Grundläggande visualiseringsteori, del 2: Visa data framför allt

I det förra inlägget om grundläggande visualiseringsteori tittade vi på valet av diagramtyp. Vilken sort man väljer är inte bara en fråga om tycke och smak, utan vissa diagramtyper är faktiskt bättre än andra på att förmedla information. När vi nu har valt vilket slags diagram vi ska använda, kommer vi till dagens ämne; den mest grundläggande principen för all diagramframställning: visa data framför allt.

Detta kan låta nog så självklart, men är långt ifrån något som alltid tillämpas. Principen kan sägas ha fastslagits i den bok som får betraktas som standardverket inom visualiseringsteori - Edward Tuftes "The Visual Display of Quantitative Information". Där är den portalprincipen för all bra statistisk grafik: "Above all else show the data".

Vad innebär då detta i praktiken? Jo, så mycket som möjligt av det som ritas in i ett diagram ska presentera data. Allt annat ska - inom rimlighetens gränser - skalas bort. För att formalisera denna princip använder Tufte begreppet data-ink-ratio, vilket kan översättas som andelen av all trycksvärta (dvs. allt som ritas in i diagrammet) som används för att representera data. Denna kvot ska maximeras och komma så nära ett som möjligt. Med andra ord, nära nog allt som ritas in i diagrammet ska vara datapunkter. Alla delar i ett diagram ska finnas där av en orsak, och nästan alltid ska denna orsak vara att presentera data.

Det som följer av att alltid maximera data-ink-ratio är vidare två följdprinciper som handlar om att ta bort element i diagrammet. För det första, ta bort - åter igen, inom rimlighetens gräns - allt som inte är informationsbärande. Onödiga stödlinjer, ramar, ifyllda ytor, 3-D-effekter, rena dekorationer, osv. Dessa element brukar kallas för chart junk (diagramskräp). De distraherar läsare från budskapet och bidrar inte med information.

För den andra, ta bort även element som upprepar datapunkter, där information dubbleras. Det typiska fallet är där data redan har representerats av exempelvis en stapel. Då finns det inget behov av att även skriva ut siffran. Den ytterligare grafik som siffran innebär är visserligen databärande, men den tillför ingen ny information. Tvärtom kommer den bara distrahera läsaren och försvåra tolkningen av diagrammet. Finns det behov av att visa de exakta siffrorna, är det bättre att komplettera med en separat tabell.

De här principerna tillämpas på diagrammet när man konstruerar det. Revidera det sedan igen, och igen. Diagramkonstruktion är en iterativ process. För, som den franske författaren Antoine de Saint Exupéry skrev: "Det tycks som om perfektion uppnås inte när det inte finns mer att tillägga, utan när det inte finns mer att ta bort".

Vi tar ett exempel för att illustrera hur principerna kan tillämpas. Allra tydligast blir det när det handlar om att göra om ett diagram, snarare än att konstruera ett från grunden. Diagrammet nedan motsvarar vad som kan komma ut från ett kalkylprogram av en känd större mjukvarutillverkare, om inga särskilda ändringar görs.

Grötigt, svårläst och plottrigt. Vi börjar med att anpassa diagramtypen. Staplar är vårt basdiagram, men det passar bäst till att göra jämförelser mellan olika kategorier. När vi ska visa tidsserier är det linjer som är lämpligast. Alltså, byt från staplar till linjer.

Bättre, men fortfarande alldeles för många element som inte presenterar data. Om vi börjar bakifrån, så kan vi radera den grafik som dubblerar data. I det här fallet är siffrorna utskrivna vid varje datapunkt. Informationen är redan inkodad i linjens position, så siffervärdet tillför ingen ytterligare data, utan ligger bara i vägen när en läsare ska följa kurvan. Bort med dem!

Nu kan gå vidare med andra element som försvårar tolkningen. Stödlinjerna är nästan lika tjocka som datalinjerna och dominerar ritytan alldeles för mycket. De kan tunnas ut och samtidigt kompletteras med vertikala linjer, som underlättar läsningen i x-led.

Decimalerna på y-axelns skala är redundanta, eftersom det ändå bara är heltal. På samma sätt förenklas x-axelns skala genom att ta bort upprepningarna av årtalen för varje månad, och ersätta månadsnumren med klartext. Vi vänder dem också till horisontell position, så att läsaren slipper luta huvudet. Samma sak med y-axelns etikett.

