Was können Autoren von Datenvisualisierungen von Punks lernen?

Ein Punk-Ansatz zur Datenvisualisierung, inspiriert von Sideburns Magazine, Januar 1977.

Dieser Text ist zuerst in der ComputerWorld erschienen.

„Die für effektive Darstellung von Informationen erforderlichen Fähigkeiten sind nicht intuitiv und basieren vor allem auf Prinzipien, die gelernt werden müssen“, sagt Stephen Few in seinem ausgezeichneten Buch Show me the Numbers.

Im Prinzip bin ich einverstanden.

Nur gibt es da ein Problem: Einige der Fähigkeiten kann man nur in der Praxis erlernen. Wenn Sie wissen, wie ein funktionierendes Diagramm aufgebaut ist, wissen Sie noch nichts über die Psychologie des Menschen, und dass sie nicht nur informieren, sondern auch motivieren müssen. Durch frühe Erfahrungen mit Misserfolg und Erfolg lernen Sie mehr als aus Büchern.Leider sehe ich viele Menschen, die durch andere Experten eingeschüchtert werden und Angst haben, die Initiative zu ergreifen. Sie haben den Eindruck, dass sie ein hohes Niveau erreichen müssen, bevor sie anfangen können (siehe Kommentare zu diesem Beitrag als Beispiel).

Ich finde es besser, wenn die Leute mit einem Minimum gleich anfangen und dann nach und nach dazulernen.

2012 hat Simon Rogers, jetzt Datenredakteur bei Google, eine Punk-Ethik beim Datenjournalismus befürwortet:„Jeder kann‘s.“Wenn Sie nur drei präattentive Attribute kennen, heißt es noch nicht, dass Sie großartige Arbeiten abliefern, aber Sie können anfangen und haben mehr Vorteile als Probleme.

Gespräche beginnen mit Daten

Hier ist eines meiner ersten Dashboards aus dem Jahr 2008 über die Fortschritte der Studierenden in Aufbaustudiengängen.

Diagramme begann ich zu erstellen, als ich Datenanalyst an der University of Oxford war. Meine ersten Diagramme waren recht einfach. Sie haben die Welt nicht so verändert, wie ich es erwartet hatte. Meine Kollegen, die so etwas zum ersten Mal sahen, sagten jedoch: „Ganz nett, aber anstatt die Daten so zu zeigen, würde ich sie gern so sehen.“

Daraufhin haben wir zusammengearbeitet und Dashboards aufgebaut, die für alle nützlich waren. Der Punk-Ansatz ermöglichte Prototypen.Ich habe gemeinsam mit den Wissenschaftlern gelernt.

Frühe Arbeiten mit anderen zu teilen, schafft Feedback-Schleifen. Makeover Monday, dass Community-geführte Datenvisualisierungsprojekt, das während des ganzen Jahres 2016 lief, beweist dies. In dem Projekt geben wir jede Woche ein neues Diagramm und die dazugehörigen Daten heraus und bitten andere darum, das ursprüngliche Diagramm zu überarbeiten. Wir hatten mehr als 3000 Überarbeitungen von fast 500 Teilnehmern.

Die Punk-Seite des Projekts fördert die Kreativität. Der folgende Tweet zeigt eine der ersten Überarbeitungen von Tom O'Hara, einem Datenanalysten aus New York. Es ist nicht großartig. Die Storys sind nicht klar und die Verwendung der Farben ist nicht ideal. Stört mich das? Nicht wirklich. Ich freue mich, dass Tom mitgemacht hat.

Mein Beitrag kommt spät, aber ich versuche es mit #MakeoverMonday https://t.co/yNfg5q768V #tableau #dataviz @VizWizBI pic.twitter.com/JOQylCeU1c

— Tom O'Hara (@taawwmm) Donnerstag, 4. Mai 2016

Im Lauf des Jahres haben sich Toms Fähigkeiten gewaltig entwickelt. Es folgt eine seiner späteren Überarbeitungen. Sie sehen einen riesigen Unterschied im Hinblick auf Design und Storytelling. „Vor meiner Teilnahme bei ‚Makeover Monday‘ wusste ich nicht, wie man mit Daten eine Geschichte erzählt“, sagte er mir. „Ich hab einfach Diagramme erstellt, ohne auf ihre Wirkung auf den Endbenutzer zu achten. Der Neustart am Montag hat mir geholfen, meine Storytelling-Technik auf ein sicheres Fundament zu stellen.“

#MakeoverMonday mit vielen Filtern, die mit dem Mauszeiger aktiviert werden. https://t.co/NzaCVxg5wi @VizWizBI @acotgreave #tableauu pic.twitter.com/NYJTvToL6a

— Tom O'Hara (@taawwmm) Donnerstag, 23. November 2016

Wenn wir das Projekt „Makeover Monday“ mit hohen Ansprüchen gestartet hätten, hätten wir einen elitistischen, einschüchternden Rahmen vorgegeben. Tom ist einer von vielen, die ins kalte Wasser gesprungen sind und Feedback für ihre Arbeit bekommen haben. Dieses iterative, öffentliche Lernen hat seine Fähigkeiten entwickelt. Möchte ich lieber, dass nur die Datenvisualisierungselite an diesem Projekt teilnimmt oder dass es viele Menschen inspiriert?

Wenn Sie sich auf die beste Nutzung Ihrer Daten konzentrieren, ist es völlig egal, welchen Weg Sie einschlagen.

Zu viele Menschen denken, dass Visualisierungen perfekte, druckreife Arbeiten sein müssen. Nein, eine ungeordnete visuelle Untersuchung von Daten ist ebenso wichtig wie Präsentationen für die Geschäftsführung. Es ist okay, Daten auf die Arbeitsfläche zu werfen, Unordnung zu schaffen, um Dinge zu entdecken.

Kirill Andriychuk von Aeria Games in Berlin kennt das: „Wir saßen eines Abends mit dem CEO von Aeria Games zusammen und haben einfach ein paar Visualisierungen nach Land zusammengestellt, um zu sehen, wo unsere profitabelsten Kunden sind. Als wir gerade dabei waren, sagte er:„Halt, stopp! Wir sollten uns das hier mal genauer ansehen. Was ist denn in Singapur los?“ Wir haben dort einige wirklich lohnende Kunden, wussten das bis dahin aber gar nicht.“

Iterative, chaotische und skizzenhafte Punk-Arbeit kann genau die Erkenntnisse hervorbringen, die Sie brauchen. Sie brauchen weder aufbewahrt noch freigegeben zu werden. Allein durch Herumprobieren an den Basisdaten lassen sich schon Erkenntnisse gewinnen.

Dieser Artikel war inspiriert von der Datendebatte, die ich kürzlich gemeinsam mit Andy Kirk von VisualizingData.com geleitet habe. Hier finden Sie Argumente zugunsten eines wissenschaftlicheren Ansatzes!