Verdrink niet langer in complexe data, met datavisualisatie krijg je heldere inzichten. Datavisualisatie zet cijfers en statistieken om in overzichtelijke beelden die boeiende verhalen vertellen. Of je nu marketingcampagnes analyseert, wetenschappelijke bevindingen presenteert of een pakkend verslag maakt, datavisualisatie is wat je nodig hebt. Ontdek de kracht van datavisualisatie, neem de tips in je op en creëer je eigen visuele verhalen die informeren, inspireren en overtuigen.
Het doel van de visualisatie
Allereerst, voor wie maak je de visualisatie? Wat was de vraag en wat wil je precies overbrengen? Wat is de achtergrondkennis van de ontvanger en wat zijn bepaalde aannames die iemand moet doen om te begrijpen wat de visualisatie zal vertellen? Dit zijn allemaal vragen die je kan stellen om te bepalen wat het doel is, en wie de ontvanger is van de communicatie via jouw visualisatie. Je bepaalt hier eigenlijk het kader van je verhaal. Het helpt om te bepalen:
- Waarop je inzoomt (waarop je de aandacht vestigt)
- Wat je niet laat zien
- Wat je moet in/aanvullen
De juiste grafiek
Niet alle grafieken zijn overal voor te gebruiken, dus maak een zorgvuldige afweging en kies het format voor je visualisatie dat het verhaal het beste vertelt en waarmee de belangrijkste vragen die de data genereert, kunnen worden beantwoord. En dat alles moet verband houden met je hoofddoel. Soms kan het zelfs helpen om gerelateerde grafieken met elkaar te combineren, dat kan leiden tot diepgaande verkenning, wat op zijn beurt leidt tot nuttige zakelijke inzichten en antwoorden waar actie op kan worden ondernomen.
Welke formats zijn populair?
Staafdiagrammen zijn handig voor het vergelijken van categorieën met dezelfde eenheid en zijn een van de meest voorkomende datavisualisaties. Ze zijn vooral effectief als je data hebt die in meerdere categorieën kan worden opgesplitst.
Een lijndiagram verbindt verschillende afzonderlijke datapunten en presenteert ze als een doorlopende ontwikkeling. Het resultaat is een eenvoudige, duidelijke manier om wijzigingen in de ene waarde ten opzichte van de andere te visualiseren.
Histogrammen en boxplots laten zien waar je datapunten dicht op elkaar zitten en kunnen categorieën met elkaar vergelijken.
Kaarten zijn de logische keuze voor visualisatie van locatiespecifieke vragen of voor geografisch onderzoek.
Taartdiagrammen zijn een krachtig middel voor het toevoegen van details aan andere visualisaties, maar op zichzelf zijn ze niet zo effectief.
Welke grafiek kies je waarvoor?
De keuze volgt uit je boodschap, niet uit je voorkeur. Deze tabel vat samen wat waarvoor werkt en waar het meestal misgaat.
| Wat je wil tonen | Grafiek | Waar het misgaat |
|---|---|---|
| Categorieën vergelijken | staafdiagram | een as die niet bij nul begint, waardoor verschillen groter lijken |
| Ontwikkeling over de tijd | lijndiagram | ongelijke tijdsintervallen op de as |
| Verdeling van je data | histogram of boxplot | een klassebreedte die het patroon maakt of breekt |
| Aandeel van een geheel | taartdiagram | meer dan vijf partjes, dan leest een staafdiagram beter |
| Geografisch patroon | kaart | niet corrigeren voor bevolkingsdichtheid |
| Twee variabelen samen | spreidingsdiagram | een verband lezen als een oorzaak |
| Antwoorden op stellingen | gestapelde staaf | ordenen op alfabet in plaats van op het percentage eens |
Die laatste valkuil bij het spreidingsdiagram is de bekendste van allemaal: twee lijnen die samen bewegen zijn nog geen oorzaak en gevolg. Waar dat onderscheid precies zit, leggen we uit in ons artikel over correlatie en causaliteit.
