Jednym z problemów, na które często trafiam podczas szkoleń z datastorytellingu, są wyzwania związane z wizualizowaniem danych. Nawet poprawne i wartościowe informacje mogą stracić swoją użyteczność, jeśli zostaną zaprezentowane w formie, która utrudnia ich szybkie zrozumienie.
Zapewne wszyscy to znamy – zestawienia kilku wykresów, rozbudowane tabele, kolory, wyróżnienia i komentarze. Każdy z tych elementów ma swoje uzasadnienie, jednak w połączeniu zaczynają konkurować o uwagę odbiorcy. Cytując tytuł pewnego filmu: wszystko, wszędzie, naraz. W efekcie zamiast klarownego przekazu pojawia się przeciążenie poznawcze, a interpretacja danych wymaga znacznie większego wysiłku, niż powinna. Ciekawie mówi o tym badanie przeprowadzone przez Oracle na grupie ok. 14 tys. managerów średniego i wyższego szczebla o nazwie “Decision Dilemma”. O tym badaniu, jego wynikach i wizualizacji danych więcej mówię m.in. w tym wystąpieniu: Link
Główną rolą jest uporządkowanie informacji w taki sposób, aby odbiorca mógł możliwie szybko zrozumieć sens danych i ich konsekwencje. Nie jest to zatem działanie wyłącznie estetyczne i musimy oddzielić efektywną wizualizację danych od takiej, która jest zbyt kreatywna i choć wydaje się atrakcyjna, to nie pomaga nam w zrozumieniu głównych wniosków i informacji zawartych na wykresie, dashboardzie czy w tabeli.
Jednym z najważniejszych podejść do projektowania wizualizacji danych jest koncepcja Data-Ink Ratio, opisana przez Edward Tufte – profesora Uniwersytetu Yale i jednego z najważniejszych badaczy zajmujących się wizualną reprezentacją danych. Odnosi się ona do proporcji między elementami, które rzeczywiście przedstawiają dane, a tymi, które pełnią wyłącznie funkcję dekoracyjną.
W praktyce wiele wykresów zawiera dużą liczbę dodatków: siatki, cienie, obramowania, gradienty czy rozbudowane legendy. Choć często są one domyślnie generowane przez narzędzia takie jak Excel czy PowerPoint, nie zawsze wspierają odbiór informacji. W wielu przypadkach zwiększają jedynie wizualny „szum”, który utrudnia skupienie się na tym, co najważniejsze.
Te elementy w praktyce często są zbędne i należy je zredukować do asbolutnego minimum. Ta redukcja jest zabiegiem przede wszystkim komunikacyjnym, a dopiero w drugiej kolejności – estetycznym. Im większa część wykresu odnosi się bezpośrednio do danych, tym krótsza staje się droga do ich zrozumienia.
Drugim istotnym obszarem są tzw. atrybuty przetwarzane mimowolnie (ang. preattentive attributes), szeroko opisane przez Cole Nussbaumer Knaflic. Obejmują one takie elementy jak kolor, przezroczystość, wielkość czy pozycja, które są rejestrowane przez mózg niemal natychmiast, jeszcze przed świadomą analizą. Autorka, cytując innego wybitnego badacza, Stephena Few, wymienia 12 atrybutów, które są tak naprawdę narzędziami pozwalającymi nam zastosować kontrast w wizualizacji danych. tu warto zauważyć, że nie należy stosować wszystkich na raz oraz że nie wszystkie atrybuty są równie skuteczne.
Dlaczego atrybuty działają? Ponieważ z perspektywy projektowania wizualizacji odbiorca nie „czyta” wykresu od początku do końca. Jeśli atrybuty naniesione są odpowiednio, to osoba analizująca daną wizualizację najpierw dostrzega wyróżnione elementy, a dopiero później interpretuje ich znaczenie. Jeżeli wszystkie części wykresu mają podobną wagę wizualną, trudno jest określić, od czego rozpocząć analizę i które informacje mają największe znaczenie.
Umiejętne wykorzystanie kontrastu i koloru pozwala uporządkować tę percepcję. Jeden wyróżniony element może wskazywać kluczowy punkt, podczas gdy pozostałe tworzą kontekst. Dzięki temu wizualizacja nie tylko przedstawia dane, lecz także wspiera ich interpretację.
Wybór formy wizualizacji bardzo często bywa traktowany jako kwestia techniczna. W praktyce jest to jednak decyzja komunikacyjna, która powinna wynikać z funkcji, jaką dany slajd ma pełnić.
