Bu İçerikte Yer Alan Ana Başlıklar:
• Veri Görselleştirme Nedir, Nasıl Yapılır?
• Dataviz
• Bölüm I: Veri Görselleştirme Nedir?
• Tasarımcı-Okuyucu-Veri Üçgeni (The Designer-Reader-Data Trinity)
• Etkili Görselleştirme İçin Tasarım İlkeleri
• Bölüm 2: Örnek Bir Görselleştirme Süreci
• Bazı Görselleştirme Tavsiyeleri
Bu içerik ile; tasarım süreçlerinde elde ettiğimiz verileri hikayeleştirmek, iyi bir anlatımla sunabilmek, karmaşıklığı giderip en sade hale getirebilmek ve verilerden gelen önemli bilgileri tanımlamak için başvurduğumuz "Veri Görselleştirme" adlı yöntemi yakından tanıyacaksınız. Ne olduğunu, ne işe yaradığını, nasıl uygulayacağınızı, uygularken nelere dikkat etmeniz gerektiğini, başarılı örnek çalışmalarla birlikte öğreneceksiniz.
Userspots Akademi'de online olarak devam eden, Tasarımcılar İçin Veri Eğitimi ile "Veri Görselleştirme"yi uygulamalı olarak deneyimleyebilirsiniz.
1869 yılında Napolyon’un hezimetle sonuçlanan Rusya Seferi hakkında Joseph Minard tarafından bir grafik hazırlandı. Sadece bu grafiğe bakarak ordunun azalan büyüklüğü, bazı birliklerin ayrılıp sonra tekrar katıldıkları yerler de dahil olmak üzere ordunun konumu, hareket yönü ve Moskova'dan geri çekilme sırasında çeşitli tarihlerdeki sıcaklık gibi bilgilere ulaşmak mümkündü. “E.T.” olarak da bilinen ve bilgi tasarımı alanında öncü kabul edilen Edward Tufte yıllar sonra bu grafiğin şimdiye kadar çizilmiş en iyi istatistiksel grafik olduğunu söylüyor. Hemen ardından ise bunun takdire şayan bir çalışma olmakla birlikte milyonda bir rastlanabileceğini ve böyle bir grafiğin nasıl oluşturulabileceğine dair hiçbir kompozisyon ilkesi olmadığını ekliyor.
Neyse ki veri görselleştirme alanında rutin bir metodolojiyi takip etmek için referans alabileceğimiz bazı tasarım süreçleri var. Bu yazının temel amacı aslında burada şekilleniyor.
Yazının ilk kısmında (Bölüm I) veri görselleştirme ve bileşenleri hakkında bilgi verirken ikinci kısımda (Bölüm 2) yaygın olarak kullanılan ve kendini kanıtlamış olan süreçleri baz alarak örnek bir yolculuk sunacağım.
Öncelikle iyi bir grafik oluşturma sürecinin her koşulda istisnasız izlenecek basit kuralların listesine indirgenemeyeceğini söylemekte fayda var. En basitinden herhangi bir grafiğin etkililiği ve başarısı aynı zamanda ona kimin ve neden baktığı sorusuyla, bazen de kişilere neyin iyi göründüğünden çok insanların görsel algılarının nasıl çalıştığıyla ilişkilidir. Veri görselleştirmenin bu algısal yönlerini kavramak neyin işe yarayıp neyin yaramadığını sormaktan daha sağlıklı ve kolay yanıtlar verebilir. Bu alışkanlığı edinmek aynı zamanda iyi ve doğru kararlar verme yeteneğinizi geliştirecektir.
İyi görselleştirme yöntemleri verileri keşfetme, anlama ve açıklama sürecinde kullanmamız gereken son derece değerli araçlar sunar. Bunları açıklamaya geçmeden önce veri görselleştirmenin ne demek olduğundan kısaca bahsedelim.