Tips rond storytelling
Kies de juiste visualisatie ter ondersteuning van het verhaal
Onthoud: “vorm volgt functie”. Het doel van een visualisatie zou daarom het uitgangspunt van het ontwerp moeten zijn. Stel jezelf dus de vraag: wat wil ik bereiken met deze visualisatie, welke boodschap wil ik overbrengen? Wil je de ontwikkeling in de tijd laten zien, kies dan bijvoorbeeld voor een lijndiagram. Wil je de datapunten vergelijken of een verdeling laten zien, kies dan bijvoorbeeld voor een staafdiagram. Laat de keuze van de visualisatie afhangen van de te communiceren boodschap. De meeste datavisualisatie-experts zijn het erover eens dat het beste is om een visualisatie te kiezen waarmee mensen vertrouwd zijn.
Vertel het hele verhaal
Verborgen informatie blijft vaak onopgemerkt in een spreadsheet. Heb je bijvoorbeeld een omzetstijging van 15 procent in december? Interessant! Maar wat is nu echt interessant? Laat zien dat je sinds januari van hetzelfde jaar een continue omzetstijging hebt gehad. Vertel het hele verhaal door deze informatie met een goede visualisatie te laten zien.
Verwijder alles wat het verhaal niet ondersteunt
Neem een stap terug en overweeg of de visualisatie kan worden vereenvoudigd door drie fundamentele principes: beperken, verminderen, benadrukken. Dat de data complex is, betekent niet dat je grafiek dat ook moet zijn. Houd de visualisatie daarom toegankelijk voor de klant. Voeg bijvoorbeeld een trendlijn toe aan een lijndiagram of verminder het aantal segmenten in een cirkeldiagram. Deze subtiele aanpassingen maken een enorm verschil.
Tips rond labelling
Vermijd mysteries
Door de juiste tekst toe te voegen, die kort en relevant is, kan de klant zich concentreren op het begrijpen van de data in plaats van het uitzoeken van de visualisatie. Gebruik de tekst om het verhaal uit te leggen, te benadrukken of aanbevelingen te doen. Context is van groot belang. Om actie te ondernemen, moet de klant weten hoe de prestaties zich verhouden tot bijvoorbeeld een doel of een benchmark. Presenteer je cijfers ten opzichte van deze benchmark in je visualisatie om de klant te helpen de cijfers beter te interpreteren.
Label je grafiek
Voeg de benodigde labels toe aan de datapunten. Hierdoor kan de klant de informatie veel sneller opnemen, zonder te hoeven zoeken naar bijvoorbeeld een legenda of iets dergelijks. Denk aan grafiektitels, astitels, aslabels, schalen, data labels, enz. Onthoud dat woorden er zijn om te helpen, niet om de aandacht van de data te trekken.
Leg niet te veel uit
Als de titel de boodschap al vermeldt, hoeft het niet herhaald te worden in subtitels. Dit geldt ook voor de labels. Als de precieze waarde van een datapunt belangrijk is om het verhaal over te brengen, pas dan de data labels toe. Als het niet belangrijk is voor het verhaal, laat dan de labels weg.
Tips rond kleurkeuze
Voeg informatie toe met een kleur
Gebruik dezelfde kleur voor dezelfde soort data. Zo kunnen bijvoorbeeld de verkoopcijfers per maand worden weergegeven in één kleur in een staafdiagram, terwijl de verkoopcijfers van het voorgaande jaar in een aparte kleur kunnen worden weergegeven.
Zorg voor voldoende contrast tussen kleuren
Als kleuren te veel op elkaar lijken, kan het moeilijk zijn om het verschil te zien. Gebruik meer uitgesproken kleuren om belangrijke informatie te benadrukken en lichtere voor de rest. Probeer niet meer dan zes kleuren te gebruiken in een datavisualisatie.
Pas op voor kleurassociaties
Gebruik kleuren waar de klant zich mee kan associëren. Het gebruik van bijvoorbeeld de rode kleur voor een hoge temperatuur en blauw voor een lage temperatuur zijn kleurassociaties die voor de klant gemakkelijk te begrijpen zijn. Gebruik daarentegen geen rood voor positieve getallen of groen voor negatieve getallen.
Gebruik visuele aanwijzingen
Een efficiënte manier voor een datavisualisatie om prestaties aan te tonen, is door visuele aanwijzingen te gebruiken, waaronder niet alleen kleur, maar ook pijlen, pictogrammen, tekst, enz. om de klant te helpen bij het interpreteren van informatie.
