Veri Görselleştirme Ve Grafik Okuryazarlığına Giriş

0 385

Veri Görselleştirme, kişi/kurumların gelişmesine yardımcı olan veri bilimindeki trend alanlardan biridir. Veriye dayalı iç görüler sunmada önemli bir rol oynar. Bu iç görüler süreç iyileştirmeye, kârı artırmaya ve müşteri memnuniyetini artırmaya yardımcı olur. Veri görselleştirmeleri, ham verilerin anlamını tutarlı çıkarımlar halinde sentezler.

Veri görselleştirme nedir?

En basit tanımıyla, bilgileri / verileri görsel içerik veya grafiksel şekiller, çubuklar ve diyagramlar şeklinde görüntüleme işlemidir.

İnsanlar görsel iletişim araçları sayesinde veriyi çok daha hızlı anlamlandırabilir. Ayrıca, görsel verilerin hatırlanması çoğu insan için sözlü veya yazılı verilere göre daha kolaydır (1). Grafikler; gazete ve dergilerde, televizyonda ve internet gibi pek çok yerde karşımıza çıkıyor. Genellikle tıbbi, finansal, beslenme ve siyasi kararlarımız için bizlere önemli bilgiler sağlıyor. Son zamanlarda yapılan araştırmalar, grafiksel gösterimlerin tedaviler, taramalar ve yaşam tarzlarıyla ilişkili risklerin ve faydaların anlaşılırlığını artırdığını göstermiştir. Öte yandan, birçok insan için en basit grafikleri bile anlamak zor olabilmektedir (2).

Bu noktada karşımıza çıkan bir terim olan “grafik okuryazarlığı”, grafikte sunulan bilgiyi bulma, verilerdeki ilişkileri keşfetme, verilerin ötesini okuma yani verilerden çıkarımlar ve tahminler yapma yeteneği olarak tanımlanmaktadır. Veriyi tasarım unsurlarına göre görselleştirebilmek, belirli seviyede grafik okuryazarlığı gerektirmektedir. Bunun yanında verileri görselleştirmek kadar grafiklerin altındaki anlamları görebilmek ve eleştirel sorgulama yapabilmek de önemlidir.

“Verilere yeterince uzun süre işkence ederseniz, size her şeyi anlatacaktır.”

John W. Tukey

John Wilder Tukey kendini verilere adamış bir bilim insanıydı. Princeton’ın istatistik departmanının kurucu üyesi ve “yazılım” teriminin mucidi olan Tukey için analitiğin en güzel yönü “sıkıcı, düz verileri almak ve görselleştirme yoluyla hayata geçirmek”tir. Ancak tüm sayısal coşkusuna rağmen Tukey, verilerin yanlış yorumlanma yollarının pekâlâ farkındadır. Hatta “Görselleştirme genellikle kötü amaçla kullanılır” uyarısı bile yapmıştır.

Bu kötülüklerden kendimizi korumak için şu iki kritik soruya yanıt bulmak faydalı olacaktır.

  1. Hangi tasarım unsurları görselleştirmeleri aldatıcı hale getirir?
  2. Tasarımcılar verilerin anlamını en net haliyle nasıl aktarabilir?

Bu sorulara yanıt vermeden önce,

Veri görselleştirmenin en önemli üç ilkesi nedir?

Edward Tufte (“Grafiğin Galileo’su”) en önemli veri görselleştirme ilkelerini tek bir cümlede özetledi. “Grafiksel mükemmellik, izleyiciye en kısa sürede en fazla sayıda fikri en küçük alanda ve en az mürekkeple veren şeydir.”

En fazla 10 saniyede hem kolay hem de doğru şekilde yorumlanabilen görsellerin iyi olduğu söylenebilir.

Veri görselleştirme neden önemlidir?

Veri görselleştirme önemlidir, çünkü insan beyninin hemen kavrayamadığı sayısal gerçekliklere şekil ve anlam verir. Ham veriler yorumlama olmaksızın kendi başına çok az kullanılır. Ancak veri görselleştirme teknikleri, izleyicilerin verilerin anlamını hızlı bir şekilde kavramasına ve bir konu hakkında fikirlerini formüle etmesine yardımcı olur.

Farklı grafik türleri, okuyucuların verileri anlamasını ve onları sadece gerçeklerin kuru bir açıklaması olarak değil, aynı zamanda inanacakları bir hikâye olarak görmelerini kolaylaştırır. Öyle ki bu hikayeleştirme, insanları harekete geçirmek için ilham kaynağı da sağlayabilir.

Daha fazla içerik

Cornell Üniversitesi’nde yapılan bir araştırmaya göre, bir ilacın etkili olup olmadığına dair metinsel ifade ve grafikle sunulan sonuçların inandırıcılığı karşılaştırılmıştır. Katılımcıların tamamına yakını %97 (28/29) grafikle sunulan bilgiye inandığını belirtirken, grafik olmadığında bu oran %68’e (21/31) düşmüştür. Bununla beraber bilime daha büyük bir inancı olan kişiler grafiklerin varlığından daha fazla etkilenmektedir (3).

Grafikle karşılaşıldığında iknayı etkileyen bilişsel süreçler şu şekilde özetlenmiştir.

  • Bilgi bir grafik (öncül) içerir;
  • Grafikler bilimsel bir temele işaret eder (öncül);
  • Bu nedenle, bilginin bilimsel bir temeli (sonuç) vardır;
  • Bilimsel bir temel, gerçeği-doğruyu gösterir (öncül);
  • Bu nedenle, bilgi doğrudur (sonuç).

Grafiğin başlı başına etkileyiciliği (adeta bir silah) söz konusu iken bir de acemi veya etik olmayan bir tasarımcının eline düşerse neler olabilir siz düşünün.

