Overtuigen met data vraagt om krachtige datavisualisatie

Door Kim Rooimans

Vorige maand kon je kennis maken met de negen drivers van de datagedreven organisatie. Om in beweging te komen, is één driver ontzettend belangrijk: de autoriteit en zeggingskracht van data. In de ideale situatie worden beslissingen onderbouwd met data in plaats van onderbuikgevoel. Maar om daar te komen, moeten medewerkers wel in staat zijn om data en cijfers goed te interpreteren. Hier komt de volgende driver om de hoek kijken: datacompetenties. Beschikken je medewerkers over de juiste competenties, kennis en ervaring om besluiten te nemen op basis van data?

Mijn ervaring is dat het zeker geen gegeven is, dat iedereen binnen een organisatie cijfers goed kan interpreteren. Enerzijds groeit de bewustwording dat de beschikbaarheid van data een grote bijdrage kan leveren aan het nemen van belangrijke beslissingen. Anderzijds is het nog niet vanzelfsprekend dat kinderen, burgers en collega’s structureel een gevoel hebben voor cijfers. Deze worden vaak moeilijk gevonden en belanden in een lade in plaats van op tafel ter onderbouwing van het juiste besluit. Tegelijkertijd steken overheden en organisaties veel tijd en geld in het verzamelen, opschonen en bewerken van data. En in het presenteren daarvan. Maar wat als de cijfers in die mooie presentatie totaal niet worden begrepen?

Algemene principes van visuele perceptie

Is fors investeren in het interpreteren van cijfers noodzakelijk? Je kunt je sowieso afvragen of je in de moderne wereld per definitie statisticus moet zijn om mee te kunnen komen. Ik ben van mening dat er veel eenvoudigere manieren zijn om je doelgroep data en cijfers te laten begrijpen. Niet iedereen heeft een HBO- of WO-studie afgerond of een basiscursus statistiek gevolgd, maar de meesten snappen heel goed hoe zij de wereld om zich heen visueel waarnemen en verwerken. Gebruik deze algemene principes van visuele perceptie dan ook om informatie zo laagdrempelig mogelijk aan te bieden.

Welke principes van visuele perceptie kun je gebruiken om cijfers effectief over te brengen? We beginnen bij de basis. Laten we ons voor nu beperken tot onderstaande illustratie. Elke waarneming begint met een fysieke prikkel. Een lichtbron, de zon bijvoorbeeld, genereert zonnestralen die worden weerkaatst door een object in de wereld. Onze ogen vangen een deel op en zenden een elektrisch signaal naar onze hersenen. Hier stopt de fysieke waarneming. De hersenen nemen het nu over.

Pre-attentieve verwerking als krachtig wapen

In de eerste stap van dit cognitieve proces slaan onze hersenen de informatie op in ons iconisch geheugen. Net als een computer gebruiken onze hersenen een buffer. Ze slaan de data op tot de complexe verwerking begint; zoals het RAM-geheugen van een pc. Een waargenomen prikkel zit minder dan 1 seconde in het iconisch geheugen. In die tijd vinden er razendsnel zogenaamde pre-attentieve bewerkingen plaats. Het benutten van deze verwerking van visuele stimuli in (data)visualisaties is een enorm krachtig gereedschap om de aandacht te trekken.

Van het iconisch geheugen gaat het beeld naar het kortetermijngeheugen. Ook dan vindt er een bewerking plaats. De hersenen clusteren relevante informatie en verpakken het in pakketjes visuele informatie. Deze blijven enkele seconden tot een uur bewaard, afhankelijk van hoe vaak het beeld herhaald wordt. In het kortetermijngeheugen vinden complexe, bewuste bewerkingen van de informatie plaats. Denk bijvoorbeeld aan het vergelijken van twee getallen om te concluderen of er winst of verlies is gemaakt.

“Vaak worden cijfers moeilijk gevonden
en belanden ze in een lade in plaats van op tafel
ter onderbouwing van het juiste besluit.”

Informatie slim aanbieden

Het kortetermijngeheugen heeft een beperkte capaciteit. Over het algemeen kan het circa vier ‘pakketjes’ informatie tegelijkertijd aan. Dit heeft belangrijke implicaties voor het ontwerp van een datavisualisatie. Zo moet een lezer bij een grafiek met een legenda met 10 verschillende kleuren, continu terugkijken naar die legenda.

Bied je informatie op een slimme manier aan, dan zorg je ervoor dat de hersenen de visuele informatie in pakketjes verpakken. Door informatie te visualiseren en verschillende data te combineren tot één geheel of patroon, maak je het gemakkelijker om meer informatie tegelijkertijd in het werkend geheugen op te nemen en hier bewuste, complexe bewerkingen op te doen. Dit verklaart dat de trend in Voorbeeld 1 moeilijker is waar te nemen dan in Voorbeeld 2.

Betekenisvolle patronen en verbanden

Als we, bewust of onbewust, beslissen dat informatie belangrijk is om te bewaren, verhuist het naar het langetermijngeheugen. Dit stelt ons in staat om betekenisvolle patronen en verbanden te herkennen op basis van eerdere ervaringen. Hoewel onze kennis van het langetermijngeheugen geen directe aanknopingspunten geeft voor het verbeteren van ons ontwerp van datavisualisatie, onderstreept het wel de noodzaak de doelgroep in gedachten te houden. Het opnemen van een standaard deviatie is bijvoorbeeld een goed idee als het een wetenschappelijk artikel betreft, echter laat je het beter weg wanneer je met een datavisualisatie een SIRE campagne kracht bij zet.