Twee visualisaties voor enquêtedata
Wie met vragenlijsten werkt, loopt telkens tegen dezelfde twee vormen aan. Ze staan zelden in algemene lijstjes, terwijl je ze in kwantitatief onderzoek voortdurend nodig hebt.
De Likert-schaal visualiseren
Antwoorden van “helemaal oneens” tot “helemaal eens” giet je het best in een gestapelde staafdiagram, één balk per stelling. Zet de negatieve antwoorden links van een gemeenschappelijke nullijn en de positieve rechts, zodat je in één oogopslag ziet waar de weerstand zit. Dat heet een diverging stacked bar.
Drie regels die het verschil maken. Orden op het percentage eens, niet op de volgorde uit je vragenlijst: dan springt de uitschieter eruit. Houd de neutrale categorie apart of laat ze weg, want in het midden verstopt ze de spreiding. En zet het aantal respondenten per stelling erbij, want niet iedereen beantwoordt alles.
Een gemiddelde van een Likert-schaal is verleidelijk maar misleidend: het verschil tussen “oneens” en “neutraal” is niet noodzakelijk even groot als tussen “neutraal” en “eens”. Toon de verdeling, niet het gemiddelde.
De heatmap
Een heatmap zet twee dimensies tegen elkaar en gebruikt kleurintensiteit als derde waarde. Handig zodra je een matrix hebt: tevredenheid per vestiging en per kwartaal, of respons per doelgroep en per kanaal. Het oog vindt daar patronen in die in een tabel met dezelfde cijfers onzichtbaar blijven.
Let op twee dingen. Kies een kleurenschaal die bij je data past: één doorlopende kleur als je van weinig naar veel gaat, twee kleuren vanaf een middelpunt als er een neutraal punt is zoals nul of het gemiddelde. En zet de cijfers in de cellen, want kleur alleen laat niemand precies aflezen hoe groot een verschil is.
Pas ook op met kleine cellen: een fel vakje op basis van zeven respondenten oogt even overtuigend als een op driehonderd. Zet het aantal erbij of laat cellen onder je ondergrens leeg. Wat een verantwoorde ondergrens is, hangt samen met je steekproefgrootte.
Vier tools voor datavisualisatie
Gebruik je een CMS of Google Analytics? Lees je een rapport of onderzoek? Datavisualisatie is altijd een geïntegreerd onderdeel. Is dat niet het geval? Maak dan gebruik van externe tools, zoals deze. We delen enkele mogelijkheden!
#1 Tableau
De tool Tableau wordt veel gebruikt voor de creatieve en interactieve vormgeving van data. Omdat je met Tableau makkelijker filtert op resultaten, verwerk je een grote en diverse hoeveelheid aan data in je visualisaties. Daarnaast is de tool gebruiksvriendelijk, er kruipt wel wat tijd in om er goed mee om te kunnen gaan. Tableau is een betaalde tool, maar biedt ook een gratis versie aan genaamd Tableau Public.
#2 Looker
Een andere geschikte optie is Looker. Deze tool is van Google en onderdeel van de Cloud. Looker heette eerst Google Datastudio. Met een brede range aan blocks en plug-ins op de Marktplaats, werk je veel verschillende type visualisaties uit. Ook kan je verschillende type grafieken en schema’s bij elkaar voegen voor een overzicht en duidelijk verhaal.
#3 Power BI
Als je Microsoft 365 gebruikt dan is Power BI een voor de handliggende optie. Je import eenvoudig data vanuit verschillende bronnen, waarna je snel interactieve dashboards en overzichtelijke rapportages maakt. Power BI, Business Intelligence, verbindt de gehele Microsoft 365-omgeving wat voor makkelijke integratie leidt over de verschillende platformen heen.
#4 Adobe Creative Cloud
Er zijn 2 tools binnen de Adobe Creative Cloud die ideaal zijn voor het maken van infographics. Adobe InDesign en Illustrator zijn de ideale tools voor het maken van professionele infographics. Illustrator blinkt uit in het creëren van vector afbeeldingen en iconen, terwijl InDesign perfect is voor lay-out en typografie.
Ben je geïnteresseerd in datavisualisatie en wil je hier meer over weten? Neem contact op met ons voor een adviesgesprek.