Tehlikenin farkında mısınız?

En tehlikeli veri görselleri hangileridir?

İkna edici metinlerle birlikte sunulan görselleştirmeler, okuyucunun kendi yorumlarını yapmasını zorlaştırır, tembelliğe iter ve kişiyi tuzaklara daha açık hale getirebilir. Bununla beraber tasarımcının veriyi sadece kendi lehine olan taraflarıyla sunması da yanlış etki yaratacaktır.

Tasarımcılar, doğruluktan çok etkileyici görüntülere öncelik verdiğinde, görselleştirmeler yanıltıcı olur. Verileri görsel kalite unsurlarına uygun şekilde sunmak için, tasarımcılar yaygın görselleştirme hatalarından kaçınmalıdır.

Veri görselleştirme hatalarından nasıl kaçınılır?

Hem grafik okurken hem de grafik hazırlarken daha bilinçli olmamızı sağlayacak temel bilgileri maddeler halinde sıralayacak olursak:

  • Öncelikle verinin doğruluğundan emin olun. Çünkü “çöp giren çöp çıkar”.
  • Belirlediğiniz hedefinize odaklanın. Verileriniz hangi amaca hizmet edecek? Hangi kararlara destek olacak? Görsellerin nasıl görünmesi gerektiğini düşünmeden önce, neyi iletmesi gerektiğini düşünün.
  • Hedef kitleniz için en önemli çıktı hangisi ise onu vurgulayın.
  • Veri ve kategoriler arasındaki temel ilişkileri ve seçtiğiniz grafik türünün bu ilişkileri oluşturup oluşturmadığını düşünün.
  • Verileri kategoriye göre mantıksal olarak gruplayın ve ardından veri özetini amacınıza uygun şekilde zamana, büyüklüğe, öneme veya alfabetik sıraya göre sıralayın.
  • Kategori için büyüklük değil renk kullanın; büyüklüğü göstermek için parlaklığı veya doygunluğu kullanabilirsiniz.
  • Renk paletinizi sınırlayın. Aynı rengin açık ve koyu tonlarını seçerek vurgu yapmak istediğiniz sonuçları öne çıkarın. Çünkü renk çeşitliliği arttıkça göz yorulur, dikkat dağılır.
  • Etiketleri ve gerekli ek açıklamaları unutmayın, ancak karışıklık yaratmadan dikkat çekerken sadelikten uzaklaşmayın (4).
  • Dağınıklığı giderin; her şeyden önce verileri gösterin…İhtiyacınız olmayan her şeyi silin. “Az ama öz” felsefesiyle düşünün.
  • Çalışacak çok fazla veriniz yoksa, grafik kullanmayın; Hikayenizi anlatmak için bir tablo veya ham verinizi bile kullanabilirsiniz.
  • Pasta grafikten mümkün mertebe uzak durun, özellikle çok kategorili ve karşılaştırma gerektiren sonuçlar için.
  • Uzun kategori açıklamalarına ihtiyacınız varsa, yatay çubuk grafikleri kullanın. Dikey çubuklar metin için çok az alana sahiptir.
  • Okuyucuyu metodoloji, grafik tasarım, grafik üretim teknolojisi veya başka bir şey yerine hakikat yani gerçek sonuçlar hakkında düşünmeye teşvik edin. Yani grafik daha şık görünsün diye beyhude çabalara girmeyin.
  • Üç boyutlu grafikler (3B) kesinlikle gerekli olmadığı sürece, verileri 2B olarak görselleştirin. 3B grafikler ilgi çekicidir, ancak önemli bilgileri engelleme ve karşılaştırma yaparken yanıltma potansiyeline sahiptir.
  • Görselleştirmeleri daha çarpıcı veya estetik açıdan hoş hale getirmek adına grafiklerdeki ölçek değerleriyle oynamayın. Bu etik değildir. Estetik çekicilik doğru veri sunumuna bağlıdır (Örn: Y ekseni her zaman 0 ile başlamalıdır).

Başarısız veri görselleştirme, en iyi verileri bile işe yaramaz hale getirebilir. Grafiklerinizi hazırladıktan sonra yukarıdaki maddeleri tekrar gözden geçirin. Değişiklik yapmanız gerekebilir. Bu iyi bir şey. Amacınıza (vurgulamak istediğiniz sonuca) hizmet eden kullanıcı odaklı tasarımı elde etmek için farklı tasarımları karşılaştırıp seçim yapabilirsiniz (4).

Şunu unutmayalım ki, yalan söyleyen veri veya istatistikler değil, onları uygunsuz şekilde sunanlardır…

İleri Okuma:

Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. John Wiley & Sons. Bu kitapta “Gestalt Görsel Algı İlkeleri” bölümünü okumanızı öneririm.

Berinato, S. (2016). Good charts: The HBR guide to making smarter, more persuasive data visualizations. Harvard Business Review Press. Bu kitaba da Prof. Dr. Erhan ERKUT önerisi ile ulaştım. Oldukça yalın ve faydalı buldum.

(1) https://creately.com/blog/marketing/data-visualization-mistakes/

(2) Galesic, M., & Garcia-Retamero, R. (2011). Graph literacy: A cross-cultural comparison. Medical Decision Making, 31(3), 444-457.

(3) Tal, A., & Wansink, B. (2016). Blinded with science: Trivial graphs and formulas increase ad persuasiveness and belief in product efficacy. Public Understanding of Science, 25(1), 117-125.

(4) https://www.datapine.com/blog/common-data-visualization-mistakes/

Cevap bırakın

E-posta hesabınız yayımlanmayacak.