De sessie van datavisualiste Leenke De Donder gemist?
Geen nood, we zetten de 5 belangrijkste lessen voor jullie op een rijtje.
1. Bezint eer ge begint
Er zijn verschillende redenen om te beginnen grasduinen in je data. Afhankelijk van wat je ermee wil doen - vaak een probleem oplossen, een vooropgestelde impact of reeds bestaande data checken - kan je beslissen nieuwe data te verzamelen (verbreding / verdieping) of een selectie maken van wat je al hebt. Hou een open geest wat betreft de doelstelling van je dataverzameling. Data kan helpen beslissingen te maken op verschillende vlakken en impact aantonen is maar een van de vele facetten. Ook verzamelen om te verzamelen is uit den boze en oogkleppen opzetten en in de ‘confirmation bias’ (= zien wat je wil zien) trappen, raden we af.
2. Tijd voor kwaliteit
Wanneer je je actuele data overzichtelijk voor je hebt, is het tijd voor data cleansing. Data cleansing is het proces waarin je de data onder handen neemt en ervoor zorgt dat ze correct, accuraat, consistent en bruikbaar zijn. Een ware tantaluskwelling wanneer je de dataverzamelingsfase nogal nonchalant hebt opgevat. Toch kunnen kleine optimalisaties (bijvoorbeeld zo weinig mogelijk open vragen stellen) zorgen dat deze fase een pak sneller voorbij gaat. Geen overbodige luxe als je het ons vraagt.
3. Exploreren kan je leren
Datavisualisatie kunnen we grofweg in twee categorieën indelen: ‘exploratory’ visualisatie en ‘explanatory’ visualisatie. Exploratory is veelal interactief, ál jouw data wordt hierbij gevisualiseerd. Als ‘gebruiker’ neem je de leiding en ga je al explorerend op pad in jouw data om inzichten te ontdekken. Praktisch komt het erop neer dat je je data op verschillende manieren visualiseert zodat bepaalde tendensen duidelijk worden. De visualisatie wordt hier bijgevolg als pragmatische tool gebruikt en je mag de homo ludens in jou volledig loslaten.
4. De ene grafiek is de andere niet
De tweede categorie, die van explanatory visualisatie, gebruikt visualisatie als medium. Je visualiseert bepaalde - dus niet alle - data om inzichten te delen met een bepaalde doelgroep. Afhankelijk van de data, het punt dat je wil maken, de context en de doelgroep, kan je er voor kiezen je data anders vorm te geven. Zo is een taartdiagram geschikt wanneer je het wil hebben over proporties en hoe groot een bepaald deel t.o.v. het geheel is. Scatter plots daarentegen lenen zich uitstekend om relaties aan te tonen. Wij halen op 14 februari alvast onze beste scatter plot boven.
5. Het leven is aan de durvers
De vijfde en misschien wel belangrijkste tip: durf te experimenteren! Het is vaak slechts een kwestie van het excelblad met je data op te laden in een (veelal gratis) datavisualisatieprogramma en je bent vertrokken. Al doende leert men en in geen tijd verbaas je vriend en vijand met visuele pareltjes die exact weergeven wat je in je hoofd had. Veel plezier!
> Ben je lid van BBL en wil je hierover meer weten? Stuur heleen.desmet [at] bblv.be (heleen[dot]desmet[at]bblv[dot]be) een mailtje en ontvang gratis de webinar en de powerpoint van de sessie.
> De sessie over datavisualisatie was de eerste in een reeks van 5 webinars rond innovatie. Schrijf je nu in voor de andere sessies!
