Inhoudsopgave:
- Gegevensverhalen voor besluitvormers voor organisaties
- Gegevenspresentatie voor analisten
- Gegevenskunst ontwerpen voor activisten
Video: Inergy Inspiriment keynote Frederik Ruys 2024
A datavisualisatie is een visuele representatie die is ontworpen met het doel de betekenis en het belang van gegevens en gegevensinzichten over te brengen. Omdat datavisualisaties zijn ontworpen voor een heel spectrum van verschillende doelgroepen, verschillende doelen en verschillende vaardigheidsniveaus, is de eerste stap om een geweldige datavisualisatie te ontwerpen, uw publiek kennen .
Doelgroepen zijn er in alle soorten, vormen en maten. Je zou iets kunnen ontwerpen voor de jonge en edgy lezers van Rolling Stone magazine, of misschien moet je een visualisatie ontwerpen om wetenschappelijke bevindingen over te brengen aan een onderzoeksgroep. Het is mogelijk dat je publiek bestaat uit bestuursleden en besluitvormers van organisaties, of misschien ontwerp je een stuk dat bedoeld is om een ruckus op te wekken met leden van een lokale basisorganisatie.
Omdat elk publiek een unieke klasse consumenten zal hebben, elk met hun unieke behoeften aan datavisualisatie, is het essentieel om duidelijk te maken voor wie u ontwerpt. In de paragrafen leer je de drie belangrijkste soorten datavisualisaties kennen en hoe je degene kiest die het beste aansluit bij de behoeften van je publiek.
Gegevensverhalen voor besluitvormers voor organisaties
Soms moet u datavisualisaties ontwerpen voor een minder technisch publiek, misschien om leden van dit publiek te helpen beter geïnformeerde zakelijke beslissingen te nemen. Het doel van dit type visualisatie is om uw publiek het verhaal achter de data te vertellen. Bij het vertellen van gegevens is het publiek afhankelijk van u om inzicht te krijgen in de gegevens achter de visualisatie en nuttige inzichten om te zetten in visuele verhalen die zij kunnen begrijpen.
Met gegevensverhalen , zou het uw doel moeten zijn om een overzichtelijke, zeer gerichte visualisatie te creëren, zodat leden van uw publiek snel zin kunnen extraheren zonder veel moeite. Deze visualisaties worden het beste geleverd in de vorm van statische afbeeldingen, maar meer bedreven besluitvormers geven misschien de voorkeur aan een interactief dashboard dat ze kunnen gebruiken om een beetje onderzoek en wat-als-modellering te doen.
Gegevenspresentatie voor analisten
Als u ontwerpt voor een menigte van logische, berekenende analisten, kunt u datavisualisaties maken die vrij open zijn. Het doel van dit type visualisatie is om kijkers te helpen de gegevens visueel te verkennen en hun eigen conclusies te trekken.
Wanneer u gegevens gebruikt die -technieken demonstreren, zou het uw doel moeten zijn om veel contextuele informatie weer te geven die uw doelgroepleden ondersteunt bij het maken van hun eigen interpretaties.Deze visualisaties moeten meer contextuele gegevens bevatten en minder afdoende focus, zodat mensen erin kunnen komen, de gegevens voor zichzelf kunnen analyseren en hun eigen conclusies kunnen trekken. Deze visualisaties worden het best geleverd als statische afbeeldingen of dynamische, interactieve dashboards.
Gegevenskunst ontwerpen voor activisten
Je zou kunnen ontwerpen voor een publiek van idealisten, dromers en veranderaars. Wanneer u ontwerpt voor deze doelgroep, wilt u dat uw visualisatie een punt maakt! U kunt ervan uitgaan dat uw typische doelgroep niet zo analytisch is. Wat deze mensen missen in wiskundige vaardigheden, echter, ze meer dan compenseren in vaste overtuigingen.
Deze mensen kijken naar uw gegevensvisualisatie als een voertuig om een verklaring af te leggen. Bij het ontwerpen voor deze doelgroep is datafunctie de juiste keuze. Het belangrijkste doel in datakunst is om te amuseren, te provoceren, te irriteren of te doen wat nodig is om een luide, duidelijke, aandacht-eisende verklaring af te leggen. Datakunst heeft weinig tot geen verhaal en biedt kijkers geen ruimte om hun eigen interpretaties te vormen.
Het is belangrijk om hier te benadrukken dat data scientists een ethische verantwoordelijkheid hebben om gegevens altijd nauwkeurig weer te geven. Een data-wetenschapper mag de boodschap van de data nooit verdraaien om te passen bij wat het publiek wil horen - zelfs niet voor datakunst! Niet-technische doelgroepen weten niet eens wat de mogelijke problemen zijn, laat staan dat ze ze kunnen zien. Ze vertrouwen op de gegevenswetenschapper om eerlijke en nauwkeurige representaties te bieden, waardoor het niveau van ethische verantwoordelijkheid dat de gegevenswetenschapper moet aannemen, wordt vergroot.