Reconhecendo os Três Traços de um Visual - dummies efetivos

Quando sua maquete preto e branco está completa, você está pronto para adicionar os visuais oh-tão poderosos Isso o tornará pop. É por isso que você começou esta jornada para começar, certo? Ao adicionar imagens à sua maquete, é importante concentrar-se na adição de imagens visuais efetivas. Infelizmente, devido à falta de liderança e treinamento de pensamento na indústria de inteligência de negócios (BI), toneladas de visualizações de dados visualmente atraentes, mas ineficazes, fornecem valor zero. Basta fazer uma pesquisa na Internet para visualizações de dados para ver alguns exemplos.

A tabela abaixo lista os três principais traços de um visual eficaz.

Três traços de um visual efetivo

Traço	Detalhes
Os dados são claros.	Certifique-se de que os dados são claros, tanto na finalidade quanto na exibição .
Visual se adapta aos dados.	Se você escolhe um gráfico ou texto, certifique-se de que está usando o visual certo para o trabalho.
As exceções são fáceis de detectar.	Se você está destacando uma comparação ou outliers nos dados , você deve tornar mais fácil para seus usuários identificar exceções nos dados.

A tabela anterior foi influenciada por Edward Tufte, que é considerado o padrinho da visualização de dados. Seu livro A Visualização Visual de Informações Quantitativas , 2ª Edição (Graphics Press), é um dos livros mais respeitados no campo de visualização de dados. Embora seja necessária uma abordagem científica, é preciso ler os dados, por exemplo, novatos e especialistas.

Esses três traços não são inclusivos, então você não deve esperar que todos eles decidam se um visual deve transformá-lo em sua maquete. Em vez disso, use-as como diretrizes enquanto você escolhe seus efeitos visuais. Quanto mais traços você tiver em cada visual, mais eficaz será o seu conhecimento geral.

Os dados são limpos

Visuais visíveis exibem dados que são claros, tanto na apresentação como na finalidade, não distorcidos de forma alguma. Um erro comum é empurrar demasiados dados para um único visual, fazendo com que o ponto importante dos dados seja escondido, ofuscado ou distorcido por todo o ruído. A figura a seguir mostra um bom exemplo de uma visualização de dados que usa um gráfico de donut para mostrar quais os tipos de dispositivos móveis que as pessoas estão usando. Veja como o efeito 3-D torna muito difícil entender os dados.

Também é importante garantir que o objetivo do visual seja super-claro para que o usuário não tenha espaço para interpretação errada. As boas visualizações de dados contam uma história de relance, deixando o leitor querer mais.Se a visualização de dados é confusa ou mal interpretada, a maioria dos usuários é desativada e abandonada. A figura abaixo mostra um exemplo de uma visualização confusa que retrata o uso da rede social. Infelizmente, as cores e porcentagens parecem não ter correlação e, portanto, são muito confusas. Você pode dizer o que a visualização está retratando?

Visual se ajusta aos dados

O visual deve caber os dados. Visuals são mais do que apenas gráficos, no entanto, e certos elementos visuais simplesmente não correspondem a determinados dados. Geralmente, você pode apresentar dados de várias formas. Seu trabalho é encontrar a maneira mais eficaz de fazê-lo.

Você nunca deve usar um gráfico de torta, por exemplo, para mostrar dados com mais de cinco pontos de dados ou para exibir qualquer conjunto de dados com pouca ou nenhuma variação de magnitude. Da mesma forma, você nunca deve usar uma tabela ou scorecard para mostrar uma tendência ao longo do tempo.

A figura abaixo mostra duas visualizações que traçam os mesmos dados. O gráfico de linha no topo é a melhor opção para mostrar a tendência da Margem de Vendas em 2014, porque deixa claro que as despesas da empresa estão crescendo acima dos lucros. O gráfico de colunas na parte inferior não transmite essa tendência como claramente. Os gráficos das colunas são mais utilizados para comparar os itens.

As exceções são fáceis de detectar

Quer se trate de alertas, comparações ou outliers, exceções nos dados devem ser fáceis de detectar em um visual eficaz. Se uma exceção requer análise profunda adicional para entender, é provável que seu visual não seja eficaz.

As exceções nas visualizações de dados são extremamente poderosas e podem adicionar um ótimo valor. Quando os usuários podem detectar exceções e decifrá-las rapidamente, eles sabem se é necessária uma atenção imediata, moderada ou leve. Destacar as exceções também fornece informações sobre tendências potenciais que podem exigir atenção.

A figura a seguir mostra um gráfico que usa um alerta para destacar algumas das exceções na tendência de dados de vendas.