Visualisasi Data – Praktik Terbaik dan Landasan

Diterbitkan: 2022-03-11

"Kekacauan dan kebingungan bukanlah atribut data - itu adalah kekurangan desain." – Edward Tufte

Apa itu Visualisasi Data?

Michael Friendly mendefinisikan visualisasi data "sebagai informasi yang telah diabstraksikan dalam beberapa bentuk skema, termasuk atribut atau variabel untuk unit informasi." Dengan kata lain, ini adalah cara yang koheren untuk mengomunikasikan konten kuantitatif secara visual. Bergantung pada atributnya, data dapat direpresentasikan dalam berbagai cara, seperti grafik garis, diagram batang, diagram lingkaran, plot sebar, atau peta.

Sangat penting bagi desainer grafis untuk mematuhi praktik terbaik visualisasi data dan menentukan cara terbaik untuk menyajikan kumpulan data secara visual. Visualisasi data harus bermanfaat, menarik secara visual, dan tidak pernah menyesatkan. Terutama ketika bekerja dengan kumpulan data yang sangat besar, mengembangkan format yang kohesif sangat penting untuk menciptakan visualisasi yang berguna dan menarik secara visual.

Menampilkan data secara visual membuatnya lebih mudah dipahami dalam contoh praktik terbaik visualisasi data ini — Visualisasi data *Wall Street Journal* dari angka pengangguran AS. (oleh WSJ)

Mengapa Menggunakan Visualisasi Data

Menurut IBM, 2,5 triliun byte data dibuat setiap hari. Ilmuwan Riset Andrew McAfee dan Profesor Erik Brynjolfsson dari MIT menunjukkan bahwa "lebih banyak data melintasi internet setiap detik daripada yang disimpan di seluruh internet hanya 20 tahun yang lalu."

Ketika dunia menjadi semakin terhubung dengan semakin banyak perangkat elektronik, volume data akan terus tumbuh secara eksponensial. IDC memperkirakan akan ada 163 zettabytes (163 triliun gigabyte) data pada tahun 2025.

Semua data ini sulit untuk dipahami oleh otak manusia—bahkan, sulit bagi otak manusia untuk memahami angka yang lebih besar dari lima tanpa menggambar semacam analogi atau abstraksi. Desainer visualisasi data dapat memainkan peran penting dalam menciptakan abstraksi tersebut.

Lagi pula, big data tidak ada gunanya jika tidak dapat dipahami dan dikonsumsi dengan cara yang bermanfaat. Itulah mengapa visualisasi data memainkan peran penting dalam segala hal mulai dari ekonomi hingga sains dan teknologi, hingga perawatan kesehatan dan layanan manusia. Dengan mengubah bilangan kompleks dan potongan informasi lainnya menjadi grafik, konten menjadi lebih mudah dipahami dan digunakan.

Bagan visual sangat berguna dalam desain dasbor

Kapan Menggunakannya?

Karena sejumlah besar sangat sulit untuk dipahami dengan cara apa pun yang berarti, dan banyak dari kumpulan data yang paling berguna berisi sejumlah besar data berharga, visualisasi data telah menjadi sumber daya penting bagi para pembuat keputusan. Untuk memanfaatkan semua data ini, banyak bisnis melihat nilai visualisasi data dalam pemahaman yang jelas dan efisien tentang informasi penting, memungkinkan pengambil keputusan untuk memahami konsep yang sulit, mengidentifikasi pola baru, dan mendapatkan wawasan berbasis data untuk membuat yang lebih baik. keputusan.

Perlu menghabiskan sumber daya untuk solusi desain visualisasi data . Memahami kumpulan data besar diperlukan untuk membuat keputusan yang tepat—apakah itu dalam bisnis, teknologi, sains, atau bidang lain. Visualisasi yang jelas membuat data yang kompleks lebih mudah dipahami, dan karenanya lebih mudah untuk diambil tindakan.