"Bir resim bin sözcüğe bedeldir" ifadesini hepimiz duymuşuzdur. Bugün, büyük veri çağında bu eski deyiş hiç olmadığı kadar anlamlı hale geldi. Neyin önemli olup neyin olmadığını anlamak için bilgi taramak giderek daha da zorlaşmaya başladı. Bu süreci kolaylaştırmak için veri görselleştirme karmaşık sorunları açıkça ileterek hikaye anlatmaya yardımcı olur ve veriden gelen önemli bilgilerin tanımlanmasında kilit rol oynar.
Görseller, analizi daha kolay ve daha hızlı hale getirirken önemli konuları bir bakışta görme becerisi sunar.
Çoğu insan görsellere metinden çok daha iyi tepki verir. Beyne gönderilen bilgilerin yüzde 90'ı görseldir ve beyin, görselleri metne kıyasla 60.000 kat daha hızlı işler.
İlginç veri noktalarını keşfetmek için görselleştirme iyi bir seçenektir.
Veri görselleştirme, verileri canlandırarak rakamlar arasındaki gizli içgörülerin (insight) hikayesini anlatmanızı sağlar.
Bu noktalar bilgiyi analiz etmek ve iletmek için veri görselleştirmesi kullanmanın önemini güçlü bir biçimde ortaya koyuyor.
Günlük hayatta veri görselleştirmesi (data visualisation) ve infografik gibi kavramlar genellikle birbirlerinin yerine kullanılır.
İnfografik:
• Manuel olarak çizilir ve bu nedenle veriler özel olarak işlenir.
• Mevcut verilere özel oluşturulur ve bu nedenle farklı verilerle yeniden oluşturmak önemsizdir.
• Estetik açıdan zengin (göze çarpan ve ilgi uyandıran güçlü görsel içerik) ve nispeten veri açısından zayıf (çünkü her bilgi manuel olarak kodlanmalıdır).
• Başka bir deyişle, infografikler veri temsilinin manuel olarak düzenlendiği veya çizildiği resimlerdir.
• Manuel oluşturma süreçleri nedeniyle infografikler estetik açıdan zengin olma eğilimindedir.
• Herhangi bir değişikliğin manuel olarak uygulanması gerektiğinden bir infografikteki verileri değiştirmek veya güncellemek zordur.
Dataviz:
• Algoritmik olarak çizilir ve özel dokunuşlara sahip olabilir ancak büyük ölçüde bilgisayarlı yöntemlerin yardımıyla oluşturulur.
• Farklı verilerle yeniden oluşturulması kolaydır (Aynı form benzer boyutlara veya özelliklere sahip farklı veri kümelerini temsil edecek şekilde yeniden kullanılabilir)
• Genellikle estetik açıdan kısırdır.
• Nispeten veri açısından zengin (infografiklerin aksine büyük hacimli veriler uygulanabilirdir).
Mesleki terminolojide bu kavramlar arasında net ayrımlar olsa da yazının ilerleyen kısmında kafa karışıklığına neden olmamak adına veri görselleştirme (dataviz) ismini kullanacağım.
Etkili bir veri görselleştirmesinin tasarımcı, okuyucu ve verilerden oluşan üç ayağı vardır. Bu üç ayağın her biri diğer ikisiyle benzersiz bir ilişki kurar. Her bir görselleştirme projesinde her üçünün de ihtiyaçlarını ve perspektifini hesaba katmak gerekse de baskın ilişki nihayetinde hangi görselleştirme kategorisine ihtiyaç olduğunu belirler.
1. Keşif vs Açıklama (Exploration versus Explanation)
Genel olarak keşif ve açıklama olmak üzere iki veri görselleştirme kategorisinden söz edebiliriz. İkisi farklı amaçlara hizmet ettiği için yalnızca biri için uygun olup diğeri için olmayan araçlar ve yaklaşımlar mevcuttur. Bu nedenle eldeki göreve uygun araçları ve yaklaşımları kullandığınızdan emin olabilmeniz için ayrımı anlamak önemlidir.
Veri görselleştirmenin temel işlevi bilgiyi A noktasından B noktasına taşımaktır. Keşifsel görselleştirmede A noktası veri kümesiyken B noktası tasarımcının kendi zihnidir. Açıklayıcı görselleştirmedeyse A noktası tasarımcının zihniyken B noktası okuyucunun zihnidir.