Pre-attentieve attributen

Nu we wat meer inzicht hebben in hoe onze hersenen visuele informatie verwerken, laat ik je graag zien wat mijn favoriete gereedschappen zijn in datavisualisatie: pre-attentieve attributen. Dit zijn visuele eigenschappen die al door het iconisch geheugen kunnen worden herkend. Maar eerst een experiment:

Hoeveel vijven zie je in onderstaande cijferreeks?

Het kostte je vast wat tijd om alle zes de vijven op te sporen. Nu nog een keertje:

Dat ging vast een stuk sneller! In de eerste cijferreeks duurt het langer de cijferreeksen te herkennen om dat je brein een complexe bewerking moet uitvoeren: je gaat de reeks af om alle cijfers met elkaar te vergelijken. Dit vindt plaats in het kortetermijngeheugen en het duurt even voordat visuele signalen dit gedeelte van de hersenen bereiken.

In de tweede cijferreeks zijn de vijven te onderscheiden van de overige cijfers op basis van kleur intensiteit, een eigenschap die kan worden verwerkt door ons iconisch geheugen. Visuele prikkels bereiken dit gedeelte van de hersenen niet alleen sneller, de bewerkingen die het iconisch geheugen uitvoert kosten ook minder tijd. Dit verschil ten opzichte van de overige cijfers kan daarom veel sneller worden waargenomen. De enige complexe bewerking die je dan nog hoeft uit te voeren is het tellen van het aantal vijven. Visuele eigenschappen die door ons iconisch geheugen kunnen worden waargenomen en verwerkt noemen we pre-attentieve eigenschappen. Deze ‘truc’ – het gebruiken van een pre-attentieve eigenschap – kun je ook toepassen om je lezers sneller en beter grafieken of tabellen te laten lezen.

“De juiste datavisualisatie kan het verschil maken
tussen overtuigen binnen een seconde
of een vergadering van een uur.”

Negen pre-attentieve eigenschappen

Stephen Few* identificeert negen pre-attentieve eigenschappen, verdeeld over drie categorieën voor gebruik in tabellen en grafieken:

Iedereen die regelmatig rapportages maakt met cijfers en grafieken, heeft onbewust al één of meer pre-attentieve eigenschappen toegepast. Heb je weleens een staafgrafiek gemaakt? Dan heb je de pre-attentieve eigenschap ‘lengte’ benut door kwantitatieve waarden te coderen in de lengte van de staven. Doordat lezers in het iconisch geheugen al langere en korte staven onderscheiden, doorgronden ze sneller de verhouding van deze kwantitatieve waarden ten opzichte van elkaar. Misschien heb je wel eens één van de staven blauw gemaakt, om het eigen marktaandeel aan te geven ten opzichte van vier concurrenten, zoals in het voorbeeld hieronder. Dankzij het vermogen van onze hersenen om de tint van objecten pre-attentief te onderscheiden, kunnen lezers onmiddellijk de eigen situatie afzetten tegen die van concurrenten.

Bewust(er) aan de slag

Je hebt kunnen zien dat je niet bekend hoeft te zijn met de theorie van visuele perceptie en pre-attentieve eigenschappen om er slim gebruik van te maken. Pakketten om data te visualiseren bieden vaak uitstekende standaard visualisaties aan. Echter betekent dit niet per definitie dat alle functionaliteit voor het visualiseren van data in de software die je gebruikt, geschikt is om jóuw boodschap over te brengen. Om mij heen zie ik een groeiende behoefte aan het overbrengen van cijfers en de implicaties ervan. Bijvoorbeeld om opdrachtgevers te overtuigen van een oplossing of collega’s bewust te maken van een probleem en alles ertussenin. De juiste datavisualisatie kan het verschil maken tussen overtuigen binnen een seconde of een vergadering van een uur.

De meeste mensen gebruiken standaard functionaliteiten uit software voor het visualiseren van data, zonder zich bewust te zijn hoe de aanpak die ze toepassen werkt. Daarom worden situaties waarin de gekozen datavisualisatie niet werkt vaak gemist en zelfs als dit wordt (h)erkend heeft men vaak niet de tools in handen om onderbouwd beslissingen te maken over mogelijke verbeteringen. Door te begrijpen hoe onze hersenen visuele informatie verwerken zien we in waarom een grafiek meteen overtuigt of juist tot discussie leidt. Het stelt ons in staat om na te denken over keuzes die we maken bij het opstellen van een datavisualisatie. Dat resulteert in een professioneel product, dat (sneller) leidt naar het gewenste resultaat: je lezer overtuigen van je boodschap.

Ik hoop dat dit stuk je op weg heeft geholpen om hier meer over te ontdekken. Mijn advies: duik erin en denk onderbouwd na over hoe je je data wilt tonen. Dan ben je namelijk echt op weg naar datagedreven werken en de toekomst van het overtuigen: onderbouwen met juiste en overtuigend gepresenteerde data.

* “Show me the numbers: Designing Tables and Graphs to Enlighten”, Stephen Few, 2012 Analytics Press.

Meer weten over datavisualisatie? Kim Rooimans vertelt je graag meer.
Of schrijf je in voor de Mobilee kennisblog