Als Nachtrag zum letzten Post, in dem das Thema „3D-Visualisierungen“ angerissen wurde, heute ein paar Gedanken. Im Grunde geht es ja bei der Informationsvisualisierung darum Information zu visualisieren. No na! 😉 Und das geschieht in der Regel nicht aus Jux und Tollerei, sondern mit dem Ziel diese Infomation zu vermitteln. Womit wir bei der spannenden Frage nach dem (geplanten) Publikum, bzw. der Empfängerin der Information, also der Zielgruppe, sind.
Diese zu erreichen ist bekannterweise ein Kunst und es würde Bücher füllen die Bildsprache und das Symbolverständnis unterschiedlicher sozialen Gruppen, Kulturen oder Epochen zu erörtern. Jedenfalls soll die (Informations-) Visualisierung die angestrebte Zielgruppe erreichen und fesseln so, dass möglichst viele Im Zielpublikum die „Story konsumieren“. Vor allem soll dabei der richtige Aspekt der Information transportiert werden. Das zu erreichen kann ab & zu auch bedeuten Regeln oder Normen zu brechen.
Prinzipiell gilt für Informationsvisualisierung, dass
- die richtigen Variablen präsentiert werden
- die Visualisierung einen Vergleich bzw. eine Einordnung ermöglicht
- die Information für das Publikum organisiert wird
- und Zusammenhäge/Wechselwirkungen hervorgehoben werden.
Wobei vor allem der letzte Punkt sehr heikel ist. Ohne einen gesunde Portion Hausverstand und eine Prise statistisches Wissen läuft mensch gerne Gefahr Kausalität und Korrelation zu vertauschen oder gleich zu setzten. Zehn schöne Beispiel dazu sind hier angeführt (Etwa das der Konsum von Eis die Mordrate erhöht).
Aber was hat das mit 3D-Visualisierungen zu tun?
Einerseits deshalb, da dem Empfänger die Information nicht verzerrt geboten, sondern richtig dargestellt werden soll. Und wie bereits im letzten Beitrag erwähnt, wird eine 3D Abbildung bei der Projektion auf 2D zwangsläufig verzerrt. Egal ob es sich dabei um ein Diagramm oder das Foto einer Kathedrale handelt.
Dieser Effekt mag bei der Fotografie interessant oder erwünscht sein, bei Informationsvisualisierung bedeutet er aber weniger Information die bei der Empfängerin landet.
Ab und zu gibt es allerdings Daten die dreidimensional sind. Die Erdkugel zum Beispiel. Jede Karte ist daher nur ein Versuch die drei Dimensionen auf zwei zu projizieren – und mit Informationsverlusten behaftet. Eine mögliche Lösung für 3D-Visualisierungen liegt in interaktiven Visualisierungen, die den Nutzern die Möglichkeit geben die Perspektive selbst zu verändern (wie etwa Google Earth für die Weltkugel).
Und wie schaut’s bei statischen Grafiken/Diagrammen aus? Ein 3D-Tortendiagramm kann getrost ausgeschlossen werden. Es verzerrt die ohnehin schon nicht leserlichen Winkel noch weiter. Aber 3D muss nicht immer zwangsläufig schlecht sein. Es kommt ganz auf die Perspektive der (Daten)Geschichte an, der kommuniziert werden soll.
Folgendes schönes Beispiel hierfür wurde letzte Woche auf eagereyes präsentiert. Die Grafik aus WIRED zeigt gleichzeitig 8 Zeitreihen (über 20 Jahre). Einerseits die Gehälter in vier veschiedenen Arbeitssektoren (Verkauf, Produktion, Angestellte und Technologie). Andererseits auch deren Anteile an der Gesamtheit der Erwerbstätigen.
Klar bleibt auch diese Grafik nicht von der perspektivischen Verzerrung (und dem damit verbundenenen Informationsverlust) verschont. Aber sie hat etliche gute Aspekte. Einereseits verbindet sie die oben genannten 8 Zeitreihen in einer Grafik. Dies wäre auch mit 2 Liniengrafiken möglich gewesen. Allerdings wahrscheinlich zu Lasten der Optik, welche ja die Leserin ansprechen und fesseln soll.
Ein zweiter Punkt ist, dass das Augenmerk anscheinend weniger auf die tatsächlichen Einkommen (Höhe der Flächen) gelegt ist. Als IT-Zeitschrift führt WIRED mit dieser Grafik den Leserinnen vor Augen, dass der Technologieanteil an Gesamtarbeitsplätzen noch immer sehr klein ist. Was bei der breiten medialen Berichterstattung über Technologie, Innovation und IT oft untergeht. Außerdem zeigt die Grafik – der Verzerrung zum Trotz – die Verzögerung, mit der ökonomische Krisen oder Aufschwünge die jeweiligen Gruppen erfasst haben.
Abschließend muss man natürlich eingestehen, dass es praktisch nicht möglich ist die tatsächliche Gehaltshöhen bestimmter Gruppen zu bestimmten Zeipunkten zu identifizieren. Wenn das das Ziel gewesen sei sollte, dann ist die Grafik falsch gewählt. Für die anderen Perspektiven auf diesen Datensatz ist die Grafik aber alles andere als schlecht.