Punktem wyjścia staje się określenie, jaki zakres danych ma zostać pokazany i które z nich należy wyróżnić. W zależności od tego różne formy okazują się bardziej lub mniej użyteczne. Do najważniejszych zasad należy zaliczyć podstawowe rozróżnienie, które mówi, że:
Nie istnieje jeden uniwersalny typ wykresu, który zawsze się sprawdza. Każda forma działa najlepiej w określonym kontekście, a jej skuteczność zależy od tego, czy wspiera interpretację danych, czy ją utrudnia.
Jednym z częstszych wyzwań w prezentacjach biznesowych jest przedstawianie pojedynczych wartości bez odniesienia do szerszego kontekstu. Sama liczba rzadko niesie wystarczającą informację. Dopiero zestawienie jej z wcześniejszym okresem, trendem lub dynamiką zmian pozwala właściwie ją ocenić.
Kontekst czasowy ma szczególne znaczenie w sytuacjach decyzyjnych. Wahania krótkoterminowe mogą wyglądać na istotne, choć w dłuższej perspektywie okazują się naturalne. Z kolei pojedynczy wzrost może wydawać się sukcesem, dopóki nie zostanie porównany z wynikami historycznymi lub benchmarkiem.
Właśnie dlatego wykresy liniowe pełnią tak ważną rolę. Pozwalają zobaczyć nie tylko wartości, lecz także ich kierunek i rytm zmian.
Tabele pozostają narzędziem o dużej precyzji, jednak ich odbiór wymaga większego zaangażowania. Sprawdzają się w materiałach, do których można wracać i analizować je szczegółowo. W samej prezentacji często okazują się mniej efektywne, ponieważ nie prowadzą uwagi odbiorcy.
W takich sytuacjach wykresy lub diagramy pozwalają szybciej uchwycić sens informacji. Diagramy są szczególnie użyteczne tam, gdzie istotne są zależności, procesy lub struktury. Pozwalają przedstawić logikę działania, kolejność etapów lub powiązania między elementami w bardziej intuicyjny sposób.
Ich skuteczność zależy jednak od prostoty. Jeśli forma wprowadza dodatkową złożoność, przestaje pełnić swoją funkcję i utrudnia odbiór zamiast go wspierać.
Niezależnie od wybranej formy, jednym z najważniejszych elementów projektowania wizualizacji pozostaje hierarchia wizualna. Odbiorca, który widzi slajd po raz pierwszy, nie dysponuje kontekstem autora. Sposób rozmieszczenia elementów, kontrast i kolorystyka powinny więc jasno wskazywać, które informacje są kluczowe, a które pełnią rolę tła.
Kolor może podkreślać najważniejsze dane lub wskazywać różnice między elementami. Kontrast pomaga odróżnić poziomy istotności. Typografia wpływa na czytelność i tempo przyswajania informacji. Wszystkie te elementy tworzą razem strukturę, która prowadzi wzrok i ułatwia interpretację. Musimy pamiętać, że narzędzia takie jak Excel, PowerPoint czy nawet narzędzia BI z “defaultu” nie dają nam dobrze zaprojektowanych wykresów i warto je wyedytować. Nie należy brać za docelowe ani kolorystyki wykresów, ani fontów zaproponowanych przez oprogramowanie, ani nawet wartości na osiach x i y, bo niektóre narzędzia – zwłaszcza MS Excel – mają tendencję do automatycznego ucinania danych na osi, co grozi przekłamaniem danych przedstawionych na wykresie.
W praktyce wiele problemów z czytelnością wykresów wynika z nadmiaru elementów dodawanych automatycznie przez narzędzia. Linie siatki, rozbudowane legendy, zbędne etykiety czy efekty wizualne często nie wnoszą wartości informacyjnej.
Projektowanie wizualizacji można więc traktować jako proces selekcji. Każdy element powinien mieć uzasadnienie związane z interpretacją danych. Jeżeli go brakuje, usunięcie takiego elementu zwykle poprawia przejrzystość.
Wizualizacja danych w prezentacjach biznesowych pełni funkcję znacznie szerszą niż estetyczna. Jej zadaniem jest uporządkowanie informacji, nadanie im kontekstu oraz wsparcie odbiorcy w zrozumieniu ich znaczenia.
Podejścia takie jak Data-Ink Ratio czy wykorzystanie atrybutów przetwarzanych mimowolnie pokazują, że skuteczność wizualizacji nie wynika z liczby elementów, lecz z ich selekcji i sposobu użycia. To właśnie te decyzje decydują o tym, czy dane pozostaną jedynie zbiorem liczb, czy staną się podstawą do świadomego działania.