Visualisering av data: Du måste lära dig detta språk!

Under lång tid innebar vetenskap att ha stora insikter om naturens mekanismer. I takt med att vetenskapen utvecklades ledde behovet av att registrera händelser och mönster till nya analyser och komplexa algoritmer. Men det gjorde också att vetenskap bara var för ett fåtal människor.

Parallellt snurrade världen i en annan riktning. Medan internet kastade världen in i en oändlig uppdaterad webb, byggde vetenskapen upp sin hemliga klubb av specialister.

Det var bara ett par år sedan som forskarna kände sig tvungna att offentliggöra sina resultat för att nå ut till allmänheten.

Problemet var att klyftan var så stor att endast vetenskapsmän skulle intressera sig för vetenskap.
Och ännu värre, bara forskare skulle förstå det vetenskapliga språket. För den breda allmänheten var "data" ett meningslöst ord. Det var oansvarigt, tomt och på alla sätt tråkigt.

Utmaningen var stor: hur får man människor att intressera sig för vetenskap?
Och svaret var tydligt: människor måste förstå det vetenskapliga språket.

Det vetenskapliga språk vi talar om kallas även datavisualisering.

Datavisualisering är att göra information visuell. Det innebär att man presenterar sitt arbete på ett sätt som andra människor kan förstå och göra kopplingar till. Med det i åtanke var nästa steg att ta reda på hur man gör datavisualisering på ett framgångsrikt sätt.

datavisualisering

Att lyckas med datavisualisering är att presentera relevant information på ett logiskt och engagerande sätt. Det är viktigt att inse att för en person som alltid har talat det vetenskapliga språket är datavisualisering kanske inte så lätt.

För detta ändamål är vetenskap och design ett perfekt par.

Medan vetenskap ger information och ett mål, ger design visuell form och en berättelse. Tillsammans ger de datavisualisering som det borde vara.

Många blandar ihop datavisualisering med att lägga till något visuellt material. Du kan komma runt detta problem genom att fråga dig själv: Vilket är det bästa sättet att presentera mina resultat? Skulle de bäst förklaras med hjälp av en illustration eller en text? Vad sägs om en infografik? Eller en graf?

Att bestämma hur man ska kommunicera sitt arbete är ett viktigt steg inom datavisualisering.
När du väl har gjort det, vad sägs om ta det andra steget?

Visualisering av data: Du måste lära dig detta språk!

Prenumerera på vårt nyhetsbrev

Om Fabricio Pamplona