Parhaat käytännöt tiedon visualisointiin
Millaisiin luokkiin tiedon visualisointi voidaan jakaa? Tämä artikkeli auttaa ymmärtämään sinua paremmin infografiikan perusteet.
Tiedon visualisointi on apuväline parempaan ymmärrykseen ilmiöistä datan takana. Dataa ja tietoa on nykyisin saatavilla massiivinen määrä.
On hyvä, että tietoa on paljon saatavilla. Ongelmaksi muodostuu, miten valita datasta se olennainen osa. Jos esimerkiksi tavoitteenamme on parantaa kaupungin liikennevalojen toimivuutta, mutta liikennevaloja koskevaa dataa syntyy terabitti vuorokaudessa, meillä on iso haaste edessämme.
Jotta big dataa ymmärtäisi, se kannattaa visualisoida. Kaikkea ei kuitenkaan kannata visualisoida, sillä valtavasta kohinasta on mahdoton nähdä trendejä.
Big datan kanssa työskentely palauttaa meidät perusasioihin. On mietittävä, mitä esittää ja miksi. Korreloiko tietyt asiat, ja miten ne kannattaisi esittää? Onko kartta paras ratkaisu?
Internetiin tulee jatkuvasti uusia ja edullisia välineitä, joilla visualisointi helpottuu. Napin painalluksella voi tehdä asioita, joista muutama vuosi sitten vain voi haaveilla.
Mistä kannattaa lähteä liikkeelle?
Sido visualisointisi ihmisten käyttäytymiseen ideoiden sijaan. Vältä konsulttikieltä ja puhuttele yleisöäsi. Jos haluaa oppia tekemään hyviä visualisointeja on aluksi opeteltava visuaalisen kielen aakkoset.
Milloin on järkevää käyttää palkkikuviota? Onko värejä liikaa? Täytyykö y-akseli aloittaa nollasta?
Aakkosten hallinta ei tee graafeistasi automaattisesti hyviä, mutta se antaa parhaan lähtökohdan ymmärtää se, mitä on tekemässä. Kuten kirjoitettu teksti, niin visuaalinen kieli on yhtä rikasta kuin kielen sanastot.
Tiedon visualisointi ei ole yksikkö. Se on sarja erilaisia toimintoja. Aivan kuten kirjoittaminen, se vaatii suunnittelua, resursseja ja taitoja. Samalla, kun prosessia pilkkoo palasiksi, on kyettävä ajattelemaan isommassa kuvassa. Mikä on visualisoinnin keskeinen viesti?
Tutustu myös infograafin suunnittelun perusteisiin.
Perusteiden ymmärtäminen
Perustasolla visualisointisi joko selittää konseptin tai tutkii dataa.
Ensimmäinen akseli
Konsepti
Fokus: Ideat.
Tavoite: Yksinkertaistaa, opettaa. “Näin organisaatiomme toimii.”
Data
Fokus: Statistiikka.
Tavoite: Tiedottaa, tutkia. “Näin BKT on muuttunut Suomessa”
On yleensä melko selkeää kumpaa tyyppiä visualisointisi esittää näistä kahdesta.
Sen sijaan seuraavat kaksi voi olla hieman haastavampia. Kommunikoitko jo valmiiksi pureksittua tietoa (selittävä) vai yritätkö saada jotakin uutta selville (tutkiva)?
Toinen akseli
Selittävä
Fokus: Dokumentointi, suunnittelu.
Tavoite: Vakuuttaminen, johtopäätökset. “Koska taloustilanne on muuttunut näin, meidän on vastatattava toisella tavalla”
Tutkiva
Fokus: Prototyypit, interaktio, automatisointi.
Tavoite: Vakuuttaminen, johtopäätökset. “Koska taloustilanne on muuttunut näin, meidän on vastatattava toisella tavalla”
Hyvä esimerkki tutkivasta visualisoinnista on yliopistoissa tapahtuva akateeminen tutkimustyö. Tai jos firmasi pomo tulee vetämään sinua hihasta ja pyytää selvittämään syyn laahanneisiin myyntilukuihin, niin silloin tutkiva visualisointi auttaa parhaiten selvittämään syitä.
Teet hypoteesin myyntiluvuista (esimerkiksi vuodenaikojen vaihtelut), ja toteat dataa vasten väitteensä paikkaansa pitävyyden. Jos tarkalla datan tutkimisella näyttää, että vuodenaikojen vaihtelut todella vaikuttavat myyntiin, niin silloin hypoteesi vahvistetaan ja aletaan sen mukaisiin toimiin.
Tiedon visualisointi - neljä perusmuotoa
Idean piirtäminen
Tämä on niin sanottu konsulttien kulmaus. Tässä nurkkauksessa on paljon prosessikaavioita ja erilaisia pyramidi- ja ympyräkuvioita. Helposti ymmärrettävät metaforat, kuten puut ja talot, auttavat usein idean välittämisessä.
Tärkeintä onnistumisessa on idean SELKEÄ välittäminen. Parhaiten onnistut, kun prosessikaaviot ovat yksinkertaisia, metaforat helpostitajuttavia ja kuviossa keskitytään olennaiseen. Jokaista yksityiskohtaa ei tarvitse tuoda esille.