2. Keşifsel Görselleştirme
Keşifsel veri görselleştirmelerini çok sayıda veriye sahip olduğumuzda ve içinde tam olarak ne olduğundan emin olmadığımızda kullanırız. Temel olarak veri kümesini görsel bir ortama çevirerek özelliklerini hızlı bir şekilde belirlemeye yardımcı olur. Verilerinizde çok fazla dağınıklık olabilir ancak fazla basitleştirirseniz veya çok fazla bilgiyi çıkarırsanız önemli bir şeyi kaçırabilirsiniz. Bu tür görselleştirmeler aslında veri analizi aşamasının bir parçasıdır ve verilerin size anlatması gereken hikayeyi bulmak için kullanılır. Keşifsel görselleştirmeler açıklayıcı olmaktan ziyade izleyicilerin kendi yorumlarını keşfetmelerini ve oluşturmalarını sağlar. Dijital ve interaktif görselleştirmeleri buna örnek olarak verebiliriz.
3. Açıklayıcı Görselleştirme
Açıklayıcı veri görselleştirmelerini verilerin ne söylemesi gerektiğini zaten bildiğimiz ve bu hikayeyi başka birine anlatmaya çalıştığımız zaman kullanırız. Hedef kitlesi kim olursa olsun anlatmaya çalıştığınız hikaye -veya paylaşmaya çalıştığınız cevap- başlangıçta sizin tarafınızdan biliniyorsa direkt olarak bu hikayeyi vurgulamak adına tasarım kararları alabilirsiniz. Bunun için hangi bilgilerin içeride kalıp hangilerinin dikkat dağıtıcı veya ilgisiz olduğu ve çıkması gerektiği konusunda belirli editoryal kararlar vermeniz gerekir. Bu kısım anlatmaya çalıştığınız hikayeyi destekleyecek verileri seçme sürecidir.
Keşifsel veri görselleştirmesini veri analizi aşamasının, açıklayıcı veri görselleştirmesini ise sunum aşamasının bir parçası olarak görebiliriz.
4. Sergileme Amaçlı Görselleştirme (Exhibitory)
Bu iki kategoriye ek olarak üçüncü bir kategoriden söz edilebilir. Sergileme amaçlı görselleştirmelerde izleyiciler görselleştirmenin özelliklerini algılama ve tercüme etme kapasitelerine güvenerek anlamı yorumlamaya çalışır.
Aşağıda dünyanın en çok kazanan ilk 100 sporcusunun görselleştirmesi yer alıyor. Bunu enstelasyon olarak bile düşünebiliriz. Görselleştirmeye baktığımızda cinsiyet üzerinden net bir mesaj verilmekte olduğunu kolayca kavrayabiliyoruz. Bu yüzden ekstra bir text ya da label kullanımına gerek duyulmadığını görebiliyoruz.
Unutulmamalı ki tasarımcı olarak her zaman bir amacımız var. Herhangi bir neden veya amaç olmadan ortaya bir iş çıkarmamız mümkün değil. Bu yüzden motivasyonlarımızın, hedeflerimizin ve önceliklerimizin farkında olmak yalnızca verilerin keyfi bir görsel temsilini oluşturmak yerine başarılı bir görselleştirme tasarlamamıza yardımcı olacaktır.
Bilgilendirici bir görselleştirme öncelikle okuyucu ve veriler arasındaki ilişkiye hizmet eder ve gerçeklerin tarafsız bir sunumunu amaçlar. Ortalama bir kişinin günlük bazda karşılaştığı görselleştirmelerin çoğu bu tarz görselleştirmelerden oluşur.
İkna edici bir görselleştirmeyse öncelikle tasarımcı ve okuyucu arasındaki ilişkiye hizmet eder. Genellikle okuyucunun bir şey hakkındaki fikri değiştirilmek istendiğinde tasarımcı tarafından tercih edilir. Bu görselleştirme kategorisinde temsil edilen veriler özellikle tasarımcının bakış açısını desteklemek ve okuyucuyu ikna etmek için dikkatle seçilir. Propaganda için vazgeçilmez bir yöntemdir.