Praktik terbaik visualisasi data aplikasi konsumen

Prinsip

Tentukan Tujuan yang Jelas

Visualisasi data harus menjawab pertanyaan strategis yang vital, memberikan nilai nyata, dan membantu memecahkan masalah nyata. Ini dapat digunakan untuk melacak kinerja, memantau perilaku pelanggan, dan mengukur efektivitas proses, misalnya. Meluangkan waktu di awal proyek visualisasi data untuk menentukan tujuan dan prioritas dengan jelas akan membuat hasil akhirnya lebih bermanfaat dan mencegah membuang waktu untuk membuat visual yang tidak perlu.

Kenali Audiensnya

Sebuah visualisasi data tidak berguna jika tidak dirancang untuk berkomunikasi secara jelas dengan target audiens. Ini harus kompatibel dengan keahlian audiens dan memungkinkan pemirsa untuk melihat dan memproses data dengan mudah dan cepat. Mempertimbangkan seberapa akrab audiens dengan prinsip-prinsip dasar yang disajikan oleh data, serta apakah mereka cenderung memiliki latar belakang bidang STEM, di mana bagan dan grafik lebih cenderung dilihat secara teratur.

Dicari desainer UX freelance penuh waktu yang berbasis di AS

Gunakan Fitur Visual untuk Menampilkan Data dengan Benar

Ada begitu banyak jenis grafik. Memutuskan jenis apa yang terbaik untuk memvisualisasikan data yang disajikan adalah seni tersendiri. Bagan yang tepat tidak hanya akan membuat data lebih mudah dipahami, tetapi juga menyajikannya dengan cara yang paling akurat. Untuk membuat pilihan yang tepat, pertimbangkan jenis data apa yang perlu Anda sampaikan, dan kepada siapa data tersebut disampaikan.

Berikut Jenis Grafik Paling Populer untuk Visualisasi Data:

Bagan Garis: Bagan garis harus digunakan untuk membandingkan nilai dari waktu ke waktu, dan sangat baik untuk menampilkan perubahan besar dan kecil. Mereka juga dapat digunakan untuk membandingkan perubahan pada lebih dari satu kelompok data.

Bagan garis adalah contoh teknik visualisasi data yang baik — (Sumber: <a href=”https://www.unep.org/about-un-environment

Grafik Batang: Grafik batang harus digunakan untuk membandingkan data kuantitatif dari beberapa kategori. Mereka juga dapat digunakan untuk melacak perubahan dari waktu ke waktu, tetapi paling baik digunakan hanya ketika perubahan itu signifikan.

Bagan batang adalah cara yang baik untuk menyajikan data tertentu secara visual — (Sumber: Dunia Kita dalam Data)

Scatter Plots: Scatter plots harus digunakan untuk menampilkan nilai dua variabel untuk satu set data. Mereka sangat baik untuk menjelajahi hubungan antara dua set.

Praktik terbaik visualisasi data bagan sebar — (Sumber: Dunia Kita dalam Data)

Bagan Pai: Bagan Pai harus digunakan untuk menunjukkan bagian dari keseluruhan. Mereka tidak dapat menampilkan hal-hal seperti perubahan dari waktu ke waktu.

Diagram lingkaran sangat bagus untuk desain visualisasi data.

Tetap Terorganisir dan Koheren

Koherensi sangat penting saat menyusun kumpulan data besar menjadi visualisasi. Desain yang koheren akan secara efektif memudar ke latar belakang, memungkinkan pengguna memproses informasi dengan mudah. Visualisasi terbaik membantu pemirsa mencapai kesimpulan tentang data yang disajikan tanpa "berhadapan langsung" atau menarik perhatian pada diri mereka sendiri. Mereka hanya menunjukkan data dengan cara terbaik.

Membuat hierarki data menunjukkan berbagai titik data dengan cara yang relevan bagi pengambil keputusan. Anda dapat mengurutkan tertinggi ke terendah untuk menekankan nilai terbesar atau menampilkan kategori yang lebih penting bagi pengguna dengan cara yang menonjol.

Bahkan urutan data yang ditampilkan, warna yang digunakan (seperti warna yang lebih cerah untuk poin yang paling penting, atau abu-abu untuk data dasar), dan ukuran berbagai elemen bagan (seperti memperluas irisan tertentu dari bagan pai di luar batas reguler grafik) dapat membantu pengguna menafsirkan data dengan lebih mudah. Berhati-hatilah dalam menciptakan bias yang seharusnya tidak ada saat menggunakan teknik ini.