Älä käytä 3d-kuvioita ja liian monimutkaisia nuolijonoja. Tee niin yksinkertainen visualisointi kuin suinkin viestin välittäminen vaatii.
Idean luonti
Tämä on se klassinen klubiaskin kansi. Yleensä idean luonti piirtämällä tapahtuu jossain ei-formaalissa yhteydessä. Se on erinomainen tapa löytää uusia tapoja lähestyä ongelmaa. Jos idean piirtämisessä hierotaan yhtä visualisointia paremmaksi, niin tässä visualisointityypissä luodaan paljon nopeita vedoksia.
Idean luonti toimii yleensä parhaiten ryhmässä. Myös ympäristöllä on merkitystä. Piirtämistä voi innoittaa esimerkiksi täyttämällä toimiston seinät liitutauluilla ja luoda matalan kynnyksen liitutauluille piirtämiseen.
Idean piirtäminen
Malli: Prosessi, runko.
Missä tyypillisesti: Presentaatiot, opetus, infografiikka
Vaadittavat taidot: Graafinen suunnittelu, taittaminen
Tavoitteet: Opettaminen, yksinkertaistaminen, selittäminen
Idean luonti
Malli: Kompleksinen.
Missä tyypillisesti: Brainstormaus.
Vaadittavat taidot: Tiimityötaidot, visuaalinen ajattelu
Tavoitteet: Ongelmanratkaisu, innovointi
Visuaalinen havainnointi
Visuaalinen havainnointi jakautuu kahteen osaan. Vahvistamiseen ja tutkimiseen. Vahvistamisessa tutkimusaineistoon on liitetty jo valmiiksi hypoteeseja. Hypoteeseja yleensä tutkitaan käyttämällä melko tyypillisiä visuaalisia esitystapoja, joskin joskus myös uudet esitystavat ovat mahdollisia.
Visuaalinen tutkiminen on kaikkein haastavin osa-alue. Tällä osa-alueella hyödynnetään luovia tiedon visualisointeja sekä erilaisia interaktiivisia ratkaisuja. Visualisoinnit ovat usein myös päivittyviä. Lue lisää interaktiviisista infograafeista.
Käytännön työkaluna voi mainita dashboardin, jossa työntekijät voivat filtteröidä ja tutkia dataa riippuen omasta työnkuvastaan. Datajournalismin puolella taas osallistavat ratkaisut “vertaa tulojasi naapurisi tuloihin” ovat esimerkkejä siitä, miten visuaalisessa tutkimisessa jokaisen käyttäjäkokemus on ainutkertainen.
Datajournalismi mahdollistaa myös oivallusten crowdsourcaamisen eli yleisön osallistamisen johtopäätösten tekemiseen. Kun dataa on paljon, yksittäisillä henkilöillä voi olla vaikeaa löytää datasta kaikkea olennaista. Osallistamisella voidaan saada yleisö mukaan journalistiseen prosessiin ja datan tutkimiseen.
Visuaalinen tutkiminen on myös big datan analysointiin tyypillisesti käytetty menetelmä. Perinteiset visualisointimenetelmät taipuvat huonosti, jos datapisteitä on esimerkiksi satoja tuhansia.
Jokapäiväinen tiedon visualisointi
Jokapäiväisellä tiedon visualisoinnilla tarkoitetaan ns. perusgraafeja. Viivakaavioita, palkkikuvioita ja pistekaavioita. Jokapäiväisestä visualisoinnista puhutaan, kun muuttujia on vähän.
Vähemmän on enemmän. Presentoi tieto selkeästi. Taita se kiinnostavasti esille ja hyödynnä kuvitusta. Laita graafeissa keskeinen viesti selkeästi esille. Mitä selkeämmät graafit ja viestit ovat, sitä enemmän vapautuu energiaa johtopäätöksien tekemiseen.
Visuaalinen havainnointi
Malli: Big data, kompleksinen, dynaaminen.
Missä tyypillisesti: Journalismi, analysointi, testaus.
Vaadittavat taidot: Analytiikka, asiantuntijuus, ohjelmointi.
Tavoitteet: Trendien löytäminen, ymmärtäminen.
Jokapäiväinen tiedon visualisointi
Malli: Small data, vähemmän tietoa.
Missä tyypillisesti: Presentaatiot.
Vaadittavat taidot: Taittaminen, graafinen suunnittelu, tarinankerronta.
Tavoitteet: Vakuuttaminen
Tiedon visualisointi on uskomattoman rikas kieli. Sen avulla voi ilmaista sellaisia asioita, joihin teksti ei ikinä pysty. Haluatko suunnitella parempaa infografiikkaa? Käy katsomassa kymmenen vinkkiä infografiikan suunnitteluun.
Tämä blogikirjoitus on suomenkielinen referaatti / kokooma Harvard Business Review’ssä julkaistusta erinomaisesta artikkelista Visualizations That Really Work. Mikäli kiinnostuit aiheesta alkuperäisen artikkelin kirjoittajan kirja Good Charts: The HBR Guide to Making Smarter, More Persuasive Data Visualizations on tutustumisen arvoinen.
- Joel Kanerva
