Datavisualisatie: dat is toch alleen het maken van grafieken?

Datavisualisatie, ofwel het grafisch maken (visualiseren) van data. Simpel en eenvoudig zou je kunnen zeggen, want je maakt gewoon een grafiek van de tabel met gegevens. Echter, niets is minder waar. De meeste standaard grafiekfabrieken zoals Excel, visualiseren de data naar een grafiek zonder er bij na te denken of de betreffende visualisatie ook daadwerkelijk informatie oplevert voor de lezer.

Deze onvolkomenheid komt vaker voor bij geautomatiseerde pakketten die data om kunnen zetten in een plaatje. Is een goede datavisualisatie dan alleen mogelijk met maatwerk? Nee, helemaal niet. Neem nu de SAC (SAP Analytics Cloud), deze oplossing bevat vele standaard grafieken, afhankelijk van de dataset(s) kan een gebruiker de optimale visualisatie selecteren.. Het is niet zozeer de tool die er voor zorgt dat de meeste organisaties die zich bezig houden met (SAP) Business Intelligence (BI) in dezelfde valkuilen trappen. In de meeste gevallen onderschat de organisatie wat er nodig is om te komen tot een goede datavisualisatie en uiteindelijk tot een helder dashboard. Waarom is dat nu eigenlijk?

 

Wat is datavisualisatie eigenlijk?

Datavisualisatie wordt ook wel kennisvisualisatie of wetenschappelijke visualisatie genoemd. Het is een interdisciplinair vakgebied en omvat het visueel weergeven van informatie (lees: gegevens), waarbij grafische vormgeving wordt gecombineerd met IT en de functionele businessprocessen van de klant. Het verstrekken van informatie op eenvoudige wijze (een plaatje zegt meer dan duizend woorden) lijkt simpel, maar dat is het niet. Bovendien zijn er tal van manieren om data te visualiseren, waarbij elke keer getoetst moet worden wat de beste manier is om de informatie boven tafel te krijgen.

Het verrassende is dat veel bedrijven zich laten verleiden tot het werken met dit soort visualisaties. Op zich klopt de grafiek want het is een visuele weergave van de werkelijkheid. Het is voor de lezer echter niet evident welke conclusie er getrokken kan worden uit de grafiek.

 

Datavisualisatie geeft informatie

Het verkrijgen van de benodigde (stuur)informatie uit dit soort visualisaties is nagenoeg hetzelfde werk als het halen van de stuurinformatie uit de ruwe data zelf. Zeker door de toenemende datavolumes en het steeds meer tot in detail kunnen vastleggen van gegevens, is het maar de vraag hoe al die gegevens ontsloten kunnen worden en uiteindelijk gekanaliseerd kunnen worden tot leesbare, geconcentreerde (stuur)informatie. Immers, de opbouw van de (big) data gaat nog altijd op een geaggregeerde manier om te komen tot een key-figure op hoog niveau, terwijl de behoefte aan de informatiezijde vaak gaat om het kunnen doorklikken tot op het laagste niveau.

De schijnbare tegenstelling tussen deze twee informatiestromen vormt in principe de kern van het ontsluiten: hoe te navigeren in de opwaartse en neerwaartse stroom van data?

 

Navigeren in de datastroom

Naast het kiezen van de juiste visualisatie bij de juiste gegevens, is ook de manier van ontsluiten van deze data een belangrijke factor in bij het maken van een dashboard. Op welke manier wordt de geaggregeerde data weer afgebroken naar een zinvol niveau? Per definitie gaat een dashboard niet door tot de “tiny details”, de plaatjes moeten echter wel een verhaal vertellen en daarmee het beslissingsproces kunnen ondersteunen.

Bij het navigeren binnen data of een dashboard is het vaak de vraag of de gegevens uitgezet worden op basis van tijd of op basis van bepaalde kenmerken. Deze beslissing is ook weer van invloed op de gekozen visualisatie. Een vaak gemaakte fout is dat men in dashboards te snel naar een bepaalt niveau wilt afdalen, waarbij de visualisatie compleet overstuur wordt geholpen omdat bijvoorbeeld plots honderden kostenplaatsen van toepassing zijn op de gemaakte keuze. Daar waar een hoog datavolume eenvoudig in tabellen geanalyseerd kan worden, zal bij de navigatie binnen een dashboard juist gebruik gemaakt moeten worden van meerdere niveaus. Immers, bij het vastleggen van de data worden er meer gegevens vastgelegd dan waar daadwerkelijk naar gekeken wordt. De meeste bedrijven hebben geen compleet beeld van de schat aan informatie die ze in bezit hebben.

 

Datavisualisatie: Wat wel doen en wat zeker niet doen?

Kortom, het maken van een dashboard en het kiezen van de juiste visualisatie is geen rocket science, maar het is ook geen simpel technisch vraagstuk. Als handvat hieronder aantal tips om te komen tot de juiste oplossing: