Share on FacebookTweet about this on TwitterShare on LinkedIn

To Explore or to Explain?

blog

In onze vorige post legden we uit wat de buzzwords Big Data nu eigenlijk betekenen. Deze keer willen we het even hebben over hoe je om kan gaan met die Big Data. Hierbij is visualisatie heel erg belangrijk. Een datavisualisatie kan enerzijds een tool zijn die je helpt om data te analyseren, maar het kan anderzijds ook het resultaat zijn van die analyse.

De manier waarop je visualisatietechnieken gebruikt hangt af van wat je met de data wil doen: to explore or to explain?

Datavisualisatie als tool bij data-analyse: to explore

Om een dataset visueel te kunnen analyseren, wordt er vaak een interface ontworpen waar de dataset wordt ingegoten. Via deze interface kan je je weg vinden in je eigen of in andermans data. Je kan het zien als een tool om de data te verkennen. Er wordt niet voorgesteld wat je uit de data kan afleiden, er wordt enkel een manier aangeboden om de data makkelijker onder de loep te nemen. Je duikt in de onbekende dataset en gaat zelf op zoek naar context, gelijkenissen, relaties en inzicht… Hierbij helpt het visualiseren van de data om de onderlinge relaties veel sneller op te sporen. Interactiviteit en manipulatiemogelijkheden zijn hierbij van groot belang: de gebruiker is baas over de dataset.

Voorbeelden hiervan zijn:

  • een tool die de human resources data van een bedrijf visualiseert. Hierdoor werd de uitwerking en monitoring van talent management strategieën aanzienlijk vergemakkelijkt. http://dataveyes.com/#!/en/case-studies/outil-rh
  • een webapplicatie die omgaat met een enorme hoeveelheid data over bossen wereldwijd. Hier kan je nagaan of beschermde gebieden effectief hun bossen behouden, wat de belangrijkste trends in je eigen land zijn en waar er bomen verloren gingen in de afgelopen week. http://www.vizzuality.com/projects/global-forest-watch

Datavisualisatie als resultaat van analyse: to explain

Bij een datavisualisatie die 'explanatory' is, wordt er een visueel verhaal verteld met de resultaten van de data-analyse. Bij storytelling met data weet je dus al wat er in de dataset zit en wil je een gefocuste visualisatie maken die je bevindingen naar de lezer/gebruiker communiceert.

Voorbeelden hiervan zijn

Het visualiseren van data is zeker geen absolute keuze, de meeste datavisualisaties bevinden zich ergens op het continuüm tussen exploratory en explanatory. Aan de ene kant van het continuüm moet de gebruiker zelf zijn weg doorheen de data te vinden en heeft hij alle touwtjes in handen; aan de andere kant wordt de lezer meer in een bepaalde richting geduwd en beslist de auteur wat de lezer/gebruiker te zien krijgt. Het is belangrijk om hier per project de beste balans in te vinden. Hulp of inspiratie nodig in data visualisatie? Kom eens langs!

Share on FacebookTweet about this on TwitterShare on LinkedIn