Diesmal beginnt unsere Geschichte vor etwa fünf Jahren, vielleicht auch etwas länger. Meine Tochter war damals in ihrer Eisenbahnphase, also bauten wir gemeinsam Gleise mit den kleinen Holzeisenbahnen. Manchmal beanspruchten wir dafür den ganzen Küchenboden.
Sie ließ sich abends immer Geschichten von Thomas, der kleinen Lokomotive, vorlesen, und ihre Lieblingssendung waren die Thomas & seine Freunde-Geschichten der BBC. Was hat das nun mit JMP zu tun? Nun, damals rein gar nichts. Ich habe in dieser Zeit nicht einmal für JMP gearbeitet. Aber da ich nicht reisen konnte ( weil die Welt verrücktspielt), habe ich mich wieder etwas mehr mit meinen Wurzeln im Grafikdesign beschäftigt und Datenvisualisierung studiert. Es hat mir großen Spaß gemacht.
Ich habe mir Videopräsentationen von Xan Gregg ( @XanGregg ) angesehen, meine Notizen aus anderen Präsentationen durchgegangen und etwas von Edward Tufte und Stephen Few gelesen. Ich hatte sogar die Gelegenheit, ein paar Kurse bei Nick Desbarats zu besuchen.
Irgendwann in den letzten Monaten machte es Klick, und mir wurde klar, dass all diese Experten für Datenvisualisierung im Grunde dasselbe im Schilde führen (wenn Sie mir das Wortspiel verzeihen). Würde man alles, was Datenvisualisierungsexperten sagen, auf einen einzigen Gedanken reduzieren, könnte er direkt aus einem Bilderbuch von Thomas, der kleinen Lokomotive, stammen: Eine Visualisierung will einfach nur nützlich sein.
Prunkvolle Züge vs. betriebsbereite Züge
In den (stark urheberrechtlich geschützten) Büchern meiner Tochter versuchen die vermenschlichten Züge im Allgemeinen alle, nützlich zu sein. Aber jeder hat seinen eigenen Charakter: Manche mögen es sauber, manche stören sich nicht daran, etwas rauer zu sein, und manche mögen es auffällig. Es gibt eben alle möglichen Charaktere, nicht wahr? Letztendlich ist das größte Lob, das ein Mensch den Loks aussprechen kann, dass sie „ wirklich nützlich “ waren. Nicht, dass sie hübsch, auffällig oder etwas rau waren, sondern einfach nur, dass sie nützlich waren.
Würde man einem Graphen menschliche Züge verleihen, könnte er ein ähnliches Gefühl vermitteln. Doch wie wird ein Graph nützlich? Alles beginnt mit einer Problemstellung, einer Botschaft oder einer Erkenntnis, die der Graph vermitteln soll. Betrachten wir einige Beispiele, vergleichen wir sie mit ihren jeweiligen Zwecken und sehen wir uns dann einige Anpassungen an, um sie nützlicher zu machen.
Dieses Diagramm tauchte vor einiger Zeit in meinem Newsfeed auf. Der angegebene Zweck war, „die verschiedenen Aktivitäten hinsichtlich des Coronavirus-Risikos zu vergleichen“, basierend auf vier im Artikel definierten Faktoren.
Wie gut hat diese Grafik also ihren Zweck in der Visualisierungsübung erfüllt? Meiner Meinung nach lautet die Antwort: „Es war in Ordnung, aber es hätte deutlich besser laufen können.“ Wir werden später auf die Details eingehen, warum das so ist, aber im Kern geht es darum, dass es schwierig ist, auf einen Blick zu erkennen, welche Aktivitäten riskant sind und die Risikostufen verschiedener Aktivitäten zu vergleichen.
Im nächsten Beispiel nutze ich eine Visualisierung, die ich für meinen Halloween-Artikel von 2020 erstellt habe. Ich analysierte den Text von Orson Welles' Radiosendung „Der Krieg der Welten“. Meine Analyse finden Sie hier . Ziel dieser Visualisierung war es, alle Begriffe des Radioskripts zusammenzufassen und wichtige Themen oder Begriffe hervorzuheben.
