Visualisering

Visualisering

Hva er visualisering og dashbord? Hvordan presenterer vi data best mulig? Og hva slags muligheter gir visualisering, utover enkle diagrammer og grafer? Les videre for å få svar.

Visualisering

Det er ikke nødvendigvis sånn at løsningen for å skape verdi ut av data må innebære kunstig intelligens, maskinlæring, datamodeller, automatisering eller andre slike avanserte prosesser med et tilhørende buzzord. Noen ganger er det nok å simpelthen kombinere data fra flere kilder, visualisere dem og legge dem frem på en god måte. Da kan vi synliggjøre ting som ellers ville ha ligget gjemt like foran øynene våre. 

Visualisering handler om å formidle et budskap gjennom grafiske og visuelle representasjoner – for eksempel diagrammer, grafer, animasjoner, kart og infografikk.

Forskjellen på å ha masse tall foran seg i et Excel-ark, og å se en visuell representasjon av de samme dataene i et godt designet linjediagram, er som natt og dag. Visualiseringen gjør det lett å se mønstre, trender og sammenhenger som var usynlige for oss da vi bare så rådataene. Det kan synliggjøre innsikter som ellers ville vært begravet i alle tallene i uforståelige lister og tabeller.

Dashbord

Det kan være verdifullt å visualisere enkelte datasett «en gang for alle», for eksempel i en rapport eller studie.

Men visualiseringer kan også være «levende», i form av at de er koblet sammen med datakildene dine og lar deg følge med på oppdaterte data når du måtte ønske. Et verktøy som viser de viktigste, oppdaterte dataene dine på ett sted kalles et dashbord.

👩‍💻 Teknologier: Dashbord

Tenk på dashbordet i bilen din. I løpet av det lille sekundet du ser ned, gir det deg oversikt over den viktigste informasjonen du trenger i det øyeblikket – som hastighet, turtall og drivstoff- eller batterinivå. 

Dashbord for virksomheter fungerer etter samme prinsipp. De brukes som regel for å fremheve data tilknyttet deres viktigste KPI-er (kort for Key Performance Indicator, et mål på hvor godt bedriften presterer i forhold til målene sine). Hvis du for eksempel har en liten sjokoladefabrikk og har som mål å produsere 1.000 sjokoladeplater om dagen, vil «antall sjokoladeplater produsert per dag» antagelig være en av dine viktigste KPI-er. En annen kan være «feilmargin» (si at målet er under 0,5 prosent plater med feil), andre igjen kan handle om kundelojalitet, nye bestillinger, vekst i inntekter, fortjenestemarginer, avkastning på investeringer, og så videre.  

På dashbordet blir denne dataen fremstilt visuelt i form av lett forståelige tabeller, grafer og diagrammer – slik at du enkelt kan få oversikt, og ha et solid grunnlag for å ta bedre, datadrevne avgjørelser.

Et dashbord kan finnes innenfor spesialiserte programvaremiljøer, for eksempel et markedsføringsverktøy eller CRM-system. Men dere kan også samle de viktigste dataene fra hele bedriften i et eget program som er laget for dette formålet, for eksempel Power BI eller Tableau.

Hvordan skal dataene presenteres?

Det er viktig å tenke nøye gjennom hva slags grensesnitt vi bruker for å interagere med data. Ta været, for eksempel. Det mest populære av alle samtaletemaer.

Når du står opp om morgenen er det herlig praktisk å kunne spørre – rett ut i luften, mens du lager kaffe – «Hey Google, bør jeg ta med paraplyen i dag?». Fra smarthøyttaleren kommer det svar: «Nei, det er ikke ventet regn i Oslo i dag».

Du får svar på det du lurte på. Faktisk fungerer dette helt topp – det er håndfritt, og du trenger ikke ta øynene vekk fra kaffen du brygger, brødskiven du smører, eller hva enn som er morgenrutinen din. Handlingen det fører til, er at du legger igjen paraplyen hjemme når du går på jobb. 

Men tenk så at du skal planlegge for en helgetur. Kanskje du skal telte i skogen, eller stå på ski i fjellet. Da trenger du å se mye mer data. Hvor mange oppfølgingsspørsmål må du stille Google dersom du vil vite hvordan langtidsvarselet ser ut for helgen, hvor kraftig bjørkepollenet er, hvor kaldt det kan bli om natten, og om det er trygt å tenne opp bål? Hva med snødybde, sollys, vindstyrke og skredfare?

