Vi mennesker lærer og husker visuelle fremstillinger bedre enn noe annet. Det er eksempelvis visualisering som anvendes som teknikk av personer som husker 1000 tall etter kommaet i π (pi). Datavisualisering handler om å utnytte akkurat denne styrken hos mennesker, og formidle informasjon så effektivt og tydelig som mulig. Viktige historier lever i våre data, og visualisering er en ypperlig måte å oppdage og forstå disse historiene, samt et godt utgangspunkt for gode diskusjoner.

Informasjonen i våre data er abstrakt, og den beskriver forhold som ikke er fysiske (selv om den kan være avledet fra fysiske forhold). Slik er det med statistisk informasjon. Selv om informasjonen er abstrakt, kan den fremstilles visuelt, men for å klare dette må vi finne en måte transformere informasjon som kommer i form av tall og tekst. Løsningen er å følge designprinsipper som er utledet fra hvordan mennesker oppfatter ting.

God datavisualisering vil for selskaper kunne bidra til bedre forståelse av det som betyr mest for egen forretning, være seg kunder, produkter, eksterne faktorer og så videre.

At “et bilde sier mer enn tusen ord” er en sannhet med visse modifikasjoner. Særlig når det gjelder visualisering av data. Man kan stirre på tabeller med informasjon dagen lang, bare for å oppdage det man ellers kunne gjort på sekunder ved en god visualisering.

For å illustrere kan vi tenke oss et enkelt eksempel, hvor vi ønsker å få innsikt i hvordan utviklingen i omsetning ser ut på våre tre største kunder, Alpha, Bravo, Charlie. Er man uheldig fremstilles dette gjerne i en tabell, slik som under. Dersom man utelukkende er interessert i trenden per kunde, er det unødvendig krevende å se denne. Tabellen er imidlertid god dersom man raskt ønsker å se omsetning en gitt måned for en gitt kunde. Det tar eksempelvis bare sekunder å finne omsetningen i mars for de tre kundene.

Trenden kan imidlertid vises som egne linjer per kunde – da blir det nesten umulig å ikke få med seg hvordan utviklingen har vært i omsetning. Dette er kraften i visualisering.

Et raskt øyekast forteller oss at Bravo har hatt jevn stigning nesten hver måned gjennom året, mens det har vært noe mer turbulent for både Alpha og Charlie, som begge slet med å hente inn igjen omsetningen de startet med. Det er også mulig at det eksisterer sesongvariasjon for Alpha og Bravo, særlig hvis dette hadde vært aggregerte tall for flere år.

Så blir det neste spørsmålet hvorfor er ting slik? Det er jo det som er problemstillingen man som selskap ønsker å jobbe med, og videre identifisere og prioritere tiltak som kan være hensiktsmessige. Men i dag bruker dessverre alt for mange usannsynlig mye tid på å komme frem til den enkle innsikten, om de i det hele tatt kommer dit. Da sier det seg selv at de gode beslutningene fort uteblir.

I Compute Insight sørger vi for at rapporter avdekker trender og mønstre, og tilrettelegger for at våre kunder kan grave dypere der hvor det er relevant. Når det oppstår avvik er det viktig at disse kan fanges opp så enkelt som mulig.
I jobbsammenheng kan man fort bli eksponert for et hav av rapporter, hvor det i praksis er vanskelig å hente ut relevant innsikt. Dette er første tegn på at noe ikke stemmer.

En god rapport kan være svært krevende å utarbeide, men den må være enkel å vedlikeholde og enda enklere å lese og anvende!