Wie habe ich mich geschlagen? Ich würde sagen, kläglich. Warum? Nun, darauf gehen wir später noch genauer ein, aber Dinge wie Wortwolken bewegen sich eher im Bereich der Datenkunst. Man sieht Wortwolken als Logos, in Marketingmaterialien, auf T-Shirts usw., weil sie witzig oder visuell ansprechend sind. Als Werkzeug zur Vermittlung von Erkenntnissen – selbst mit hilfreichen Hervorhebungen – sind sie ziemlich unbrauchbar.
Ach, Spinnendiagramme … mein alter Feind. Tut mir leid. Ich muss zugeben, dass ich eine gewisse Abneigung dagegen habe. Aber mal sehen, ob ich Ihnen erklären kann, warum sie mich so stören (kleiner Scherz am Rande). Hier die Bildunterschrift eines Spinnendiagramms aus einem Fachartikel : „ Das Spinnendiagramm der fünf sensorischen Attribute für 14 Biersorten ist in [der Grafik] dargestellt. Verschiedene Proben hatten ihren individuellen sensorischen Charakter, und die Proben 8, 10, 14, 11, 9 und 2 wiesen jeweils die stärksten sauer, bitter, süß, ziegenartig, herb und ‚andere Geschmacksrichtungen‘ auf.“ Und hier die Grafik:
Ja. Ziemlich schlecht. Aber das ist in diesen Diagrammen ein recht häufiges Bild.
Ein Nachteil der Beschäftigung mit Datenvisualisierung ist, dass man die Probleme, einmal erkannt, nicht mehr ausblenden kann . Und das Problem in unserer heutigen Zeit ist die Flut an Grafiken, die täglich produziert werden. Zwischen der Pandemie und den US-Wahlen werden wir mit Bildern überschwemmt. Diese Visualisierungen können zwar aufwendig und professionell gestaltet oder auch etwas ungeschliffen sein, aber die meisten sind einfach nutzlos. Wir haben also eine Welt voller trauriger, unbrauchbarer Grafiken. (Ein trauriger Gedanke, nicht wahr?) Nun, es ist Weihnachtszeit, also lasst uns das ändern. Zuerst müssen wir das zugrunde liegende Problem angehen.
Schön ist vielleicht nicht nützlich, aber nützlich ist immer schön.
Warum gibt es so viele nutzlose Grafiken? (Ich nenne sie nicht schlechte Grafiken ; es ist nicht ihre Schuld, dass sie nutzlos sind – sie wurden eben so gezeichnet.) Meiner Meinung nach liegt das daran, dass vielen ein grundlegendes Konzept fehlt: Dinge können schön sein, ohne nützlich zu sein, aber etwas Nützliches ist von Natur aus schön . Und mit schön meine ich die formale Eleganz, die entsteht, wenn etwas seinen Zweck perfekt erfüllt.
Nick Desbarats verwendet den griechischen Begriff Telos , um dieses Konzept zu beschreiben. Viele von uns in dieser Branche (mich eingeschlossen) konzentrieren sich so sehr darauf, die Grenzen der Visualisierung auszuloten, dass wir vergessen, dass es bei Datenvisualisierung um Kommunikation geht. Sobald wir nur noch um der Visualisierung willen visualisieren und den kommunikativen Aspekt vernachlässigen, laufen unsere Grafiken Gefahr, nutzlos zu werden. Das heißt aber nicht, dass diese nutzlosen Grafiken nicht schön sein können, sondern nur, dass sie keine optimalen Kommunikationsmittel darstellen.
Bleib auf dem einfachen Weg
Was tun wir also? Ich habe Ihnen einige Diagramme gezeigt, die nicht wirklich nützlich sind. Und weil sie nicht so nützlich sind, wie sie sein könnten, sind sie einfach nur traurig. Traurige Diagramme wollen wir doch nicht, oder? Nein! Also lasst uns das ändern.
