Wizualizacji, podobnie jak wszelkiego rodzaju danych i ich zbiorów, przybywa w szybkim tempie. Współczesna prezentacja – bez wizualizacji danych – mogłaby zostać odebrana niemal jako „nieporozumienie”. Okazuje się jednak, że ilość niekoniecznie idzie w parze z jakością i chociaż zabiegi wizualizacyjne uznawane są dziś za „oczywistość”, wizualizacje bywają z jednej strony – bardzo wtórne, z drugiej – nadmiernie kreatywne, żeby nie powiedzieć – udziwnione. Jednym i drugim może brakować tego, co najistotniejsze – logiki i precyzji.
Rutyna zazwyczaj jest „wrogiem” dobrze rozumianej pomysłowości. Nie inaczej jest z technikami wizualizacyjnymi, przede wszystkim – wykresami. Na temat typów wykresów i technik ich tworzenia napisano już wiele opracowań… i odpowiednio (lub nie) je wizualizowano. Pośród miliona teorii koniecznie trzeba jednak dostrzegać główne ścieżki, które wyprowadzą nas z „wizualizacyjnego” labiryntu albo… przede wszystkim – nie pozwolą nam (zupełnie niepotrzebnie) go stworzyć.
Umiar… ma znaczenie
Prostota kojarzona z elegancją, brak błędu pt. „przerost formy nad treścią”, upraszczanie – zamiast komplikowania… Jeśli o tych założeniach bazowych będziemy pamiętać, mamy szansę uniknąć tego, co dla wizualizacji najgorsze – chaosu (interpretacyjnego). Wizualizacja danych powinna przede wszystkim służyć optymalizowaniu ich analizy. Liczy się czas i efektywność – nie powinno być tu zatem miejsca na ozdobniki, które nic do prezentacji i analizy danych nie wnoszą… może poza wątpliwościami ze strony odbiorcy prezentacji.
Jak zaintrygować odbiorcę i (nie) wyprowadzić go na manowce?
Zakładamy, że naszym zamiarem nie jest celowe stworzenie interpretacyjnego chaosu albo tendencyjne wmanewrowanie odbiorcy w „przekaz”. Niestety, takie praktyki są powszechnie znane, szczególnie jeśli przedmiotem wizualizacji są dane ze świata polityki…
Jeśli chcemy osiągnąć „wizualizacyjny” sukces – zawsze warto mieć na uwadze najprostszy przepis na sukces (autorstwa jednego z inicjatorów nowoczesnego podejścia do analizy danych i ich prezentacji – Edwarda Tufte) – a brzmi on mniej więcej tak: nadrzędna jest prostota przekazu. Jak tę prawidłowość przełożyć na język wykresu? Za dobry można uznać ten wykres, który zawiera maksimum informacji, zaprezentowanych w taki sposób, który pozwala jak najłatwiej je przyswoić, w jak najkrótszym czasie.
Jak się nietrudno domyślić – nie osiągniemy tego nadrzędnego celu np.: używając zbyt wielu kolorów, czy/i perspektyw w wykresie, stosując „rozmywające” clou przekazu ozdobniki, czy też wykazując się zwykłą niedbałością. To wszystko może rozpraszać uwagę odbiorcy, podczas, gdy dzięki wizualizacji danych powinien być w sposób naturalny „zmuszony” do skupienia się nad prezentowanymi informacjami, tak aby finalnie wyprowadzać z przedstawionych danych konstruktywne wnioski.
Sensem tworzenia wykresów nie jest ich – subiektywna dla twórcy – wartość estetyczna, a prostota, nie bez powodu kojarzona z elegancją, która jest wypadkową hierarchii i porządku – przynajmniej w „świecie” wizualizacji. Dobry merytorycznie wykres na pewno nie będzie nieestetyczny i w związku z tym nie potrzebuje nadmiernej kreatywności. Nie będzie to – zgodnie z terminologią używaną przez Tufte’a – „wykres śmieciowy” (chartjunk).
Błędy i „przekręty”
Wizualizacja powinna być jedną z efektywniejszych metod „wyjaśniania” zjawisk, procesów i zależności. W dzisiejszej rzeczywistości „stojącej” danymi – dobra wizualizacja to klucz do sukcesu biznesowego i nie tylko. Dobrze przeprowadzone wizualizacje to zupełnie konkretna oszczędność – wyjątkowego dla każdej organizacji dobra, czyli czasu. Stąd rosnące znaczenie danych, zbiorów danych, ale również metod ich zestawiania, analiz i twórczych interpretacji, dzięki którym wyprowadza się nowe, a nawet nowatorskie (dające przewagę konkurencyjną) rozwiązania.
Jak unikać najczęstszych błędów w wizualizacji danych?
Wrogiem logiki i skuteczności są zabiegi wprowadzające niepewność i chaos interpretacyjny (to m.in. „nieprzystawanie” wizualizacji do treści komunikatu). To również wszelkiego rodzaju nadmiar (np. kolorów). W tym przypadku warto także zwrócić uwagę na rolę kontekstu w tworzeniu wizualizacji danych.
Osoba tworząca wizualizację nie „uskutecznia” jej w próżni. Zawsze musi pamiętać o kontekście (społecznym, kulturowym) np. tak wydawałoby się „oczywistego” czynnika, jakim jest kolor. W różnych grupach (narodowych, lokalnych itp.) znaczenie koloru może być zupełnie inne (podobnie jak różnego rodzaju symbolika i poziom jej abstrakcyjności).
Im bardziej skomplikowane dane, które wizualizujemy, tym większa powinna być erudycja twórcy wykresu – doświadczenie w wykonywaniu tego rodzaju (zróżnicowanych) projektów, szeroka wiedza (nie tylko fachowa) – to istotne narzędzia, z których może i powinien korzystać twórca wizualizacji.
Inna sprawa – w jaki sposób i po co z nich korzysta.
Zdarzają się błędy niezamierzone (np. brak dbałości, co często skutkuje choćby nieczytelnymi osiami, brakiem precyzji – np. trudno porównać określone wartości, gdy jeden z prezentowanych „pasków” zaczyna się w punkcie zero, a drugi – niekoniecznie). Takie działania bywają jednak również zamierzone.
Najlepiej „nadają” się do tego, nie bez powodu nielubiane przez specjalistów, wykresy kołowe. Prezentowanie danych na wykresie kołowym, często z „dodatkiem” perspektywy i w różnych kolorach (jasne optycznie zwiększają obszar, który opisują, ciemniejsze – zmniejszają) może w sposób istotny wprowadzić w błąd odbiorcę.
Dobre praktyki nakazują stosowanie się do naczelnych zasad tworzenia profesjonalnych wizualizacji danych. Bez tych „pozornych” podstaw, żadna, nawet wyjątkowo atrakcyjnie prezentująca się wizualizacja, nie będzie mieć znaczenia poznawczego… a więc będzie się mijać z sensem.
Niezależnie od sposobu prezentacji danych (informacji) nic się nie zmienia od wieków. Musi tu zachodzić efektywna relacja na linii: twórca – komunikat – odbiorca.
Artykuł powstał we współpracy ze specjalistami z firmy Datalab.