Förklaringen till linjerna har också flyttats upp från en egen ruta till att ligga bredvid linjerna, något som alltid är att rekommendera vid just linjediagram. På så sätt slipper läsaren hoppa med blicken fram och tillbaka mellan linjer och förklaring.

Slutligen har också rubriken lyfts ut, ramen har tagits bort och diagrammet har förstorats till att fylla ut hela ritytan.

Arbetslöshet 2012-2013

 

Enkla åtgärder i linje med principerna. Visa data framför allt. Diagrammet blir tydligare, mer lättläst och det är data som dominerar.

Grundläggande visualiseringsteori, del 1: Visuell hierarki

Det här är den första av (förhoppningsvis) flera bloggposter som går in lite mer på djupet kring de teoretiska grunderna för informationsvisualisering. Jag inleder med en av de viktigaste forskningsinsatserna på området – Clevelands hierarki över grafiska element.

William S. Cleveland skrev 1985 tillsammans med Robert McGill uppsatsen Graphical Perception and Graphical Methods for Analyzing Scientific Data , där han för första gången fastslår en rangordning över vilka typer av grafiska metoder för att visualisera data som är effektivast.

När man konstruerar diagram, kodas numerisk information genom storlek, position, form och färg. När man tittar på diagrammet, avkodas informationen visuellt av synsystemet. Den grafiska framställningen är bara lyckad om den avkodningen är effektiv. Den visuella avkodningen handlar om det som på engelska benämns "preattentive vision", dvs det omedvetna, omedelbara mottagandet av information som görs utan någon uppenbar mental ansträngning. Den som är bekant med Daniel Kahneman känner igen det som system 1. Man genomför visserligen också medveten avkodning, genom att t.ex. läsa av skalor och etiketter (Kahnemans system 2), men diagrammens styrka jämfört med tabeller kommer från vår system 1-förmåga att utläsa mönster och jämföra storlekar.

Cleveland och McGill kategoriserade tio olika sätt att visuellt koda information; vinkel, yta, färgskala, färgintensitet, färgtäthet (andel svart), längd, lägen på samma skala, lägen på flera identiska skalor, lutning och volym. Dessa kategorier utgör grunden för i stort sett alla typer av diagram som kan konstrueras.

Kontrollerade experiment genomfördes sen för att studera hur effektiva respektive grafisk typ var för att avkoda information. Försökspersonerna fick försöka utläsa hur stora de procentuella skillnaderna var mellan olika värden kodade med samma grafiska element. Exempelvis fick de se fyra olika vinklar (A-D) och skulle sedan avgöra hur stor andel av vinkel A som vinkel B, C respektive D utgjorde. Försöken upprepades för alla tio olika typer av grafiska element. Genom att jämföra det uppskattade värdet mot det sanna, kunde absolutskillnaden summeras till bedömningsfelet för varje grafisk typ.

Ju större bedömningsfel, desto sämre blir alltså det grafiska elementet på att förmedla information på ett korrekt sätt. Genom att rangordna elementen efter hur mycket (eller lite) fel försökspersonerna gjorde vid försöken, fick man fram en hierarki över olika metoder, graderade från bästa informationsöverföring till sämsta.

Mest effektivt som informationsöverföring är diagram som utnyttjar lägen på en gemensam skala, t.ex. stapeldiagram, linjediagram och punktdiagram. Minst effektiv informationsöverföring får man vid användning av olika färger, t.ex. heatmaps eller tematiska kartor.

Vad betyder då det här för tillämpningen vid diagramkonstruktion? Jo, Clevelands och McGills resonemang är som följer - vid visuell kodning av information har man ofta flera olika valmöjligheter. Man bör då välja den grafiska metod som ligger så högt upp i hierarkin som möjligt. Det ökar exaktheten i avläsningen av mönster i informationen. Det innebär inte en exakt instruktion för hur man konstruerar diagram, men ger ett viktigt stöd i olika valsituationer.

Rent praktiskt innebär det till exempel att tårtdiagram (vinkel) i princip alltid är sämre än stapeldiagram (lägen på samma skala). Att delade stapeldiagram (längd) är sämre än grupperade stapeldiagram (lägen på samma skala). Att olika färger på en karta (färgskala) är sämre än nyanser av samma färg (färgintensitet). Att bubblor (yta) är sämre än staplar (lägen på samma skala). Och så vidare.