Bilgi Görselleştirme: Çizimden Önce Verilen Kararlar
Bir grafik güzel olduğu için işe yaramaz, okuyanın sorusunu tablodan daha hızlı cevapladığı için yarar. Bilgi görselleştirmede işin çoğu çizim aşamasına gelmeden biter: kim hangi soruyu soruyor, eldeki veri hangi tipte, kullanıcı grafiğe müdahale edecek mi. Bu kararlar yanlışsa sonradan yapılan renk ve tipografi düzeltmeleri kurtarmaz.
“İçgörü” lafının pratikteki karşılığı
Ben Shneiderman’ın çok tekrarlanan bir cümlesi var: görselleştirmenin amacı fotoğraf değil, içgörüdür. Cümle doğru ama tek başına hiçbir şeyi elemiyor; her grafiği savunmak için kullanılabilir. Pratik testi şu: grafiği gören biri, aynı veriyi tablo halinde okusa fark edemeyeceği bir şeyi fark ediyor mu? Etmiyorsa tablo yeter. Üstelik tablo aranabilir, kopyalanabilir, ekran okuyucuya anlamlı gelir.
Önce soru, sonra veri
Görselleştirme bir çıktı değil, bir sorunun cevabı. “Satış verisini gösterelim” bir iş tanımı değil; “bölge müdürü hangi ürünü stoktan düşeceğine bakıyor” iş tanımı. Kullanıcı araştırması burada anket doldurtmak anlamına gelmiyor. Beş kişiye o ekranla hangi kararı verdiklerini sormak, çoğu zaman elli kişilik memnuniyet anketinden fazlasını söyler.
Veri tipi seçenekleri daraltır
Her veri her grafikte durmaz. Tipi baştan ayırmak, sonradan yapılan çoğu hatayı engeller:
- Nicel: ölçülebilen, aralarında matematiksel ilişki olan sayılar.
- Sıralı: belli bir düzeni olan ama aralıkları eşit sayılmayan değerler. Günler, memnuniyet ölçeği, beden.
- Kategorik: yalnızca gruplayan, sıralanmayan değerler. Şehir, sektör, kanal.
En sık görülen hata sıralı veriyi kategorik gibi işlemek. Haftanın günlerini alfabetik sıralayan bir grafik teknik olarak kusursuzdur ve hiçbir şey anlatmaz, çünkü verinin taşıdığı asıl bilgi sırada duruyordu.
Boyut sayısı arttıkça ne oluyor
Yaygın tavsiye, boyut sayısı arttıkça arayüzün sadeleşmesi gerektiğini söyler. Kulağa hoş geliyor, pratikte tersi oluyor: kullanıcıya hangi boyuta baktığını seçtirmek zorundasın, yani filtre, kırılım ve eksen seçici ekliyorsun. Arayüz sadeleşmiyor, aynı anda ekrandaki boyut sayısı azalıyor. İkisi farklı şeyler.
Sayıyla bakınca sınır daha net görünüyor. Sekiz değişkenli bir veri setini saçılım matrisiyle göstermeye kalkarsan 8×7/2, yani 28 panel çizersin; hiçbiri okunacak boyutta olmaz. Çok değişkenli veri “daha zengin grafik” değil, önce bir eleme işi ister.
Veri yapısı, grafik türünü belirleyen ikinci kısıt
- Doğrusal: listeler, tablolar.
- Zamansal: sıranın kendisi anlam taşıyan seriler.
- Mekânsal: haritaya, plana, konuma bağlı veriler.
- Hiyerarşik: üst-alt ilişkisi olan ağaç yapıları.
- Ağ: çok sayıda düğümün birbirine bağlandığı yapılar.
Ağ verisi bu listenin en yanıltıcı üyesi. Birkaç yüz düğümden sonra kuvvet yönelimli çizim güzel bir yumak üretir, o yumaktan çıkarılabilecek tek bilgi “çok bağlantı var” olur. Böyle durumlarda matris gösterimi çirkin görünür ama sorulara cevap verir.
Etkileşim seviyesi ve bakım maliyeti
- Statik: tek bir durumu gösterir, değişmez.
- Dönüştürülebilir: kullanıcı filtreler, gösterim tipini değiştirir.
- Manipüle edilebilir: yakınlaştırma, döndürme, doğrudan seçim.
Rapora ya da yazıya girecek işlerde statik grafiği interaktif panoya tercih ederim. Statik görsel bir kez doğrulanır ve öyle kalır; pano ise beslendiği tablonun şeması sessizce değiştiğinde yanlış sayı göstermeye devam eder ve bunu genelde aylar sonra fark edersiniz. Etkileşim, sorunun cevabı kullanıcıdan kullanıcıya değişiyorsa hak edilir. Herkes aynı sayıya bakıyorsa iki seçicili bir pano, bakımı olan bir süs.
Sık görülen hatalar
Listenin başında fazla bilgi var: her şeyi tek ekrana sığdırma çabası genelde hiçbir sorunun cevaplanmamasıyla bitiyor. Ardından kitle uyumsuzluğu geliyor; kutu grafiği istatistik bilen bir okuyucu için mükemmel bir araç, satış ekibi toplantısında ise sessizlik üretir. Ağır görseller de ayrı bir konu: mobilde iki saniyede açılmayan bir infografik, ne kadar doğru olursa olsun okunmuyor.
Konuyu daha derli toplu okumak isteyen için Riccardo Mazza’nın Introduction to Information Visualization kitabı kısa ve fazlalıksız; Shneiderman’ın Readings in Information Visualization derlemesi ise kaynağın kendisine inmek isteyenler için.