Zo leest iemand een datavisualisatie
herwerkt op
Op dag één van een project ligt er een lijst. Twintig kengetallen, een stuk of wat verhoudingen, alles op één scherm, en filterbaar op zowat elk veld. Vraag je naar een schets, dan krijg je een blad papier met krabbels. En morgen moet het klaar zijn.
Ik ken dat gesprek goed. Wat er dan gevraagd wordt, is bouwen zonder de data te kennen. Dat is een buschauffeur vragen om een vliegtuig te landen, want er zit toch ook een gaspedaal en een rem in.
Op zo'n moment vraag ik altijd hetzelfde: laat me eerst een dag naar de data zelf kijken. Dat kost tijd die niemand ingepland had. Het levert altijd meer op dan proberen en opnieuw proberen.
Want de vraag is niet hoeveel visualisaties er op dat scherm passen. De vraag is wat er in het hoofd van je lezer gebeurt tussen het openen van het rapport en het nemen van een besluit. Dat verloopt in drie stappen, en op elke stap kan je iets verliezen.
Stap één, waarnemen
De eerste stap gaat over lezen. Zonder enige voorkennis, zonder context van buiten. Wie hier vastloopt, komt nooit bij een besluit.
- Wat staat hier?
- Welke data zie ik?
- Hoe is ze weergegeven?
- Kan ik ze vertrouwen?
Neem een staafdiagram van verkopen per spelplatform. In een halve seconde weet je wat je voor je hebt. Verticale staven, waarden per categorie, één jaartal. De titel doet het meeste werk. Je voelt je op je gemak, want de vorm is vertrouwd.
En meteen springt er iets uit. Eén categorie torent boven de rest uit. Dat merk je op voor je één label gelezen hebt. Die eerste blik is geen bijzaak, het is de plek waar je de aandacht wint of kwijtspeelt.
Stap twee, interpreteren
Hier komt de context erbij. Wat je waarnam, krijgt betekenis. En hier wordt het lastig, want die betekenis komt niet uit de visualisatie. Ze komt uit het hoofd van wie ze leest.
- Wat valt op?
- Wat had ik niet verwacht?
- Wat doet er hier echt toe?
Mijn interesse in spelconsoles helpt me bij dat staafdiagram. Ik zie dat twee handhelds in de lijst staan, en dat Nintendo er meer van verkocht dan Sony. Ik zie dat er nog altijd spellen voor de vorige generatie over de toonbank gaan, jaren na de opvolger. Dat laatste is voor een uitgever geen weetje, dat is een reden om achterwaartse compatibiliteit te bouwen.
Iemand zonder die interesse ziet staven. Dezelfde data, hetzelfde beeld, een ander resultaat. Daar komt de bereidheid nog bovenop. Niet iedereen heeft zin om zich in jouw scherm te verdiepen. Wie de organisatie leidt, wil de grote lijn. Wie de dagelijkse opvolging doet, wil de details. Eén beeld voor allebei bestaat zelden.
We kunnen naar data kijken en ze toch niet zien.
Stap drie, bevatten
De laatste stap draait de zaak om. Tot hier ging het over de data. Nu gaat het over de lezer zelf.
- Wat heb ik hier geleerd?
- Wat doet dat met mij?
- Wat ga ik nu doen?
Bij dat staafdiagram was mijn eigen oogst bescheiden. Dat Playstation en Xbox goed verkopen, wist ik al. Wat ik niet wist, is hoe ver Playstation boven de rest uitsteekt, en dat pc-spellen zelfs onder de vorige generatie consoles blijven. Dat laatste zette me aan het denken over hoe die spellen op een pc terechtkomen.
De uitkomst hangt volledig af van wie er kijkt. De ene zegt wow, de tweede zegt dat wist ik al, de derde haalt zijn schouders op. Wie visualiseert, kan onmogelijk voorspellen wat zijn publiek al weet.
Waarom dit niet genoeg is
Deze drie stappen beschrijven wat een lezer doormaakt. Dat is nuttig om te weten en het is ook meteen hun beperking, want ze zeggen niets over wat jij eraan kan doen. Waarnemen overkomt je. Aandacht richten is iets wat je doet.
Daarvoor gebruik ik A.R.T., dat dezelfde drie momenten vanuit de maker bekijkt. Attention voor het moment waarop je opvalt of verdwijnt. Recognition voor wat het oog herkent zonder erbij na te denken. Takeaway voor wat er een week later nog overblijft. Waar dat model vandaan komt, is een ander verhaal, en dat begint bij een schildersezel.
Wat je eraan hebt
Een datavisualisatie is een middel om iets over te brengen. Ze is geen waarborg dat het aankomt. Wie dat aanvaardt, stopt met vragen waarom niemand zijn dashboard gebruikt, en begint te vragen op welke van de drie stappen het misloopt.
Meestal is dat de tweede. De data klopt, de vorm klopt, en toch legt niemand het verband met zijn eigen werk. Dat is geen technisch probleem. Daar helpt geen extra visualisatie tegen.
PerceptieDatavisualisatie