Hatırlayacak olursak iyi tasarım Rams’a göre yenilikçidir. Bir ürünü faydalı kılar. Estetiktir. Bir ürünü anlaşılabilir kılar. Fazla dikkat çekmez. Dürüsttür. Uzun ömürlüdür. Son detaya kadar eksiksizdir. Çevre dostudur ve en azıdır. Veri görselleştirme alanında yine öncülerden sayabileceğimiz Andy Kirk, Dieter Rams’ın iyi tasarım için belirlediği bu on temel prensibi görsel tasarıma yönelik tekrardan yorumlar.
Bu maddeleri şöyle açabiliriz:
• İyi veri görselleştirme güvenilirdir: Güvenilir mi? Verilerin ve konunun sunuluşu ikna edici mi?
• İyi veri görselleştirmesine erişilebilirdir: Kullanılabilir mi? Verilerin ve konunun sunuluşu ilişkisel mi? Sunum kolay şekilde anlaşılabiliyor mu?
• İyi veri görselleştirme zariftir: Estetik mi? Sunum tasarımı yeterince çekici mi?
Yukarıda bahsettiğim tasarımcı-veri-okuyucu üçgenini her birisi açısından değerlendirmek istersek bazı önemli ipuçlarına ulaşmak mümkün.
Tasarımcı
Tasarımcı için hedefi belirlemek, anlamak ve tanımlamak sürecin temelidir. Bu aşamayı doğru bir şekilde gerçekleştirmek sonraki tasarım kararlarımızı yönlendirecektir.
Bu aşamada kendimize şu soruları yöneltmekte fayda var:
- Hangi mesajı iletmeye çalışıyorum?
- Görselleştirmeyi yaratmamdaki amaç ne?
- Görselleştirme ne için?
- Görselleştirme neye hizmet edecek?
- Görselleştirmeyi neden yapıyorum?
- Neyi elde etmek istiyorum?
- Görselleştirmeyi yaparak ne öğrenmek istiyorum?
Okuyucu
Görselleştirmeyi oluşturmanın her aşamasında kendimizi okuyucunun yerine koymak ve empatinin getireceği bakış açısını dikkate almak önemlidir. Her ne olursa olsun başarınız okuyucunuzun başarısıyla ölçülür. Empati yapmamızın bir başka yararı da açıklamalarımızı biraz daha basitleştirmeye zorlamasıdır. Yalnız bundan fikirlerin basitleştirilmesi anlaşılmamalı. Bunu fikirlerin açık ve şeffaf şekilde iletililene kadar parçalanması olarak düşünebiliriz.
Hedef kitleniz ne kadar tanımlı olursa olsun sizin gibi değildir. Ne kadar kendi bağlamınızdaki kişileri seçiyor olsanız da çok fazla bilgi çok fazla varsayım yapmanıza neden olur. Bu nedenle kendinizi ne kadar izole edebilirseniz karşılığını o kadar alırsınız.
Dikkate alınması gereken başka bir şey de öğrenilmiş sosyal kodlardır. Renkler ne anlama geliyor? Okuyucu verileri hangi yönde okuyacak? Okuyucu hangi simgelere aşina?
Veri
Bir görselleştirme tasarlarken üçüncü bileşeniniz veridir. En iyi görselleştirmeler genelde üzerinde çalıştığınız veri setinin en ilginç yönlerini ortaya çıkarır. Verilerin ilginç yönlerini ortaya çıkarmak için farklı yaklaşımlar, kodlamalar (encoding) veya teknikler gerekebilir.
Artık neden ve ne tasarladığımızı hem amaçlarımız hem de görselleştirmeleri tanımlayan ilişkiler açısından nasıl düşüneceğimizi bildiğimize göre örnek bir süreçten bahsedebiliriz.
1. Aşama: Hedeflerin ve Kavramsal Çerçevenin Belirlenmesi
Başlamaya hazırız. Yalnız uygulamaya geçmeden önce tasarım fikrinin yeterince düşünülmüş ve üzerinde zaman harcanmış olması önemli. Bu, başarılı ürünlerin hikayesinde değişmeyen kuraldır.
