Als mens verwerken we informatie visueel. Daarin kunnen we sommige dingen goed, en sommige dingen minder goed.

Wat we goed kunnen is het automatisch groeperen van dingen op basis van kleur, vorm, of afstand tot elkaar. Dit noem je ook wel de Gestalt-principes. Voorbeeld: het gebruik van witruimte in een dashboard als belangrijk middel om dingen die bij elkaar horen ook optisch bij elkaar te zetten.

Let er ook op welke visuele coderingen als lengte, vorm, kleur en dikte meer of minder geschikt zijn voor het lezen en begrijpen van de data. Deze visuele coderingen heten pre-attentive attributes. Voorbeeld: als het goed aflezen van getallen belangrijk is in een grafiek, dan werkt positie op een as bijvoorbeeld beter dan coderen met kleur.

Voorbeeld: van minder naar meest effectieve visuele elementen

 

Er zijn ook dingen die we minder goed kunnen. Iedereen is bekend met kleurenblindheid. Minder bekend is dat het voor mensen lastig is om informatie uit ‘gegroepeerde staafdiagrammen’ af te lezen. Lijngrafieken met meer dan 5 lijnen (‘spaghetti’-charts) geven te veel informatie. De oplossing voor beide ‘problemen’ is simpel. Maak een collectie van kleinere grafieken met in elke kleine grafiek slechts een gedeelte van de dataset. Dit noem je ‘small multiples. Zie hier een mooi voorbeeld.

Heeft jouw dashboard één pagina, meerdere tabbladen of doorklikmogelijkheden nodig? Zorg bij meerdere tabbladen bij het dashboard voor een duidelijke navigatie(balk). Het is belangrijk om hierbij vast te stellen welke informatie bij elkaar moet staan. Je creëert rust door gelaagdheid van informatie te tonen, dit kan bijvoorbeeld door doorklikopties toe te voegen.

• Toon niet meer informatie in het dashboard dan nodig is om het beoogde doel te bereiken. Begin met een shortlist van variabelen die in het dashboard moeten komen. Houd hierbij de doelen van het dashboard voor ogen. Er zit al snel teveel informatie in een dashboard en dat maakt het lastig om overzicht te behouden. Besef dat je met 7 à 10 indicatoren al een beeld van een patiëntengroep krijgt.
• Als het dashboard ‘zelf uitlegbaar’ moet zijn, gebruik dan mouse over (extra tekst) zodat uitleginformatie verschijnt. Gebruik indien mogelijk een instructiefilmpje met verdere uitleg. Of maak van de eerste pagina van je dashboard een landingspagina met infographics hoe het dashboard werkt (zie voorbeeld chronisch nierschade).
• Weet dat de leesrichting bepaalt waar je welke data het best kunt plaatsen.

Als data gecombineerd worden tot groepsscores (bijvoorbeeld verschillende vragen worden gemiddeld), dan is het fijn om terug te gaan naar de scores op de individuele vragen.

Data kun je op verschillende manieren visualiseren. Gebruik liever geen 3D-weergaven. Die worden door gebruikers niet begrepen en voegen geen waarde toe. Check ook of de data logisch is gesorteerd. Denk hierbij aan alfabetisch of naar grootte. Lees hieronder welke grafiek of tabel in welk geval het beste werkt. Het is verstandig visualisaties te ondersteunen met (korte) stukjes tekst. Dit maakt de informatie uit de visualisaties helderder en beter te begrijpen.

Lijngrafiek: data over de tijd
Lijndiagrammen werken het best voor het visualiseren van data over de tijd per patiënt. Hiermee kun je eenvoudig relaties tussen data aantonen. Bijvoorbeeld of de relatie toe- of afneemt. Gebruik niet meer dan vier lijnen in een grafiek. Gebruik één lijnstijl, bij voorkeur een niet-onderbroken lijn. Dus geen stippellijnen of andere patronen. Label de lijnen direct met een duidelijke korte omschrijving.

Is het belangrijk dat getallen uit een grafiek goed worden gelezen? Zet dit getal dan vlakbij (positie) of verbindt het bijvoorbeeld met een kleur. Het is niet verstandig meer dan 5 lijnen in een lijngrafiek te maken. Maak bij voorkeur dan 5 kleine grafieken of subgrafieken in plaats van alles in 1 figuur te proppen.

Staafdiagram: vergelijkingen
Staafdiagrammen zijn vaak het meest geschikt voor het visualiseren van data tussen organisaties, zorgverleners of behandelingen. Staafdiagrammen helpen bij simpele vergelijkingen door de lengte van de staven te vergelijken. Sorteer staafdiagrammen wel op lengte. Gebruik labels om de betekenis van data te verduidelijken. Het beste is om deze labels zo dicht mogelijk bij de data te plaatsen.