Praktik terbaik visualisasi data interaktif — Visualisasi data interaktif juga merupakan cara terbaik untuk membantu orang menafsirkan data.

Jadikan Visualisasi Data Inklusif

Warna digunakan secara luas sebagai cara untuk mewakili dan membedakan informasi. Menurut studi terbaru yang dilakukan oleh Salesforce, ini juga merupakan faktor kunci dalam keputusan pengguna.

Mereka menganalisis bagaimana orang merespons kombinasi warna berbeda yang digunakan dalam bagan, dengan asumsi bahwa mereka akan memiliki preferensi yang lebih kuat untuk palet yang memiliki variasi warna halus karena akan lebih menarik secara estetika.

Namun, mereka menemukan bahwa meskipun menarik, palet yang halus membuat grafik lebih sulit untuk dianalisis dan mendapatkan wawasan. Itu sepenuhnya mengalahkan tujuan membuat visualisasi untuk menampilkan data.

Berlangganan ke blog desain Toptal dan terima eBook kami

Jika bagan dengan warna yang serupa—dan kontras yang lebih sedikit—sulit dibaca oleh kebanyakan orang, bagan itu bahkan lebih sulit lagi bagi orang yang tidak memiliki penglihatan yang sempurna—dan bagan itu mewakili sebagian besar populasi. Menurut WHO, diperkirakan 253 juta orang hidup dengan gangguan penglihatan.

Untungnya, ada alat yang tersedia untuk memeriksa bagaimana gambar akan divisualisasikan oleh orang-orang dengan gangguan ini, seperti pemeriksaan buta warna di Photoshop dan Illustrator. Hal-hal lain seperti menggunakan ukuran font yang cukup besar dan kontras yang memadai antara jenis dan latar belakang juga membantu.

Jika alat simulasi mengungkapkan masalah dengan palet warna, ada teknik yang dapat meningkatkan keterbacaan grafik:

Gunakan warna yang memiliki kontras tinggi.
Lengkapi penggunaan warna dengan pola atau tekstur untuk menyampaikan berbagai jenis informasi.
Gunakan teks atau ikon untuk melabeli elemen.

Contoh bagus kombinasi warna yang bagus dalam visualisasi data — Bahkan saat visualisasi data menggunakan model skala, kontras warna yang memadai dapat digunakan di antara setiap langkah. Versi interaktif grafik ini menyertakan label saat pengguna mengarahkan kursor ke setiap negara. (Sumber: Dunia Kita dalam Data)

Pilihan font dapat mempengaruhi keterbacaan teks, meningkatkan atau mengurangi makna yang dimaksudkan. Karena itu, lebih baik menghindari tampilan font dan tetap menggunakan jenis huruf serif atau sans serif yang lebih mendasar.

Pastikan visualisasi data memiliki ukuran font yang dapat dibaca untuk medianya. Majalah Smashing menyarankan "16 piksel umumnya harus menjadi ukuran minimum untuk body copy dalam desain web modern."

Jangan Distorsi Data

Visualisasi data yang bagus harus menceritakan kisah dengan jelas, menghindari distorsi. Hindari penggunaan representasi visual yang tidak secara akurat mewakili kumpulan data, seperti diagram lingkaran dalam 3D.

Desain visualisasi data yang buruk — Diagram lingkaran 3D seperti ini membuat sulit untuk benar-benar memvisualisasikan proporsi setiap irisan. (oleh PSDgraphics)

Visualisasi data dapat mengarahkan pemirsa pada kesimpulan tertentu tanpa mendistorsi data itu sendiri. Ini bisa sangat berguna dalam merancang hal-hal seperti infografis untuk konsumsi publik, biasanya dibuat untuk mendukung kesimpulan tertentu daripada sekadar menyampaikan data secara umum. Hal-hal seperti pilihan warna dan memanggil titik data tertentu dapat digunakan untuk tujuan ini tanpa membuat grafik yang menyesatkan (yang berpotensi mempertanyakan kredibilitas desainer).

