Research: Interactieve datavisualisatie – part 1

Infografieken

Als vooruitzicht op mijn bachelorproef – het maken van een interactieve datavisualisatie van de Federale Begroting – heb ik gezocht naar de kwaliteiten van verschillende soorten datavizualisaties.

Welk soort visualisatie?

In de afbeelding hierboven is al een handige gids voor verschillende soorten (data-)visualisaties. In deze poster worden de visualisaties opgedeeld in 9 verschillende categoriën: deviation, correlation, rankin, distribution, change over time, magnitude, part-to-whole, spatial en flow.

bron: ft.com/vocabulary

Om de boodschap van mijn bachelorproef zo correct mogelijk te laten overkomen, is het noodzakelijk dat ik bepaal in welke categorie(ën) mijn toekomstige visualisatie best zou passen.

Distribution

Aangezien de begroting direct gaat over de verdeling van geld, is de categorie ‘distribution’ een vanzelfsprekende optie. Zoals de poster beschrijft:

Show values in a dataset and how often they occur. The shape of a distribution can be a memorable way of highlighting the lach of uniformity or equality in the data“.

In deze categorie hebben we volgens Financial Times (FT) een 8-tal opties die hiervoor goed werken: een histogram, dot-plot, dot-strip-plot, barcode plot, boxplot, violin plot, population pyramid, cumulative curve, frequency polygons, en beeswarm. Hoewel deze categorie logisch lijkt bij de data die ik zal gebruiken, lijken de meeste van deze infografieken niet volledig aan te sluiten bij mijn behoeftes.

Magnitude

“show size comparisons. These can be relative (just being able to see bigger/ larger) or absolute (need to see fine differences). Usually, these show a ‘counted’ number (for example, barrels, dollars of people) rather than a calculated rate or per cent.”

FT stelt in de categorie Magnitude 12 infografieken voor: een column, bar, paired column, paired bar, Marimekko, Proportional symbol, isotype (pictogram), lolipop, radar, parallel coordinates, bullet en grouped symbol.

Ook in deze categorie vind ik mijn twijfels over de toepasbaarheid van mijn data op de meeste van deze suggesties. bar chart, marimekko, proportional symbol en isotype lijken de enige visualisaties te zijn die toepasbaar kunnen zijn om de Federale begroting te visualiseren.

Stacked-to-whole

Tot slot lijkt “Part to Whole” het meest aan te sluiten en bruikbaar te zijn voor de noden die mijn dataset zou nodig hebben.

“Show how a single entity can be broken down into its component elements. If the reader’s interest is solely in the size of the components, consider a magnitude-type chart instead”

De type grafieken die volgens FT passen binnen een stacked-to-whole zijn: stacked column/bar, marimekko, pie, donut, treemap, voronoi, arc, gridplot, venn, waterfall.

Deze categorie lijkt de meeste kwaliteiten te hebben om een begroting in te visualiseren.

Verder onderzoek naar de ‘best practices’ van deze types grafieken moet nog worden uitgevoerd om een betere beslissing te maken over welk type grafiek/ visualisatie het best wordt gebruikt.

Leave a Reply

Your email address will not be published. Required fields are marked *