Het is alweer even geleden sinds de laatste remake hier op Datadump verscheen. De Corona crisis heeft ook op onze routines een impact gehad waardoor we hier iets minder actief waren. Nu het normale leven weer wat meer op gang lijkt te komen leek het ons een goed moment om weer eens deel te nemen aan de SWDchallenge van juni.
In de SWDchallenge van juni werden we uitgedaagd om een visualisatie te maken in zwart-wit of met slechts één kleurentint. Het idee achter deze beperking is dat je visualisatie ook zonder het gebruik van kleur goed en gestructureerd genoeg moet zijn om de boodschap over te brengen. Kleuren kunnen dan later worden toegevoegd als aanvullende lagen, bijvoorbeeld voor emotie, focus, levendigheid, drama, etc.
Datadump
Omdat er bij deze uitdaging geen data werd meegeleverd ben ik zelf op zoek gegaan naar een datadumpje. Daarbij kwam ik uit bij de dataset en visualisatie van Makeover Monday van week 23. De oorspronkelijke visualisatie ziet er als volgt uit:
De grafiek toont gegevens van de consumptie van diervrije producten zoals vlees- en zuivelvervangers in Groot-Brittannië. Per categorie vleeseter (bijv. veganist, vegetariër, vleeseter) wordt er getoond hoe vaak ze dergelijke producten consumeren. De resultaten zijn zoals je ze zou verwachten: veganisten consumeren vaker vlees- en zuivelvervangers dan vleeseters. Maar de manier waarop de data is gevisualiseerd vind ik beter kunnen. Daarom heb ik gekozen voor een remake inclusief de beperking van de SWDchallenge om slechts één kleurentint te gebruiken. De remake is gemaakt met Power BI en ziet als volgt uit:
Remake
In de basis heb ik gekozen voor een (draai)tabel in plaats van een gestapelde staafgrafiek. Omdat er in het origineel overal labels worden getoond is de tabel slechts een compactere weergave van de oorspronkelijke grafiek. De tabel staat in het midden van de visualisatie waardoor ik alle waarden heb gecentreerd. Met de verzadiging van de kleur heb ik er voor gekozen om de (in mijn beleving) meest gezonde waardes te donkerder te kleuren. Ik heb gekozen voor een groene tint, omdat ik dit vond passen bij het thema veganistisch eten. Hoe hoger het percentage én hoe hoger de frequentie én hoe “hoger” de categorie vegetariër, hoe meer verzadigd de groene tint wordt.
Vervolgens wilde ik de tabel verder verduidelijken door per categorie vleeseter weer te geven hoeveel procent “vaak” vleesvervangers eet en hoeveel procent “nagenoeg nooit”. Dit heb ik gedaan door de percentages van de categorieën Wekelijks en Dagelijks op te tellen (vaak) en de categorieën Weet ik niet of Nooit (nagenoeg nooit). Deze worden aan weerszijden getoond met een staafgrafiek. De staafgrafieken maken gebruik van dezelfde categorieën-“as” als de tabel (veganist, vegetariër, vleeseter, etc.).
Om het geheel af te maken licht ik de belangrijkste conclusies toe in de annotaties en heb ik een duidelijke titel toegevoegd. De annotaties zijn met een klein verbindingsstreepje gekoppeld aan het relevante datapunt.
Uitdagingen
De beperking van slechts één kleurentint levert in deze visualisatie nog wel een uitdaging op. In de tabel is het goed mogelijk om de laagste waarden niet in te kleuren of volledig wit te laten. Voor de staafgrafieken wilde ik eenzelfde soort tint gebruiken (hoge waarden groen, lage waarden wit), maar witte staafjes op een witte achtergrond levert geen grafiek op. Hier heb ik er voor gekozen om de grafiek te laten starten met een lichtgroene tint en verder te verzadigen naarmate de waarden hoger worden.
Een andere uitdaging waren de datalabels in de linker staafgrafiek. Om de grafiek in Power BI van rechts naar links te laten verlopen moeten de waarden negatief zijn. Ik wilde echter geen negatieve maar positieve datalabels tonen. Dit heb ik handmatig weggepoetst in het eindresultaat. Hoewel je dit in een realtime dashboard niet kunt doen, denk ik dat dit prima kan in het geval van verklarende datavisualisatie.
De laatste uitdaging waar ik persoonlijk wel eens mee worstel is de uitlijning van de objecten binnen het geheel. Ik wil zo min mogelijk onnodige witruimte tonen, maar onderdelen mogen niet over elkaar heen vallen en onleesbaar worden. Daarnaast moeten ze logisch bij elkaar gepositioneerd zijn zodat je snel de juiste conclusies kunt trekken. Met behulp van feedback en tips van Cole via de SWDcommunity heb ik deze uitdagingen kunnen tackelen.
Ben je enthousiast over de blogs van Datadump en wil je eenvoudig op de hoogte worden gehouden over de laatste ontwikkelingen? Volg ons dan via Twitter, LinkedIn, RSS, schrijf je in voor één van onze nieuwsbrieven, of voeg onze auteurs Joost en Dennis toe aan je netwerk.
kkjqfd
tvnc50
irr2po
7eopqr
aveprl
ulwrcf
vvmf7m
8dy75s
3xn5j5
vhl469