To Paris with Datavisualisering

To Paris with Datavisualisering

19. september 2018

I maj 2018 tog min kollega, Jakob Løkke, front-end-udvikler, og jeg selv, Thomas Bonde, designer, til Paris for at lære alt om datavisualisering. Byernes by dannede nemlig på fineste vis rammer for OpenVis Conference 2018, som i år bød på oplægsholdere og cases fra både Google, New York Times og Deutsche Bahn. Vi blev klogere på alle de nyeste trends og teknikker inden for alt fra machine learning til design - og nu er det blevet tid til at smaskforkæle dig med de mest interessante pointer og de bedste røverhistorier fra årets OpenVis-konference.

Din hjerne er hurtigere end en Formel 1-racerbil

Den første interessante pointe skal hentes fra Steve Franconeris oplæg om hans eye tracking-forskning. Gennem hele oplægget sad publikum med blikket rettet så koncentreret mod scenen, at man skulle tro, det var forpremiere på en ny sæson Game of Thrones, han viste.

Franconeri brugte illustrationer til at understrege sine pointer (temaet var jo datavisualisering, so why not). Det handler nemlig om, hvordan – og især hvor hurtigt – vores hjerne bearbejder visuel information. Og hvilken bedre måde at komme igennem med sine argumenter end ved at vise publikum det?

Vores hjerne er nemlig Formel 1-hurtig til at skelne mellem former, figurer og layoutmæssige forskelle (f.eks. trends eller clusters). Det tager kun ganske få millisekunder.

Tror du ikke på mig?

Prøv bare at se, hvor hurtigt du får en forståelse for gennemsnit, afvigelser og trends i det her billede:



F1-hurtig. Jeg sagde det jo. 

Hjernen er til gengæld vildt langsom – faktisk adskillige sekunder – om at sammenligne og finde forskelle ved tilsyneladende ens objekter.

Kan du finde den figur, hvor farverne er byttet om?

Denne forholdsvis simple indsigt har stor betydning for, hvordan du skal designe datavisualiseringer – hvis du altså gerne vil have, at modtageren skal forstå, hvad der foregår. Og det, går jeg ud fra, er derfor, du læser med?

Lagkager er yt, Xenographics er nyt

En gennemgående pointe i mange oplæg var, at visualiseringer alt for ofte bliver betragtet som målet for en proces. Og det er her, mange tager fejl.

Vi bearbejder nemlig visuel information op til 60.000 gange hurtigere end tekstinformation. Derfor bør du i stedet betragte visualisering som produktet. Det samme trick kan med fordel bruges, når du skal forstå din data.

Lad mig introducere: Datavisualisering.

Et undervurderet værktøj med et kæmpe potentiale.

Som Miriah Meyer fra University of Utah fortalte tilbage i maj, så har samarbejdet mellem forskere og designere kastet nye videnskabelige fakta af sig: Forskerne har fået øje på sammenhænge i DNA-materiale, som de hidtil ikke havde lagt mærke til. Vildt, ik?

Også Shan Carter fra Google kastede om sig med guldkorn, da han delte ud af sit arbejde med at skabe visualiseringer af, hvordan machine learning-algoritmer virker. Han høstede adskillige spontane bifald for sine klare og elegante visuelle koncepter.

Put lagkagen tilbage i køledisken

Maarten Lambrecht tog udgangspunkt i en præmis om, at de visualiseringer, vi typisk benytter i dag (lagkagediagrammer og lignende), er skabt til en tid, hvor data så helt anderledes ud.

I dag er de datamængder, vi står overfor, alt for store og komplekse til en klassisk flødeskumslagkage. Derfor er der behov for hidtil ukendte typer af visualiseringer: Mød ‘Xenographics’.

På Lambrechts hjemmeside kan du gå på opdagelse i hans samling af – til tider meget kryptiske – visualiseringer, som alle har det til fælles, at de forsøger at omsætte store eller diffuse datamængder til retvisende, visuelle udtryk.

Maarten Lambrecht bruger for eksempel ”raincloud plot” til at give en intuitiv fornemmelse for densitet og distribution i de rå datapunkter bag en trend-linje. Så hvis du (også) er ved at køre træt i de klassiske excel-diagrammer, så er der masser af inspiration at hente på hans hjemmeside.

Data du kan bruge til noget

Hos Deutsche Bahn ville de gerne bruge deres forecast-data i kapacitetsplanlægningen. Udfordringen var at finde en balance, så de hverken overforsimplede store mængder forbundne data, ej heller druknede brugeren i tabeller og søgefelter.

 

På den måde undgår du den opdeling, der tit opstår mellem ”the dashboard” (oversigten med banale KPI-speedometre, der egentlig mest fungerer som taldrys) og ”the data-explorerer” (hvor ekspertbrugeren lades i stikken med en kæmpe tabel af rådata eller et input-felt til query-syntax).

From Paris to…. You

Så hvad kan du egentlig tage med fra min kondenserede udgave af konferencens vigtigste pointer?

Konferencens altoverskyggende budskab var dette: Data har aldrig betydet mere, end det gør nu. I know, ground breaking på en konference om datavisualisering… Men ikke desto mindre sandt. 

Datamængderne er som en teenagedreng, der aldrig rigtig kommer ud af voksealderen. Og med Facebook-skandaler og den 4. industrielle revolution, der ligger på lur rundt om hjørnet - i høj grad drevet af AI, som er fedet op på en diæt af Big Data - har det aldrig været mere relevant at udvikle de redskaber, som gør os mennesker i stand til at forstå de historier, som vores data gemmer på.

Nu har du fået mit take på de vigtigste pointer fra OpenVis 2018. Hvis du vil have endnu mere datavisualisering, kan du se de filmede oplæg her.