Contoh Visualisasi Data yang Buruk

Contoh desain visualisasi data yang buruk — Tidak memulai sumbu Y dari nol dapat membuat data tampak memiliki keuntungan yang lebih besar daripada yang sebenarnya ada. Hal ini membuat visualisasi menyesatkan dan tidak memperjelas data yang disajikan.

Contoh visualisasi data yang menyesatkan — Contoh lain dari bagan yang tidak memulai sumbu Y dari nol, mengubah cara hasil ditampilkan.

Contoh kombinasi warna dan skala yang buruk dalam visualisasi data yang buruk — Diagram batang dari merek besar ini menyesatkan dalam skala karena tidak ada sumbu Y. Meskipun hanya ada sedikit perbedaan kurang dari 1%, bilah biru berukuran besar diperbesar di luar proporsi.

Contoh visualisasi data yang menyesatkan tentang peningkatan 70% dalam masa pakai baterai — Ketika Apple mencoba untuk menggambarkan bahwa baterai iPad Baru memiliki masa pakai baterai 70% lebih lama, mereka meningkatkan ketinggian sebesar 70% tetapi juga skala keseluruhan, membuat baterai tampak jauh lebih besar daripada baterai iPad sebelumnya. (melalui Gizmodo)

Contoh Visualisasi Data yang Baik

Kombinasi warna yang baik mencakup kontras warna yang cukup dalam visualisasi data ini — Bagan batang seperti ini adalah cara yang fantastis untuk menampilkan perbedaan antara kumpulan data, meskipun kontras warna yang lebih tinggi akan membuat gambar ini lebih mudah diakses oleh pengguna dengan gangguan penglihatan. (oleh FiftyThirtyTwenty)

Menyajikan data secara visual dapat membuat dasbor lebih mudah dipahami — Dasbor penjualan ini menggunakan beberapa format visualisasi yang berbeda untuk menyajikan data yang relevan dalam format yang mudah dipahami yang masuk akal hanya dengan pandangan sekilas. Data juga diberi label dengan baik, lebih memperjelas hal-hal. (oleh Bagus Fikri)

Contoh dasbor visualisasi data yang baik — Menggabungkan desain yang bersih dan rapi dengan visualisasi data yang mudah ditafsirkan dengan bagan sederhana menghasilkan UX yang hebat. (oleh Miklos Philips)

Google Audience Insights adalah contoh yang baik dari praktik terbaik visualisasi data interaktif — Wawasan Audiens Google melakukan pekerjaan yang baik dengan rangkaian analitik data interaktifnya yang membuat data mudah dipahami.

Kesimpulan

Visualisasi data yang baik harus mengomunikasikan kumpulan data dengan jelas dan efektif dengan menggunakan grafik. Visualisasi terbaik memudahkan untuk memahami data secara sekilas. Mereka mengambil informasi yang kompleks dan memecahnya sedemikian rupa sehingga mudah dipahami oleh audiens target dan menjadi dasar keputusan mereka.

Seperti yang ditunjukkan oleh Edward R. Tufte, “ujian penting dari desain adalah seberapa baik desain membantu pemahaman konten, bukan seberapa bergayanya.” Visualisasi data, khususnya, harus mengikuti ide ini. Tujuannya adalah untuk meningkatkan data melalui desain, bukan menarik perhatian pada desain itu sendiri.

Dengan mengingat praktik terbaik visualisasi data ini, akan menyederhanakan proses perancangan infografis yang benar-benar berguna bagi audiens mereka.

•••

Bacaan lebih lanjut:

Dapatkan Inspirasi dengan Visualisasi Data Ini
Tingkatkan Analisis Anda dengan Inspirasi Desain Dasbor Ini
Desain Dasbor - Pertimbangan dan Praktik Terbaik
Desain Presentasi dan Seni Visual Storytelling
Pentingnya Desain yang Berpusat pada Manusia dalam Desain Produk
Portofolio Desainer UX Terbaik – Studi Kasus dan Contoh yang Menginspirasi