#2 Guided analytics of Data-discovery?

Het inventariseren, verzamelen, valideren en inladen van de juiste data kost meer tijd dan we zouden willen. Daarom is het voor mij altijd verleidelijk om na deze activiteiten, gelijk te beginnen met het visualiseren van de data of wel het maken van een mooi dashboard. Dit is dan ook meteen mijn meest gemaakte fout…

De focus gaat bijna ongemerkt naar wat er allemaal inzichtelijk moet zijn op het dashboard. Zo hebben we in de BI-wereld ook leren ontwikkelen. Het is echter net zo belangrijk om te weten wie het dashboard gaat gebruiken en hoe het ingezet wordt. Op twee verschillende soorten dashboards, wil ik nader ingaan. Guided analytics dashboards die dagelijkse operatie ondersteunen, en Data-discovery dashboards die op zoek gaan naar antwoorden op nog niet gestelde vragen. Beide soorten kunnen dezelfde data en informatie bevatten, maar toch een ander doel dienen.

Kenmerkend voor een Guided analytics dashboard is dat het in één oogopslag een duidelijk een overzicht geeft van de huidige stand van zaken. Dit overzicht bevat vooraf gedefinieerde stories (reeds bekende informatie dat je wilt monitoren) waardoor er zo min mogelijk gefilterd hoeft te worden en men direct toegang heeft tot noodzakelijke informatie. Dit ondersteunt snelle besluitvorming. Een Data-discovery dashboard heeft als doel om een proces uitgebreid te kunnen analyseren en gaandeweg nieuwe stories te ontdekken. Om dit te kunnen bereiken is de informatie minder ‘voorgekauwd’ en moet de gebruiker zelf op zoek gaan naar informatie. Het voordeel hiervan is dat er nieuwe inzichten worden verkregen op tot nu toe onbekende zaken. Een pre voor organisaties met een drijfveer voor continue verbeteringen.

Guided analytics: duidelijk overzicht van de huidige stand van zaken

Data-discovery: nieuwe inzichten op tot nu toe onbekende zaken

In de praktijk is het zelden zo zwart-wit en zitten er verschillende tinten tussen Guided analytics en Data-discovery. De ene vorm is ook niet beter dan de ander, maar wel cruciaal om in de beginfase hier een keuze in te maken. Wie het gaat gebruiken en hoe het ingezet wordt bepaald de gewenste opbouw van het dashboard en de meest geschikte visualisaties. Zo passen complexe visualisaties zoals box -en spreidingsplots beter bij Data-discovery dan bij Guided analytics. Aan de andere kant behoren makkelijk te begrijpen visualisaties, zoals meters en KPI’s, vaker tot Guided analytics dashboards. Meer over dit soort verschillen en keuzes in de opbouw van het dashboard komen in de volgende blog!

Making data work #1

Ik kom regelmatig data visualisaties tegen waar op zijn zachtst gezegd geen touw aan vast te knopen is. Niemand maakt bewust slechte visualisaties, maar het gebeurt toch. Zo zag ik laatst de resultaten van het design survey van AIGA design consensus, waarbij ‘design’ blijkbaar belangrijker is dan de informatie die het moet overbrengen.

Bron: designcensus.org

Zoals omschreven door Cole Nussbaumer, leren we vanuit school woorden te combineren in zinnen en verhalen, en met wiskunde leren we getallen te begrijpen (1). Niemand leert ons echter om verhalen te vertellen met getallen. Daarom gebruiken we tools zoals Excel, Qlik Sense en PowerBI om data te visualiseren. Iedereen kan dit tegenwoordig, maar het is de uitdaging om de data het juiste verhaal te laten vertellen op een manier die iedereen snel kan begrijpen. De balans tussen design en functie is daarbij de uitdaging.

Een meer functionele weergave van eerder genoemd voorbeeld zou er als volgt uit kunnen zien:

Bron: iCON healthcare

Dat de technologie het ons makkelijker maakt om visualisaties te maken, betekent niet dat het makkelijk is om visualisaties te maken. Het is aan ontwikkelaars, vormgevers en analisten om effectieve visualisaties te maken die aandacht trekken en tegelijkertijd de juiste boodschap overbrengen. Een effectieve visualisatie kan namelijk het verschil maken tussen een juiste of onjuiste beslissing.

Dit bericht is het begin van een reeks berichten waarin ik mijn ervaringen met jullie ga delen over data visualisatie, met als motto ‘less is more’.

1) Storytelling with data, Cole Nussbaumer Knaflic, 2015, John Wiley & Sons, Inc., Hoboken, New Jersey

Making data work

Dat de technologie het ons makkelijker maakt om visualisaties te maken, betekent niet dat het makkelijk is om visualisaties te maken.

Werken in de zorg kan leuker en makkelijker met goede ICT-ondersteuning. Met deze gedachte zijn wij dagelijks actief met een grote verscheidenheid aan projecten op het raakvlak van Zorg en ICT. Meer over iCON.