werken met data, waarbij ze er achter komen dat dit meer vergt dan de aanschaf van een BI-programma. Er zijn veel aspecten die invloed hebben op het succesvol gebruiken van data. Op een van die aspecten is mijn collega Lotte Meindertsma al ingegaan in de whitepaper "een checklist voor de kwaliteit van data". In deze blog ga ik in op een andere voorwaarde voor het succesvol gebruiken van data: datavisualisatie.  

Het belang van datavisualisatie 

Datavisualisatie speelt een belangrijke rol in het bruikbaar maken van grote hoeveelheden data en informatie. Allereerst wil ik daarom kijken naar het DIKW-model (zie ook afbeelding 1). Dit model illustreert het verband tussen de begrippen. 

Afbeelding 1: DIKW-model¹

Om ruwe data te kunnen gebruiken, is het van belang om data om te zetten naar informatie, door de data te filteren en te combineren. Vervolgens zorgt de integratie en interpretatie van informatie voor kennis.Wanneer deze kennis wordt toegepast en gecombineerd met data van buiten, kan er worden gekeken naar de toekomst, wat in dit model wijsheid wordt genoemd. 

Datavisualisatie is cruciaal bij de stap van informatie naar kennis. Waarom dit zo is, heeft te maken met de werking van onze hersenen. Het menselijke brein kan visuele informatie 60.000 keer namelijk sneller verwerken dan tekstuele informatie. Dit wil zeggen dat 90% van de informatie die in onze hersenen wordt verwerkt, visuele informatie is. Geen wonder dat het helpt om de patronen, structuren en verhoudingen binnen informatie te ontdekken. Vandaar dat datavisualisatie een belangrijk hulpmiddel is in de verwerking van grote hoeveelheden data en informatie. 

Een voorbeeld van hoe datavisualisatie kan helpen om informatie beter te verwerken is te zien in afbeelding 2. In een tabel is te zien hoe lang de blauwe vinvis is ten opzichte van een mens. Dit verschil wordt pas beeldend wanneer je de verhouding getekend ziet. Wil je meer weten over hoe dit werkt in onze hersenen? Lees dan dit artikel.

 Afbeelding 2: de lengte van de blauwe vinvis en de lengte van de mens.² 

Hoe kun je gebruik maken van datavisualisatie?

Er is ontzettend veel te leren en te schrijven over datavisualisatie, in deze blog ga ik in op twee verschillende aspecten waar je rekening mee kunt houden wanneer je data gaat visualiseren: (non)data inkt en elementen die we onbewust waarnemen.

Data inkt en non-data inkt

Binnen datavisualisatie worden 2 elementen onderscheiden, data inkt en non-data inkt. Data inkt is de inkt die niet verwijderd kan worden, omdat de grafiek dan zijn content verliest. In een lijngrafiek is dit bijvoorbeeld de lijn. De non-data inkt is de inkt die wordt gebruikt voor de rasters, labels en de overige aankleding. Een bekend voorbeeld van een visualisatie met veel non-data inkt, is een infographic.

Onderzoek wijst uit dat visualisaties die ook non-data inkt bevatten, een stuk beter worden onthouden. In afbeelding 3 wordt hiervan een voorbeeld gegeven. Door gebruik te maken van de een "monster" wordt de stijgende lijn van de kosten benadrukt. De non-data inkt (het beeld) versterkt de betekenis van de data. 

 Afbeelding 3: een data-inkt visualisatie (onder) versus een non-data inkt visualisatie (boven).³ 

Onbewuste waarnemingingen

Een aspect waar rekening mee moet worden gehouden wanneer je data gaat visualiseren, is pre-attentieve attributen. Dit zijn een aantal visuele attributen die we onbewust waarnemen zodra we een afbeelding zien. Voorbeelden zijn GROOTTE, ^positie, lengte, dikte, kleurintensiteit en licht/donker. In afbeelding 4 staat een aantal voorbeelden. Deze attributen helpen ons om (afwijkingen in) patronen, structuren of verhoudingen te zien.  

 Afbeelding 4: preattentieve attributen^4.

Wanneer we verder inzoomen op een van de preattentive attributen, kleur, zien we dat het gebruik van kleur ervoor zorgt dat mensen de informatie significant beter (73%) begrijpen. Daarnaast kunnen we de informatie ongeveer 70% sneller vinden en wordt de informatie ook nog beter onthouden. Ook de gekozen kleur levert (onbewuste) associaties op: groen levert vaak een positieve associatie op, waar rood vaak verbonden wordt aan iets negatiefs. Niet voor niets worden er in dashboards vaak stoplichten gebruikt om de stand van zaken te weergeven.

Datavisualisatie werkt 

Bij het implementeren van Datagestuurd Werken, is het van belang om niet enkel over de inhoud van rapportages te denken, maar ook naar de vorm waarin de inhoud wordt getoond. Om Datagestuurd Werken effectiever te maken, is het van belang om na te denken over de datavisualisatie. Twee belangrijke aspecten hier van zijn non-data inkt en preattentieve attributen. Dit zorgt ervoor dat je informatie makkelijker om kunnen zetten naar kennis, doordat je sneller structuren en patronen herkent, die je kan gaan interpreteren. Daarnaast zorgt het gebruik van beide aspecten er ook voor dat je deze kennis beter onthouden.

Voor meer informatie kun je contact opnemen met Frank Mester.

¹ Bron: https://www.kadenza.nl/waarom-vertel-me-gewoon-wil-weten-pleidooi-human-centered-bi/

² Bron: bentopresentaties.nl/blog/abstracte-getallen-presenteren/

³Bron: (Bateman et al., Useful Junk? The Effects of Visual Embellishment on Comprehension and Memorability of Charts, 5)

⁴ Bron: Colin Ware, Information Visualization: Perception for Design, 5.