Bagaimana Cara Membuat Visualisasi Data yang Menarik?

Visualisasi data adalah sebuah bentuk seni dan ilmu pengetahuan. Beberapa buku memberikan contoh terbaiknya dalam menciptakan narasi yang menarik untuk membuat visualisasi data menjadi menarik.

Namun, teks-teks ini mungkin gagal karena sering kali penelitian didasarkan pada data survei (yang tidak selalu mencerminkan kebenaran). Ilmu pengetahuan di balik sebagian besar teks-teks ini bersifat kualitatif dan bentuk analisis tersebut mungkin tidak dapat diterapkan di seluruh spektrum. Selain itu, Anda mungkin juga akan diminta untuk mengerjakan sebuah proyek yang tidak jelas arahnya.

Dengan terus terang, saya dapat meyakinkan Anda bahwa tidak ada aturan universal untuk mengembangkan visualisasi yang menarik dan Anda akan sering disodorkan ke dalam proyek yang tidak memiliki arah. Jika tidak ada aturan universal, lalu, bagaimana sebuah visualisasi bisa menarik?

Intuitif dan Sederhana

Pertama dan terutama, tujuan dari setiap visualisasi adalah untuk menceritakan sebuah cerita (dan visualisasi terjadi dalam beberapa cara). Jadi dengan mengingat hal tersebut, jangan batasi diri Anda hanya pada grafik batang dan grafik garis.

Ada kalanya teks sederhana dapat menceritakan sebuah cerita dengan meyakinkan. Lebih khusus lagi, visualisasi intuitif Anda harus dapat menyampaikan pesan dalam sekejap. Artinya, tanpa kata-kata dan dalam waktu 10 detik, seseorang harus dapat memahami makna visualisasi Anda. Secara implisit, visualisasi Anda harus cukup sederhana untuk dipahami.

Sebagai contoh, misalkan Anda mencoba memvisualisasikan Pendapatan Tahunan proyek Anda untuk tahun 2010-2022. Akan sangat mudah untuk memberikan spreadsheet dengan dua kolom untuk satu tahun dan pendapatan tahunan) dan itu akan secara teknis menceritakan data tersebut.

Namun, dari data tabel, tidak jelas apakah ada tren atau jika ada tahun yang tidak normal. Akan lebih baik untuk memberikan grafik batang atau scatter plot dengan garis tren eksplisit sambil memastikan bahwa nilai numerik Anda diwakili dalam mata uang proyek Anda.

Dalam hal ini, visualisasi tidak hanya akan menampilkan pendapatan tahunan untuk proyek Anda, tetapi juga cukup sederhana sehingga siapa pun dapat memahami maknanya.

Lakukan ini

Daripada ini

Meskipun contoh di atas sepele, Anda dapat membayangkan mana yang lebih menarik untuk menceritakan kisah data tersebut. Selain itu, perhatikan bahwa mungkin mudah untuk melihat peningkatan yang stabil dalam pendapatan tahunan dari tabel yang ditampilkan, tetapi dalam proyek Anda yang sebenarnya, kumpulan data mungkin tidak sekecil ini. Sebagai contoh, Anda mungkin bekerja untuk memvisualisasikan penjualan harian makanan ringan favorit Anda selama tiga tahun sebelumnya.

Terakhir, lakukan yang terbaik untuk menghindari penggunaan istilah yang terlalu teknis dalam visual apa pun, percayalah. Tugas Anda bukanlah untuk mengungkapkan nilai r-squared data Anda, melainkan menjelaskan apa artinya “dalam bahasa Inggris” atau bahasa yang Anda gunakan. Jika Anda ingin menjelaskan varians data Anda yang tinggi, nilai numerik tidak akan membantu; sebagai gantinya, Anda dapat menunjukkan secara grafis bahwa sulit untuk menemukan tren apa pun dalam data karena titik-titik data terlalu tersebar.