In den ersten Beispielen liegt das Problem darin, dass die Autoren die Stärken der visuellen Verarbeitungssysteme des Gehirns nicht nutzen. Folgt man der Argumentation von Daniel Kahneman in seinem Buch „Schnelles Denken, langsames Denken“ , so verfügen wir über zwei Systeme zur Informationsverarbeitung: System 1 arbeitet unbewusst und ist extrem effizient; System 2 ist für die Bearbeitung komplexer Probleme ausgelegt, arbeitet aber bewusster. Die Nutzung dieses zweiten Systems ist jedoch auch energieintensiver, sodass wir Gefahr laufen, unsere Betrachter zu ermüden. Wenn Menschen also zu viel über Grafiken nachdenken müssen, sind diese nutzlos (d. h. langweilige Grafiken), und unser Gehirn ermüdet (langweiliges Gehirn!). Um dieses Problem zu beheben, liegt der Trick darin, das erste, instinktivere Verarbeitungssystem zu nutzen.
System 1 ist für schnelle Mustererkennung, die Beurteilung linearer Distanzen und ähnliche Aufgaben ausgelegt. Stellen Sie sich vor: Wenn Informationen vor Tausenden von Jahren für blitzschnelle Entscheidungen über Leben und Tod benötigt wurden, werden sie von System 1 verarbeitet. Deshalb betonen Experten für Datenvisualisierung immer wieder, dass Balkendiagramme besser geeignet sind. Wir können lineare Distanzen (gerade Linien) besser beurteilen als Kurven oder Flächen. Balkendiagramme verarbeiten wir in der Regel mit System 1. Anders ausgedrückt: Der Mensch ist darauf programmiert , die Informationen in einem Balkendiagramm schnell zu erfassen und zu verarbeiten. Die kürzeste Verbindung zwischen zwei Punkten ist eine Gerade, und der schnellste Weg durch unser Gehirn ist zufällig auch eine Gerade!
Um auf die erste Grafik zurückzukommen: Das Kernproblem besteht darin, dass wir eine Visualisierung erstellen, die die Anwendung von System 2 erfordert. Wir müssen eine willkürliche Skalierung festlegen, jedes Kästchen für eine Aktivität anhand dieser Skalierung quantifizieren und die Werte für jedes Kästchen addieren. Und das alles nur, um einen Gesamtrisikowert zu erhalten. Und das müssen wir wiederholen, wenn wir Aktivitäten vergleichen wollen. (Schon beim Schreiben werde ich müde!) Warum also nicht all das direkt in der Grafik erledigen? Hier sind einige Alternativen (zwei, die ich in JMP erstellt habe, und eine von der Texas Medical Association ), die auf die Anwendung von System 1 ausgerichtet sind:
Sehen Sie, wie viel einfacher diese zu lesen sind?
Die Funktion soll die Form bestimmen
Denken wir noch einmal an die Dampflokomotive, die diesen Gedankengang überhaupt erst angestoßen hat. Haben Sie sich jemals gefragt, warum eine Lokomotive so aussieht, wie sie aussieht? Mein Großvater ist ein großer Modelleisenbahn-Fan, daher vermute ich, dass meine Beschäftigung mit diesem Thema genetisch bedingt ist. Oder sie rührt von den Sommern meiner Kindheit her, in denen ich seine Züge bestaunte oder mit ihm in ein Geschäft ging, um seine neuesten Errungenschaften abzuholen. Wie dem auch sei, ich fand die Erscheinung einer Dampflokomotive schon immer elegant.
Source: https://en.wikipedia.org/wiki/Steam_locomotive_componentsQuelle: https://en.wikipedia.org/wiki/Steam_locomotive_components
Selbst als man sich für eine Modernisierung des Erscheinungsbildes entschied, bestimmte die Funktion die Form:
Source: https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpgQuelle: https://en.wikipedia.org/wiki/Steam_locomotive#/media/File:Number_4468_Mallard_in_York.jpg
Genauso sollten wir jede Übung zur Erstellung von Diagrammen mit einer Zielsetzung beginnen. Denken Sie daran: Ein Diagramm ist nur dann nützlich, wenn es einen Zweck erfüllt. Bei einer explorativen Analyse kann die Zielsetzung sogar eine Frage sein, die die Untersuchung leitet.