Sammenlign dette med hva du ser når du åpner Yr.no. Her finner du enkle tabeller med fargerike symboler og tall som viser værvarselet for ulike steder, også flere dager frem i tid. Du får se kart og animasjoner av værsituasjonen i landet akkurat nå. Og du kan med et enkelt klikk finne langtidsvarselet, værvarselet time for time med grafer over temperatur, nedbør, vind og trykk, eller mer spesialisert informasjon som pollenvarsel, UV-varsel, snødybder, skredfare og skogbrannfare. Det er rett og slett et dashbord for været.

Mens du ser på nettsiden eller appen tar du til deg massevis av data, og legger til dine egne erfaringer av været i området. Så tar du en vurdering på hvor villig du er til å gjennomføre turen dersom forholdene ser sånn medium dårlige ut. 

Med god presentasjon av data – det vi kaller informasjonsdesign – er du i stand til å suge til deg all denne informasjonen nesten uvitende. Handlingene du gjør er å utsette turen, bestille overnatting på en hytte i stedet for å telte, eller pakke annerledes.

💡 Innsikt: Kunsten å lage gode visualiseringer og dashbord

Begge brukeropplevelsene i eksempelet ovenfor – Google-assistenten og Yr.no – er bygget på enorme datamengder og kompliserte modeller. Forskjellen ligger i hvordan det presenteres, og til hvilket formål.

Når vi bygger grensesnittene som serverer data og innsikter til brukerne, er det avgjørende at vi forstår hvilke oppgaver brukeren skal løse og hvilke vurderinger som er relevante. Når du snubler gjennom morgenrutinen din, er «Hey Google» et fantastisk grensesnitt. Men når du må ta en sammensatt avgjørelse som veier opp en rekke faktorer, er en godt designet kombinasjon av grafer, tabeller og nøkkeltall best.

I industrien og næringslivet er beslutninger vanligvis sammensatte og mangefasetterte, og det er derfor helt essensielt at vi bygger et analytisk og helhetlig bilde av situasjonen. Vi må forstå hva databrukere trenger å oppnå i arbeidet sitt, og deretter gjøre dette mulig for dem. 

Derfor er det nettopp forståelsen av beslutningstagerens behov og vurderinger – og ikke mengden data, hvor komplekse grafene er eller utseende på grensesnittet – som er den viktigste suksessfaktoren for å lage verdifulle visualiseringer og dashbord.

Visualisering for viderekommende

Visualisering kan være veldig enkelt, vi kan snakke om enkle diagrammer i Excel eller grafer du får presentert i et av dataprogrammene du bruker hver dag. Men la oss se på hvordan visualisering kan hjelpe oss med å finne innsikter i større og mer kompliserte datasett. Vi kan dele det opp i tre nivåer, sortert etter vanskelighetsgrad:

Den første typen visualisering kan vi kalle «selvbetjeningsanalyse» (self service analytics). Denne er bygget på forberedte datasett som er gjort tilgjengelig gjennom ganske enkle verktøy, slik at ikke-tekniske databrukere kan finne svar på sine egne spørsmål. De kan for eksempel oppdage data og se på trender. Fordi datasettene er generaliserte (altså laget for flere formål), og man her bruker lett tilgjengelige, minst mulige kompliserte verktøy, betyr det til gjengjeld at det er nokså begrenset hva man kan oppnå med disse visualiseringene. Det kan være nyttig for de enkelte databrukerne, men denne typen analyse vil sjelden deles med større grupper eller bli brukt som grunnlag for viktige avgjørelser. 

Det bringer oss videre til den neste typen visualisering, som vi kan kalle forberedt analyse (prepared analytics). Når dashbord skal brukes av en større gruppe beslutningstakere til viktige beslutninger, er det verdt å få en erfaren datavisualiseringsingeniør til å designe og bygge en tilpasset brukeropplevelse.

Hvis vi tar dette til det ekstreme, for eksempel hvis antallet databrukere blir veldig stort, nærmer vi oss apputvikling i full skala. På dette tidspunktet er det fornuftig å bruke et mest mulig fleksibelt, men samtidig tilstrekkelig avansert verktøy som holder alle muligheter åpne.  

Igjen er det avgjørende med en god forståelse av hvilke oppgaver dashbordet skal hjelpe deg å løse, og i hvilken sammenheng, for å sikre at de riktige tekniske beslutningene blir tatt. Hvis for eksempel visualiseringen trenger å betjene data i sanntid, er det viktig å bruke litt tid på å løse dette teknisk. Hvis dataene på den annen side bare trenger å oppdateres daglig, finnes det en rekke enklere alternativer for teamet som bygger visualiseringen.

🤔 Refleksjon

Se på målet du skrev ned i starten av veiviseren. Tror du visualiseringer og/eller et dashbord kan hjelpe dere å nå målet?