Taartdiagram: voor kenmerken van groepen
Een taartdiagram werkt goed voor het in kaart brengen van kenmerken van groepen van patiënten. Een taartdiagram wordt het meest gebruikt voor 3 tot 4 variabelen. Je ziet dan de relatie tussen een deel van de data tot het geheel. Instinctief begrijpt men dat de taartpunten opgeteld de gehele taart vormen.

Tabel: exacte getallen
Er zijn vier redenen voor het presenteren van data in een tabel. Allereerst: kies voor een tabel als er een grote hoeveelheid data gepresenteerd moet worden en de beschikbare ruimte klein is. Daarnaast is een tabel wenselijk bij het vergelijken van individuele waarden. Ten derde is een tabel de beste optie bij het vergelijken van waarden van verschillende meeteenheden. Denk hierbij aan het vergelijken van een percentage met gemiddelden en aantallen. Tot slot is een tabel wenselijk als de gebruiker weinig vaardigheden heeft met het lezen van data. Houd er bij de visualisatie van de tabellen rekening mee dat er niet te veel lijnen getoond worden.

Snelheidsmeters/KPI-meters: vergelijkingen met doelstelling of budget
Snelheidsmeters zijn het handigst als er in een dashboards data vergeleken wordt met een doelstelling. Dit kan bijvoorbeeld het geval zijn wanneer de waardes van een patiënt worden vergeleken met een (medische) streefwaarde of het gemiddelde van een groep andere patiënten. Of als kosten ten op zichtte van het budget worden getoond. Je kunt per radar 1 doelstelling visualiseren. Vaak ontbreekt het grotere verhaal of de context bij z’n meter. Deze kun je eventueel via een hooverfunctie toevoegen of met een kort stukje tekst onder het metertje.

Populatiediagrammen: bij risico’s
Populatiediagrammen geven informatie over mogelijke risico’s. Poppetjes worden gebruikt om getallen uit te drukken in percentages. Het gebruik van halve of half gevulde symbolen wordt sterk afgeraden. Dus gebruik geen half gevulde rondjes of halve personen in een populatiediagram. Houd de noemers gelijk, gebruik naast de visuele weergave ook getallen, want sommige gebruikers vinden getallen fijner. Door dezelfde informatie op meerdere manieren te tonen, versterk je ook de boodschap.

Maak bij het visualiseren van data gebruik van een referentiepunten. Denk daarbij aan referentiewaarden uit wetenschappelijke literatuur, (landelijke) gemiddelden of normen zodat je kan zien waar de patiënt of patiëntengroep ‘afwijkt’. Dit kan via snelheidsmeters met kleuren, zoals we zagen bij voorbeeld Joint decision support.

Gebruik kleur functioneel om data te coderen en ergens de nadruk op te leggen. Kleurgebruik is niet puur ter decoratie. Er kunnen verschillende kleurenschema’s worden gebruikt. Zo zijn er bijvoorbeeld stoplichtkleuren. Een andere optie is het gebruiken van tinten in een kleur. Houd er altijd rekening mee dat de kleuren te onderscheiden zijn voor mensen die kleurenblind zijn. Je kunt je ontwerp testen op https://colororacle.org/.

Wees je ervan bewust dat stoplichtkleuren (groen, oranje, rood) door veel mensen als confronterend kunnen worden ervaren. Zeker door patiënten als  alles bijvoorbeeld op ‘rood’ staat. Over het algemeen is een donkergrijs (geen zwart!) lettertype op een lichte achtergrond het best leesbaar.

Zorg bij het ontwerpen van een dashboard voor consistentie in het dashboard (en zo mogelijk tussen verschillende dashboards). Het gaat hier om dezelfde lettertypes, stijl, knoppen voor informatie, kleur etc.

Pas het taalgebruik van je dashboard aan de gebruiker aan. Vermijd moeilijke woorden en jargon. Houd bij de vormgeving ook rekening met het opleidingsniveau van de patiënten. Je kunt op verschillende niveaus je dashboard checken. Dit kan op gebruikte woorden (www.ishetb1.nl), op teksten (www.texamen.nl) en op de vraag of de gepresenteerde data begrijpelijk en toegankelijk is  (https://vbi.pharos.nl/node/add/materiaal). 

Soms zijn grafieken, tabellen of metertjes niet de meest ideale visualisaties om de boodschap over te brengen. Wees creatief, het kan ook anders!

Het drie-lenzen-model is een manier om naar datavisualisaties te kijken. De vragen van het model geven ook houvast bij het zelf maken van heldere visualisaties. De drie lenzen zijn over stijl, helderheid en effectiviteit (The Data Vision Lab).