Jenis Visualisasi Data - dummies

Visualisasi data adalah representasi visual yang dirancang untuk tujuan menyampaikan makna dan pentingnya wawasan data dan data. Karena visualisasi data dirancang untuk keseluruhan spektrum khalayak yang berbeda, tujuan yang berbeda, dan tingkat keterampilan yang berbeda, langkah pertama untuk merancang visualisasi data yang hebat adalah untuk mengenal audiens Anda .

Audiens hadir dalam berbagai bentuk, bentuk, dan ukuran. Anda bisa merancang sesuatu untuk pembaca majalah Rolling Stone yang muda dan edgy, atau mungkin Anda perlu merancang visualisasi untuk menyampaikan temuan ilmiah ke grup penelitian. Mungkin audiens Anda terdiri dari anggota dewan dan pengambil keputusan organisasi, atau mungkin Anda sedang merancang sebuah karya yang dimaksudkan untuk membangkitkan keributan dengan anggota organisasi akar rumput lokal.

Karena setiap pemirsa akan terdiri dari kelas konsumen yang unik, masing-masing dengan kebutuhan visualisasi data unik mereka, penting untuk mengklarifikasi dengan tepat untuk siapa Anda merancangnya. Dalam paragraf, Anda bisa mengenal tiga jenis visualisasi data utama dan bagaimana memilih yang paling sesuai dengan kebutuhan audiens Anda.

Mengumpulkan data untuk pengambil keputusan organisasi

Kadang-kadang Anda harus merancang visualisasi data untuk audiens yang kurang teknis, mungkin untuk membantu anggota audiens ini membuat keputusan bisnis yang lebih baik. Tujuan dari jenis visualisasi ini adalah untuk memberi tahu audiens Anda cerita di balik data. Dalam mendongeng data, penonton bergantung pada Anda untuk memahami data di balik visualisasi dan kemudian mengalihkan wawasan bermanfaat ke dalam cerita visual yang dapat mereka pahami.

Dengan

data storytelling , tujuan Anda harus menciptakan visualisasi yang bebas dan berantakan sehingga anggota audiens Anda dapat dengan cepat mengekstrak makna tanpa banyak usaha. Visualisasi ini paling baik disampaikan dalam bentuk gambar statis, namun pembuat keputusan yang lebih mahir mungkin lebih memilih untuk memiliki dasbor interaktif yang dapat mereka gunakan untuk melakukan sedikit eksplorasi dan pemodelan apa jika.

Menampilkan data untuk analis

Jika Anda merancang kerumunan analis yang logis dan menghitung, Anda dapat membuat visualisasi data yang agak terbuka. Tujuan dari jenis visualisasi ini adalah untuk membantu anggota audiens secara visual mengeksplorasi data dan menarik kesimpulan mereka sendiri.

Bila menggunakan

data yang menunjukkan teknik , tujuan Anda harus menampilkan banyak informasi kontekstual yang mendukung anggota audiens Anda dalam membuat interpretasi mereka sendiri.Visualisasi ini harus mencakup lebih banyak data kontekstual dan fokus yang kurang meyakinkan, sehingga orang bisa masuk ke sana, menganalisis data untuk diri mereka sendiri, dan menarik kesimpulan mereka sendiri. Visualisasi ini paling baik disampaikan sebagai gambar statis atau dasbor interaktif yang dinamis. Merancang data seni untuk para aktivis

Anda bisa merancang audiens idealis, pemimpi, dan pembuat perubahan. Saat mendesain untuk pemirsa ini, Anda ingin visualisasi data Anda membuat poin! Anda bisa berasumsi bahwa anggota audiens khas Anda tidak begitu analitis. Apa yang orang-orang kekurangan keterampilan matematika, bagaimanapun, mereka lebih dari kompensasi dalam keyakinan solid.

Orang-orang ini melihat visualisasi data Anda sebagai wahana untuk membuat pernyataan. Saat merancang untuk pemirsa ini, data art adalah cara untuk pergi. Tujuan utama dalam seni data adalah untuk menghibur, memprovokasi, mengganggu, atau melakukan apa pun untuk membuat pernyataan yang keras, jelas, dan menuntut perhatian. Seni data tidak memiliki narasi dan tidak memberi ruang bagi pemirsa untuk membentuk interpretasi mereka sendiri. Penting untuk ditekankan di sini bahwa ilmuwan data memiliki tanggung jawab etis untuk selalu mewakili data secara akurat. Seorang ilmuwan data seharusnya tidak pernah mengubah pesan data agar sesuai dengan apa yang audiens ingin dengar - bahkan untuk seni data! Pemirsa non-teknis bahkan tidak akan tahu apa masalah yang mungkin terjadi, apalagi bisa melihatnya. Mereka mengandalkan ilmuwan data untuk memberikan representasi jujur ​​dan akurat, sehingga memperkuat tingkat tanggung jawab etis yang harus diasumsikan oleh ilmuwan data.