Visualisering af data: Du skal lære dette sprog!

I lang tid betød videnskab at have stor indsigt i naturens mekanismer. Efterhånden som den udviklede sig, satte behovet for at registrere forekomster og mønstre skub i nye analyser og komplekse algoritmer. Men det gjorde også, at videnskab kun var for nogle få mennesker.

Parallelt hermed drejede verden i en anden retning. Mens internettet kastede verden ud i et endeløst opdateret net, opbyggede videnskaben sin hemmelige klub af specialister.

Det er kun et par år siden, at forskere følte sig nødsaget til at offentliggøre deres resultater for at nå ud til den brede offentlighed.

Problemet var, at kløften var så stor, at kun videnskabsfolk ville interessere sig for videnskab.
Og endnu værre var det, at kun forskere forstod det videnskabelige sprog. For den brede offentlighed var "data" et meningsløst ord. Det var uansvarligt, tomt og på alle måder kedeligt.

Udfordringen var stor: Hvordan får man folk til at interessere sig for videnskab?
Og svaret var klart: Folk er nødt til at forstå det videnskabelige sprog.

Det videnskabelige sprog, vi taler om, er også kendt som datavisualisering.

Datavisualisering er at gøre information visuel. Det betyder, at man præsenterer sit arbejde på en måde, så andre mennesker kan forstå det og skabe forbindelser. Med det i tankerne var det næste skridt at finde ud af, hvordan man laver datavisualisering med succes.

datavisualisering

At lave datavisualisering med succes er at præsentere relevant information på en logisk og engagerende måde. Det er vigtigt at indse, at for en person, der altid har talt det videnskabelige sprog, kommer datavisualisering måske ikke let.

Til det formål udgør videnskab og design et perfekt par.

Mens videnskab giver information og et mål, giver design visuel form og en historie. Kombineret leverer de datavisualisering, som det burde være.

Mange mennesker blander ideen om datavisualisering sammen med at tilføje noget visuelt materiale. Du kan omgå dette problem ved at spørge dig selv: Hvad er den bedste måde at præsentere mine resultater på? Vil de blive bedst forklaret ved hjælp af en illustration eller en tekst? Hvad med en infografik? Eller en graf?

At beslutte, hvordan man kommunikerer sit arbejde, er et vigtigt skridt inden for datavisualisering.
Når du har gjort det, hvad så med at tage det andet skridt?

Visualisering af data: Du skal lære dette sprog!

Tilmeld dig vores nyhedsbrev

Om Fabricio Pamplona