Im Fall der von mir verwendeten Wortwolke ging es darum, die wichtigsten Themen des Drehbuchs darzustellen. Wortwolken eignen sich dafür nicht optimal. Wie bereits erwähnt, handelt es sich eher um „Datenkunst“ als um „Datenvisualisierung“. Wortwolken haben das Problem, die visuelle Wahrnehmung zu täuschen, da längere Wörter allein aufgrund ihrer Länge wichtiger erscheinen. Im folgenden Beispiel habe ich die Daten etwas aufbereitet und die Visualisierung in ein Paralleldiagramm umgewandelt. Es ist sinnvoller, die Zuordnung jeder Figur oder Figurengruppe zu verschiedenen Themen zu verfolgen. Dies ermöglicht eine aufschlussreichere und weniger irreführende Darstellung. (Übrigens: Die Darstellung ist interaktiv. Sie können also gerne mit dem lokalen Datenfilter auf der linken Seite experimentieren.)
Der entscheidende Punkt ist, dass Ästhetik zwar wichtig ist, die Grundlage einer nützlichen Visualisierung aber eine klare Zielsetzung und die Einhaltung dieses Ziels bildet.
Verheddere dich nicht um die Achse
Der wohl einfachste Weg, ein Diagramm attraktiver zu gestalten (ja, ich nenne ein Diagramm attraktiv; damit muss man leben), ist, ein kartesisches Koordinatensystem (mit x- und y-Achse) um eine zentrale Achse zu legen. So entstehen Diagramme wie Kreisdiagramme, Radardiagramme, Spinnendiagramme usw. Und sie sehen zwar attraktiv aus … aber sind sie auch so nützlich, wie sie sein könnten?
Die Antwort auf diese Frage lautet im Allgemeinen „nein“. Menschen sind nicht darauf ausgelegt, Entfernungen oder Größen in einem radialen System zu vergleichen (Kreisdiagramme bilden hier, bei korrekter Anwendung, eine Ausnahme). Außerdem kann die Darstellung schnell unübersichtlich werden. Und leider tappen viele in der Welt der Datenvisualisierung in diese Falle, selbst Experten.
Oh! Und anstatt uns immer wieder mit Spinnendiagrammen zu beschäftigen, sollten wir uns alle mit Xan Gregg einig sein, dass Spinnendiagramme nicht besonders nützlich sind, und uns stattdessen einige andere Beispiele für dieses Problem ansehen.
Die arktische Todesspirale (ja, sie ist dramatisch genug, um großgeschrieben zu werden) ist ein gutes Beispiel für das Problem. Der Name weckt zwar Assoziationen mit Dramatik, und vielleicht ist das ja auch das eigentliche Ziel der visuellen Darstellung.
Das direkte Ziel der Visualisierung ist es, zu vermitteln, dass sich die Meereismengen nicht von Jahr zu Jahr erholen, sondern sich die Situation sogar verschlechtert. Das Problem (der Visualisierung) besteht darin, dass wir durch die Transformation der Daten in ein radiales Koordinatensystem nun mit System-2-Kognition arbeiten, was bedeutet, dass unser Gehirn mehr leisten muss, um die Aussage zu erfassen. Warum also nicht einfach eine System-1-Lösung wählen, wie diese hier?
Aus diesem Diagramm geht ziemlich deutlich hervor: a) Es besteht ein Abwärtstrend, und b) wir liegen deutlich unter den Werten der letzten 40 Jahre. Da wir ein Balkendiagramm verwenden, arbeiten wir mit System 1, was bedeutet, dass Sie diese Schlussfolgerungen wahrscheinlich viel schneller gezogen haben als mit dem ersten Diagramm.
Dieses zweite Diagramm verwendet Alberto Cairo, um Visualisierungen auf sechs Skalen zu bewerten. Er stellte es ursprünglich in seinem ersten Buch Infografia 2.0 vor und diskutierte es später erneut in Die funktionale Kunst .