Düşünmemiz gereken ilk şey görselleştirmenin amacıdır. Görselleştirmenin her aşamasında amacımızı göz önünde bulundurmalıyız. Amacımız genelde okuyucunun belirli ihtiyaçlarını karşılamak üzere şekillenir. Yukarıda bahsettiğim gibi bu ihtiyaçlar bilgilendirme amaçlı karşılanabileceği gibi ikna etme amaçlı da kurgulanabilir.
Görselleştirmeler için hedef örnekleri şunlar olabilir; potansiyel pazarları bulmak, şirket performanslarını karşılaştırmak, uygun çözümleri seçmek, hikayeler anlatmak, belirli veri noktalarını bulmak, aykırı değerleri yakalamak, eğilimleri göstermek, argümanları desteklemek veya basitçe verilere genel bir bakış vermek.
Hedefleri belirlerken henüz kendimizi belirli bir yaklaşıma bağlamaktan kaçınmalıyız. Dolayısıyla sorularımız da bu yönde şekillenmeli. Amaç, işlev hakkında saf bir ifadedir. Hedef cümleleri görselleştirmenizin pasta grafiği mi olacağını ya da hangi görsel kanalların seçileceğini içermezler. Hedef ifadeniz uygulamanın herhangi bir detayını içerdiği anda yaratıcılık potansiyelinizi öldürmüş olursunuz.
Konseptinizi belirlerleme sürecinde kavramsal çerçevenizi tek cümle özelinde özetleyebiliyor olmalısınız. Bu cümle bir soru cümlesi olabileceği gibi bir varsayım cümlesi de olabilir. Genellikle ilgi alanları, merak ettikleriniz, tutkuyla yaptıklarınız, anlamadığınız şeyler, anlamak istediğiniz şeyler, karşılaştırmak isteyeceğiniz şeyleri bu cümlenizi oluşturmak için kullanabilirsiniz. Unutmayın, elinizde bir kamera var ve seçtiğiniz kadraj oluşturduğunuz cümleyi belirliyor. Görselleştirmenizin başarısı ise kadrajınızı ne denli ilgi çekici konulara yönelttiğinizle alakalı.
2. Aşama: Görselleştirme Tipinin (chart) Seçilmesi
Görselleştirmenizin yapısının verilerinize uygun olması önemlidir.
Görselleştirme tipi temeldeki veriler hakkında bir şeyler ortaya çıkarmalıdır.
Örneğin en klasik veri görselleştirmelerinden biri olan elementlerin periyodik tablosunu ele alalım. Bu tabloda karmaşık bir veri kümesinin basit, düzenli ve şeffaf hale nasıl getirildiğinin başarılı bir örneğini görürüz. Elementler atom numaralarına göre sıralanmıştır ve satırlar stratejik noktalarda tekrarlandığı için çeşitli kategorilerdeki elementlerin düzenli aralıklarla veya periyotlara meydana geldiğini anlarız.
3. Aşama: Uygun Görsel Kodlamaların Seçilmesi ve Metriklerle Eşleştirilmesi
2. aşamada gördüğümüz gibi görselleştirmenin türünü seçtikten sonra uygun görsel kanallarla kodlama aşamasına geçebiliriz. Görsel kanal seçimimizin veri türlerine uygun olup olmadığı önemli noktalardan bir tanesidir. Görevimiz değişkenleri doğru şekilde kodlayan veya eşleyen yöntemler bulmaktır. Bu uygunluk seviyeleri nicel, sıralı, kategorik veya ilişkisel gibi başlıklar altında gruplandırılabilir. Örnek olarak uzamsal veriler harita chartı için uygundur diyebiliriz.
Daha önce bahsettiğim gibi halihazırda kullanabileceğimiz birçok standart hazır kodlama seçenekleri mevcut. Yeni kodlama formatları tasarlamak oldukça fazla zaman ve çaba gerektirse de gerçekten iyi bir çözüme sahipseniz kullanmamanız için hiçbir neden yok.