Inilah manfaat tambahan dari visualisasi yang intuitif dan sederhana, yaitu membuat orang ingin melihat lebih banyak. Ketika pekerjaan Anda mudah dipahami, audiens Anda tidak akan merasa kewalahan atau bingung.

Sebagai seorang ahli visualisasi, Anda harus dapat menjelaskan pekerjaan Anda tanpa menggunakan terlalu banyak istilah akademis. Di Amerika Serikat, ada pepatah yang mengatakan bahwa ketika seseorang berbicara dengan istilah, hanya para ahli yang akan tahu, “Katakan padaku dalam bahasa Inggris.”

Pada dasarnya, ini berarti ahli, untuk semua kerja keras mereka untuk mendapatkan pengetahuan, tidak memiliki kemampuan untuk berkomunikasi dengan orang-orang yang mereka coba bantu. Jaga agar visualisasi Anda tetap intuitif dan sederhana agar tidak membebani audiens Anda dan ketika mereka ingin memahami lebih lanjut, bersiaplah untuk berbicara secara sederhana tentang temuan dan wawasan yang telah Anda hasilkan dengan susah payah.

Ilmu Pengetahuan dan Matematika yang kuat

Visualisasi data memang penting, namun salah satu pahlawan tanpa tanda jasa (komponen yang mungkin terlewatkan) sebenarnya adalah analisis yang memungkinkan visualisasi. Hal ini mirip dengan pergi ke konser untuk melihat musisi favorit Anda tanpa mempertimbangkan semua orang yang dibutuhkan untuk membangun panggung tempat musisi tersebut berdiri.

Tanpa ilmu pengetahuan atau matematika yang tepat (tergantung pada proyek Anda), visualisasi Anda mungkin akan membuat orang mengabaikan pekerjaan Anda. Peran ilmu pengetahuan dan analisis mungkin bukan milik Anda, tetapi sebagai seseorang yang bertanggung jawab untuk menciptakan tampilan data Anda. Anda harus mengetahui kapan kualitas data kurang.

Oleh karena itu, Anda harus meninjau kembali data yang sebenarnya Anda coba visualisasikan! Ini bukanlah Analisis Data Eksploratif, tetapi lebih merupakan tinjauan sejawat. Ingat, Anda bekerja dalam sebuah tim untuk menghasilkan sebuah produk dan jika Anda dapat menemukan kesalahan lebih awal, Anda akan menghemat waktu dan energi untuk semua orang yang terlibat.

Namun, melihat data saja tidak cukup. Analisis juga sangat penting agar Anda dapat membuat visualisasi dengan benar. Pada contoh di atas, di mana Anda diminta untuk memvisualisasikan pendapatan tahunan, bagaimana Anda tahu jenis garis tren apa yang harus digunakan? Ada berbagai jenis garis tren [termasuk tetapi tidak terbatas pada], linier, polinomial, dan eksponensial. Jika Anda memilih garis tren polinomial, bagaimana Anda tahu pada tingkat mana persamaan polinomial Anda harus berhenti? Anda mungkin juga pernah mendengar hal ini digambarkan sebagai derajat kebebasan.

Pada contoh di atas, kami menggunakan moving average dengan periode trailing dua, tetapi bisa saja ada sejumlah garis tren yang dilampirkan; namun, apa yang masuk akal untuk proyek Anda sepenuhnya tergantung pada Anda. Setidaknya selama proses pengembangan (perlu diingat bahwa Anda adalah ahli teknis, sehingga jenis keputusan ini biasanya ada di tangan Anda, tetapi selalu tinggalkan ruang untuk masukan dari rekan-rekan Anda). Di bawah ini adalah berbagai jenis garis tren yang dapat diterapkan pada grafik yang sama.

