Chi segue il nostro blog e ha seguito il nostro corso conosce l’importanza della data visualization.
Comprendere l’importanza della data visualization e avere il knowhow per realizzare grafici professionali non è tuttavia spesso sufficiente affinché i nostri report abbiano un’ottima efficacia comunicativa.
Il processo di analisi e visualizzazione è infatti finalizzato a comunicare i risultati e i nostri grafici devono essere finalizzati proprio ad una comunicazione ottimale.
Ecco perché in questo articolo vorremmo presentare 5 best practice di data visualization.
Le elenchiamo di seguito.
1) Definire la domanda al quale il nostro grafico deve rispondere
Definire l’obiettivo di una visualizzazione è probabilmente il primo passo. Quali variabili sto rappresentando e in relazione a quali altre variabili? Quale tipo di grafico è più opportuno per le grandezze che voglio rappresentare e per le relazioni tra esse?
Un grafico è la risposta ad una domanda, ma per avere un grafico efficace dobbiamo innanzitutto capire quale è la domanda a cui dobbiamo rispondere.
2) Conoscere il proprio pubblico
Grafici e slide sono fatti non solo per essere mostrati, ma per essere compresi. Il livello di complessità e chiarezza delle nostre visualizzazioni deve rendere conto quindi anche della composizione del nostro pubblico.
Non possiamo partire dalla premessa che il nostro pubblico (grande o piccolo che sia) sarà costituito da statistici, data journalist o comunque esperti di dati. Questo almeno per un pubblico comune.
In questo caso i nostri grafici dovranno essere chiari, esporre l’insight in maniera diretta e semplice, ma non per questo imprecisa.
Dobbiamo tenere conto di tutta una serie di variabili tra le quali, ad esempio, la possibilità che qualcuno tra il pubblico possa avere difetti congeniti che non gli permettono di distinguere bene i colori (esistono delle palette apposite studiate per le persone color-blind).
3) Coinvolgere il pubblico
Dovremmo anche rendere il grafico accattivante, considerando colori, stile dei punti, delle linee e delle barre.
Se ad esempio dovessimo mostrare il grafico in un contesto aziendale, potrebbe essere più coinvolgente per il pubblico che nel grafico vengano utilizzate tinte che richiamino l’immagine grafico e/o il logo dell’azienda (un esempio banale: se il mio report è per la Coca-Cola, potrebbe essere simpatico utilizzare rosso e bianco)
Conoscere il pubblico ci dà un indicazione che potremmo definire “sartoriale”: ogni tipo di pubblico può darci indicazioni utili su come stilizzare i nostri grafici. Un pubblico non coinvolto è un pubblico non attento, annoiato, refrattario a ricevere il messaggio che vogliamo comunicare.
4) Cercare la sintesi: bilanciare e filtrare
Indipendentemente dalla natura del pubblico, è sempre desiderabile puntare alla sintesi.
Cosa vuol dire sintesi? Vuol dire trovare un equilibrio tra le metriche che vogliamo rappresentare e l’efficacia comunicativa del grafico. Un grafico dove vengono rappresentate troppe variabili sebbene ricco di informazioni, può spaventare chi si appresta a leggerlo.
D’altro canto, un grafico troppo minimale può risultare asettico, mancante o addirittura vuoto.
In questo senso potremmo presentare più grafici insieme, tramite un multiplot o una dashboard.
Come afferma Clay Shirki, saggista e professore universitario statunitense:
It’s not information overload. It’s filter failure.
[Il problema] non è l’eccessivo carico di informazione. Il fallimento sta nel modo in cui viene filtrata.
Un esempio paradigmatico di grafico ben bilanciato è la mappa di Minard che riportiamo di seguito.
Un’analisi molto più approfondita – in inglese – è disponibile qui.
5) Onestà, genuinità e accessibilità dei dati che utilizziamo nelle visualizzazioni
Sebbene non possiamo ammettere che tutti gli individui nel pubblico siano degli esperti nel campo dei dati, non possiamo escludere neanche che alcuni tra loro lo siano.
Una buona data visualization, oltre che ad essere concepita secondo i quattro criteri precedenti, deve anche essere corredata dal richiamo alla fonte dei dati. Enucleare le informazioni contenute nei dati, anche tramite la loro rappresentazione grafica, è un lavoro che comporta un certo carico etico.
Il grafico, in altri termini, deve essere onesto, i dati genuini e veritieri, il nostro lavoro deve poter essere riproducibile da chi ha le necessarie competenze.
Il famoso aforisma di Spencer Johnson vale per chiunque parli ad un pubblico e vale soprattutto per chi lo fa pretendendo di avere dalla sua numeri che riporta rappresentati nei grafici:
Integrity is telling myself the truth. And honesty is telling the true to other people.
L’integrità è dire la verità a se stessi. L’onestà è dire la verità alle altre persone.
Il know-how rimane comunque la premessa indispensabile per poi poter correttamente applicare le 5 best practice di data visualization che vi abbiamo presentato in questo articolo.
Il know-how rimane comunque imprescindibile
Un buon modo per iniziare il proprio percorso nell’arte della data visualization è quello di seguire il nostro corso “Data Visualization in R con grafica di base e ggplot2“ acquistabile a questo link.
Se vuoi approfondire l’importanza della data visualization potresti anche voler leggere i nostri articoli: John Snow e l’epidemia di colera e La marcia di Napoleone: il miglior grafico mai realizzato.
Se vuoi essere sempre aggiornato sugli ultimi contenuti del nostro blog, ti consigliamo di iscriverti al nostro canale Telegram gratuito a questo link.