Bu noktada okuyucunun öğrenmek için çok çaba ve zaman harcamasına neden olmanız bir dezavantaj sağlayacaktır. Ancak görselleştirmeniz varsayılan bir formatla yeterince iyi yapılabiliyorsa standart bir çözüm kullanmamak için de herhangi bir neden yok. Veri türünüz veya okuyucunuz için beklenen varsayılanları bilmek hem verilerinizi en iyi şekilde nasıl kodlayacağınızı hem de okuyucularınıza nasıl açıklayacağınızı size kısa yoldan gösterir.
Görselleştirmeyi okurken okuyucunuzun probleme ayırmak için sınırlı bir zihin gücü vardır. Bu zihin gücünün bir kısmı görselleştirmenin kodunu çözmek için harcanacaktır. Eğer şansınız varsa sıra asıl mesajı anlamaya gelebilir. Burada dikkat edilmesi gereken nokta mesajı anlamak için gerekli olan kod çözme (decoding) miktarını en aza indirerek anlamayı kolaylaştırmaktır.
Okuyucunuzun yapması gereken kod çözme miktarını düşürmenin önemli bir yolu çoğu zihin tarafından kolayca çözülen kodlamaları seçmektir.
Oldukça basit görünüyor olsa da bazı görsel kanal açıklamalarını aşağıdaki gibi sıralayabiliriz:
Yakınlık: Uzamsal olarak birbirine yakın olan şeyler birbiriyle ilişkili görünür.
Benzerlik: Birbirine benzeyen şeyler birbiriyle ilişkili görünür.
Bağlantı: Birbirine görsel olarak bağlı olan şeyler birbiriyle ilişkili görünür.
Süreklilik: Kısmen eksiltilmiş/gizlenmiş nesneler tanıdık şekillerle tamamlanır.
Figür ve zemin: Görsel öğeler ya ön planda ya da arka planda olacak şekilde algılanır.
Ortak yönelim: Aynı hareket yönünü paylaşan unsurlar bir birim olarak algılanır.
Herhangi bir görsel kanalın doğal bir düzeni olup olmadığı, zihnimizde gerçekleşen doğal algılamanın o özelliğe otomatik bir sıralama atayıp atamadığına göre belirlenir. Bu algılamayı oluşturan zihnimizdeki çalışma prensibi dil, kültür veya gelenek gibi öğrenilen faktörlerden bağımsız olarak gerçekleşir. Örneğin x,y pozisyonunun, uzunluğun, çizgi kalınlığının zihnimizde doğal bir sıralaması vardır fakat üçgen, kare gibi şekillerin,dokunun, çizgi stilinin yoktur.
Görsel kanalı seçerken dikkate alınması gereken diğer faktör okuyucunun algılayabileceği, ayırt edebileceği ve muhtemel hatırlayabileceği kaç farklı değere sahip olduğudur. Örneğin görselleştirmede çok fazla renk varsa benzerleri ile ayırt etmekte zorlanabiliriz. Çok sayıda şekli ise daha kolay ayırt edebiliriz.
Adağıdaki tablo ne tür verileri kodlamanız gerektiğine bağlı olarak görsel özellikler seçme hakkında fikir verebilir. Görüldüğü gibi birçok görsel özellik birden çok veri türünü kodlamak için kullanılabilir.
Önceden kodlanmış bazı veri türlerini farklı bir kanalda tekrar kodlamak yararlı olabilir. Örneğin aşağıdaki görselleştirmede verilerin kanıt seviyesinin hem renk hem de y pozisyonu olmak üzere 2 görsel kanalda kodlandığını görüyoruz. Okuyucunun beynine aynı bilgileri alması için birden fazla kanal kullanmak bu bilgilerin daha hızlı ve daha kolay şekilde anlaşılmasını sağlayabilir.
Verilerinize tutarlılık veya yeterli bir sebep olmadan keyfi konumlar, renkler veya bağlantılar atamayın çünkü okuyucunuz her zaman bununla bir şeyi kastettiğinizi varsayacaktır.
Her şey üç basit kurala bağlı:
• Aitlik, sıralama ve diğer kodlamalarda tutarlı olun.