Simple Linear Trend Line

Polynomial Degree 10 Trend Line

Exponential Trend Line

Contoh ini menggambarkan pentingnya ilmu pengetahuan dan matematika di balik visualisasi dan tidak sesederhana menarik dan melepaskan elemen. Sebagai contoh, jika Anda mengirimkan grafik dengan garis tren eksponensial, Anda akan menceritakan kisah yang tidak lengkap. Garis tren tidak menangkap semua elemen data.

Seiring dengan ilmu pengetahuan dan matematika di balik visualisasi, terkadang, Anda harus menyertakan data dalam file terpisah yang membantu menjelaskan mengapa data tersebut seperti itu.

Misalnya, dalam contoh yang diberikan, kita melihat bahwa untuk tahun 2022, bisnis tidak berjalan dengan baik. Faktor-faktor apa yang berkontribusi terhadap hal ini? Apakah ada sesuatu di luar operasi bisnis normal yang dapat menyebabkan penurunan tersebut? Apakah ada faktor eksternal yang tidak dapat diatasi? Untuk alasan ini, akan sangat membantu jika Anda menyertakan perincian data Anda, dan hal ini bisa dilakukan dengan cara apa pun, tetapi sangat penting untuk memiliki alasan di balik data tersebut.

Pada dasarnya, Anda ingin agar perincian data dapat menjawab pertanyaan-pertanyaan untuk mencegah terjadinya tanya jawab antara Anda sebagai pengembang dengan anggota pimpinan (jika seseorang harus terus datang kepada Anda untuk menanyakan pertanyaan tentang visualisasi Anda, berarti Anda belum memvisualisasikan data dengan baik).

Persetujuan Pemangku Kepentingan

Pada akhirnya, untuk membuat visualisasi Anda menarik, Anda harus mendapatkan persetujuan dari pemimpin proyek. Saya sebutkan sebelumnya bahwa keputusan teknis ada di tangan Anda selama pengembangan. Kenyataannya, pada akhirnya, Anda harus mendapatkan persetujuan dari pimpinan proyek Anda. Pimpinan proyek biasanya melaporkan perkembangan dan hasil (atau Anda bisa melakukannya jika Anda tidak malu untuk presentasi) kepada pimpinan mereka; proses tersebut bisa berulang kepada pimpinan organisasi atau investor Anda.

Anda harus bertujuan untuk membuat visualisasi data yang melampaui impian terliar Anda saat pertama kali dan menarik untuk dilihat. Meskipun pada kenyataannya, ada proses pengembangan dan peninjauan yang panjang sebelum diterima, jadi bersiaplah untuk terus mengembangkan visualisasi Anda.

Keuntungan Visualisasi Data Menarik:

Kiat-kiat yang saya cantumkan ini mungkin tampak mendasar. Namun, apabila tips sederhana ini diikuti, maka bisa menghasilkan peluang yang tidak pernah Anda duga sebelumnya. Dalam beberapa kasus, jika pekerjaan Anda bagus, Anda dapat mempresentasikannya kepada banyak tim yang berbeda dalam organisasi Anda, dari manajer hingga presiden; kemungkinannya sangat banyak.

Presentasi di depan pimpinan mungkin terlihat sepele, namun jangan meremehkan kekuatan untuk tampil di depan pimpinan, meskipun hanya sekali. Selain kesempatan presentasi, seiring dengan meningkatnya kualitas kerja Anda, Anda akan menjadi seorang ahli yang diakui (yang berarti Anda membuktikan kemampuan Anda pada organisasi Anda), yang akan membantu membangun reputasi positif untuk Anda dan membangun kepercayaan pada rekan-rekan Anda.

Kesimpulan

Kemungkinan besar, data Anda akan terus berkembang, dan ketika hal itu terjadi, Anda mungkin perlu melakukan penyesuaian. Anda mungkin juga harus membuat ulang visualisasi karena Anda telah bermigrasi ke perangkat lunak lain seiring dengan meningkatnya popularitas alat yang berbeda. Pada dasarnya, proses pengembangan untuk membuat visualisasi data yang menarik adalah sebuah siklus yang berkelanjutan.