Das Diagramm dient dazu, anhand der sechs Dimensionen zu veranschaulichen, wie komplex und verständlich eine Grafik abschneidet. In unserem ersten Beispiel bewertet es die Grafik danach, wie stark sie System 1 bzw. System 2 nutzt. Diese Dimensionen sind als Paare von Gestaltungskonzepten dargestellt (Abstraktion vs. Figuration, Funktionalität vs. Dekoration, Dichte vs. Leichtigkeit, Unidimensionalität vs. Multidimensionalität, Originalität vs. Vertrautheit und Neuheit vs. Redundanz). Da diese Dimensionen jedoch fächerförmig um eine zentrale Achse angeordnet sind, muss der Betrachter das Diagramm überfliegen, um die Bewertung beider Seiten des jeweiligen Paares zu sehen. (Die Verbindung der Bewertungen ergibt zudem etwas, das einem Spinnendiagramm verblüffend ähnlich sieht, aber das sei hier nur am Rande erwähnt.) Warum nicht einfach so vorgehen?
Es werden dieselben Informationen übermittelt, und dabei wird auf die schnelle System-1-Kognition zurückgegriffen! So erhalten Sie die Informationen schneller .
Ich denke, worauf ich hinauswill, ist, dass es, sofern kein triftiger Grund vorliegt, für wirklich nützliche Grafiken wahrscheinlich besser ist, Radialdiagramme zu vermeiden.
Sei immer ehrlich.
Das ist ein heikles Thema, und ich möchte niemanden der absichtlichen Irreführung bezichtigen. Das Problem mit der Ehrlichkeit in der Datenanalyse entsteht, wenn wir unsere persönlichen Vorurteile in unsere Arbeit einfließen lassen. Datenanalyse und Datenvisualisierung beinhalten naturgemäß ein Element der Subjektivität. Jede Visualisierung, die Sie erstellen, ist von Meinungen oder zumindest von der Dateninterpretation geprägt. Ich habe schon oft gehört (unter anderem von Xan auf dem Discovery Summit und bei JMP On Air ), dass alle Diagramme voreingenommen sind und manche nützlich (eine Art Abwandlung des berühmten Zitats von George Box). Wichtig bei der Erstellung einer wahrheitsgemäßen Visualisierung ist, dass die Entscheidungen, die wir während der Erstellung und der Dateninterpretation treffen, transparent sind. Es kann so einfach sein, den wichtigsten Punkt in den Diagrammtitel aufzunehmen.
Oder indem Sie eine hilfreiche Anmerkung hinzufügen:
Wichtig ist, dass unsere Grafiken zu ihren Annahmen und Schlussfolgerungen stehen und nicht versuchen, diese zu verbergen.
Zum Abschluss
Es gibt viele Dinge, die ich in diesem Artikel nicht behandelt habe. Ehrlich gesagt, im Hinblick auf meinen eigentlichen Punkt sind das alles nur verschiedene Strategien zur Erstellung nützlicher Diagramme. Wenn wir uns auf das Ziel konzentrieren, wirklich nützliche Diagramme zu erstellen, ergibt sich der Rest von selbst.
Radiale Diagramme sind im Allgemeinen weniger nützlich als ihre linearen Pendants; unser Gehirn ist einfach anders veranlagt. Werden Annahmen und Interpretationen nicht offengelegt, verliert das Diagramm an Aussagekraft, da die Leser die Denkprozesse oder unbewussten Vorurteile nicht nachvollziehen können. Vor allem aber erschwert das Fehlen einer Problemstellung oder These die Erstellung eines aussagekräftigen Diagramms.
Also, lasst uns letztendlich alle bedenken: Ein nützliches Diagramm ist ein erfreuliches Diagramm. Und wir sollten alle unser Bestes geben, unsere Diagramme so nützlich und erfreulich wie möglich zu gestalten. Mögen all eure Diagramme (und eure Feiertage) erfreulich sein. Jetzt fängt es hier oben in 'Toga Springs an zu schneien, also mache ich mir erstmal eine Tasse Kakao und sinniere ein wenig . Wir sehen uns alle 2021.