• Aynı olan şeyler aynı görünmelidir.
• Farklı olan şeyler farklı görünmelidir.
Bunlar kulağa basit gelse de yine de bu kuralların ihlalleri yaygın olarak tekrarlanıyor. Kodlama sırasında tutarlılığı ve amacı korumak görselleştirmenizin erişilebilirliğini ve verimliliğini büyük ölçüde artıracaktır.
İletişim, veri görselleştirmenin birincil hedefidir. Her unsurun, bilgiyi iletme ve açıklama amacına yönelik belirli bir amaca hizmet etmesi gerekir.
Bazı görselleştirme biçimleri verilerin oranını bozdukları için hiçbir şekilde kullanılmamalıdır. Bunun bazı nedenleri var. Örneğin eğri çizgilerin uzunluklarını ve amorf şekillerin yüzey alanlarını karşılaştırmakta çok kötüyüz.
Aşağıda kaçınmamız gereken eşmerkezli daire grafiğini görüyoruz. Bu grafikte içteki halkanın büyük bir yüzdesini temsil eden kısmı bile en dıştaki halkanın daha küçük yüzdesini temsil eden kısmından daha kısa görünecektir. Tüm bu çizgilerin bir daireye sarılmış olması uzunluklarının karşılaştırılmasını zorlaştırır. Maalesef bu grafikteki bilgileri kavramanın tek yolu etiketlerdeki yüzde sayılarını okumaktır. Bu durumda sadece sayı tablosu ile yapabileceğimiz bir görselleştirmeyi anlaşılırlığı düşük bir görselleştirme biçiminde çizerek okuyucuyu yormuş oluyoruz.
Yukarıda doğal düzenleyici (natural ordering) algımızdan bahsetmiştim. Bu tip algılamaya uygun olmayan örnekler çeşitlendirilebilir. Örneğin bir uzunluğu temsil etmek için yüzey alanı kullanmak veriler arasındaki farkların olduğundan daha büyük görünmesine neden olabilir.
Ancak aynı durum bazen de büyüklükler arasındaki ilişkileri hiç olmadığı kadar kolay sindirmemize yardımcı olabilir.
Aşağıdaki görselleştirme, gösterdiği bilgi oranına kıyasla hem çok kalabalıktır hem de verimlilik konusunda bazı eksikleri vardır. Çubukların optik anlamda okunması ve birbirleriyle karşılaştırılması perspektif kısaltım nedeniyle zorlayıcıdır. Aynı zamanda üç boyutlu efektler, alt gölgeler ve diğer gereksiz tasarım özellikleri gereksiz şekilde kullanılmıştır.
Bu tip yanılgılara düşmemek için yazı tiplerini düzeltebilir, fazlalık renkleri kaldırabilir, arka planı sadeleştirebilir ve gereksiz olan her şeyi basitleştirebiliriz. Tüm bunları yaptıktan sonra basitleştirmeye gitmenin görselleştirmelerimizin etkili olması için ihtiyacımız olan tek şey olduğunu düşünebiliriz fakat maalesef durum böyle değil.
Nigel Holmes'un “Canavar maliyetler”(Monstrous Costs) tablosu gibi yüksek derecede süslenmiş görselleştirmelerin daha sade alternatiflerinden daha kolay hatırlandığına dair kanıtlar var. Okuyucular bu tarz grafikleri daha kolay yorumlanabilir bulmasalar da daha kolay hatırlarlar ve daha keyifli bulabilirler. Borkin 2013 yılında yapmış olduğu bir araştırmada infografik türündeki görselleştirmelerin daha standart istatistiksel görselleştirmelere kıyasla daha akılda kalıcı olduğunu bulguladı. Görünüşe göre insanlar yeni ve beklenmedik gösterimlere daha çok ilgi duyabiliyorlar.
Kaynaklar:
- Designing Data Visualizations, (Noah Iliinsky and Julie Steele)
- Data Visualisation-A Handbook for Data Driven Design, (Andy Kirk)
- Data Visualization-A PRACTICAL INTRODUCTION (Kieran Healy)
