Data literacy

Binhai library bookshelves.jpg
By Muzzleflash - Own work, CC0, Link




Data als kunst

Voor een analfabeet is een bibliotheek vrij overbodig, maar als je kunt lezen, krijg je toegang tot een schat aan informatie. Niet gek dat we op jonge leeftijd leren lezen en schrijven. De meeste mensen vinden het minder vanzelfsprekend als kinderen al op de basisschool zouden leren data te lezen en cijfers te begrijpen. Toch is dit een vaardigheid die steeds belangrijker wordt. Niet alleen in het herkennen van onzin op bijvoorbeeld sociale media, maar ook in het bedrijfsleven is inzicht in data steeds belangrijker. Data literacy is, volgens Wikipedia, het ‘kunnen lezen, begrijpen, genereren en communiceren van data als informatie’. In de moderne samenleving geen overbodige vaardigheid.
Datavisualisatie kan helpen cijfers inzichtelijk te maken. In een lijngrafiek is een trend makkelijker te herkennen dan in een tabel met dezelfde gegevens. Maar iedere vorm van visualisatie is een interpretatie van de maker. Wat laat je zien en wat laat je weg? En welke grafiek kies je? Geeft een taartdiagram hetzelfde beeld als een staafdiagram? Met het visualiseren offer je onvermijdelijk een beetje objectiviteit op. 


Het vakgebied dat tot voor kort het meest met datavisualisatie werkte, is de statistiek. Statistici zijn over het algemeen datapuristen en zij hebben over de jaren heen richtlijnen ontwikkeld om data zo objectief en helder mogelijk weer te geven. Hun grafieken verdienen niet altijd de schoonheidsprijs — ze zijn vooral functioneel.
Aan de andere kant van het spectrum staat de kunst. Sinds een aantal jaren zijn in de kunstwereld datavisualisaties omarmd. Data zijn dan de grondstof zoals een schilder verf gebruikt. Daarbij wordt de leesbaarheid en functionaliteit opgeofferd voor esthetiek en gevoel. En tussen deze twee uitersten zijn steeds meer mensen in diverse vakgebieden aan het experimenteren met datavisualisatie. Bedrijven ontwikkelen data-dashboards om overzicht te krijgen, media gebruiken datavisualisaties om hun artikelen kracht bij te zetten en politici om hun boodschap geloofwaardiger te maken.

Maar grafieken waar een datapurist blij van wordt, schrikken gewone mensen nogal eens af. In het overbrengen van een politieke of commerciƫle boodschap zijn saaie grafieken meestal niet effectief. Dus wordt nog een beetje extra objectiviteit opgeofferd om de boodschap goed over te brengen aan het grotere publiek. De zorgvuldig bedachte richtlijnen uit de statistiek worden aan de kant geschoven om grafieken uitnodigender te maken. Op zich niet erg als de visualisatie en de data hetzelfde verhaal vertellen, maar dat is niet altijd het geval. De data worden in een vorm gegoten die past bij de boodschap die iemand wil vertellen, terwijl de data eigenlijk iets anders zeggen. Dan ontstaan misleidende visualisaties. Klimaatsceptici, antivaxers en andere verspreiders van complottheorieƫn en onwetenschappelijke informatie maken hiervan, misschien niet altijd bewust, gebruik. Een artikel laten vergezellen van een mooie grafiek maakt de boodschap voor veel mensen geloofwaardiger, ook al klopt er niks van. Hoe herken je nu een misleidende visualisatie?
De komende weken zal ik in een paar blogs tips geven hoe je misleidende visualisaties kan herkennen. Deze blogs zijn gebaseerd op mijn artikel in de meest recente Skepter.

Reacties