Glem ikke, at du nemt kan bruge Displayrs heatmap maker til at oprette dit gratis heatmap!

Forleden dag viste min lokale avis, hvad den kaldte et “foto” af orkanen Matthew. Dette heatmap opnår en af visualiseringens kerneopgaver: det tiltrækker opmærksomhed. Det gør det imidlertid til en for høj pris for mig på grund af den dårlige brug af farver.

Da jeg først så på denne visualisering, gik jeg ud fra, at det grå var skyer og det blå var havet. Efter at have kigget lidt mere indså jeg, at det ikke kunne være tilfældet. Min hjerne begyndte derefter at se billedet som en hvirvelstrøm, der bliver til to tunneler. Dette førte mig imidlertid til en alvorlig fejlfortolkning: at jeg så et lys for enden af tunnelen til venstre. Dette er et problem, fordi min hjerne drager den helt forkerte konklusion. Den korrekte læsning er, formoder jeg, at dette er stormens øje og meget mere stille end de omkringliggende områder.

Overstående visualisering er uden tvivl fantastisk, hvis man er blevet trænet til at læse den. Men hvor mange mennesker har modtaget en sådan træning? Jeg har i hvert fald svært ved at finde ud af, hvad den betyder uden en stor indsats. Det skyldes, at den ikke bruger regnbuens farveskema, men sort, grå, blå, grøn, gul, gul, rød og sort igen. Dette er ikke en naturlig rækkefølge af farver i naturen, hvilket gør det svært for vores hjerne at afkode den automatisk. For at undersøge dette problem lidt bedre vil vi se på en enklere visualiseringsopgave: et varmekort af en vulkan.

Den ovenstående 3D-perspektivplot viser en vulkan. Det er attraktivt, og vi ser mange af vulkanens attributter, men ikke dens fjerneste side eller dybden af calderaen.

Det nedenstående varmekort bruger en gul-blå skala. Det giver os mulighed for at få en idé om den fjerneste side af vulkanen og dybden af calderaen. Afhængigt af, hvornår jeg ser på dette varmekort, drager jeg helt forskellige konklusioner. Nogle gange ser jeg en supernova. Da jeg ikke rigtig forstår supernovaer, forvirrer denne sammenligning mig mere end den hjælper mig. Det meste af tiden ser min hjerne blå som havet, grøn som vegetationen og gul som vulkanen. Min hjerne konkluderer derfor, at der er vand i vulkanens caldera. Selvfølgelig fortæller legenden mig, at min fortolkning er forkert. Det grundlæggende problem er imidlertid, at det kvalitative aspekt af varmekortet – de blå, grønne og røde farver – leder mig på vildspor.

Det næste varmekort viser, hvordan lidt mindre skaber noget lidt bedre. Jeg har fjernet det gule. På grund af den måde, som farver fungerer på, betyder det, at den grønne også er fjernet fra heatmap’et. Nu viser heatmap’et den type graduering, der forekommer i naturen (f.eks. skyer mod en blå himmel, vanddybde). Vores hjerne er allerede indstillet på at aflæse visualiseringen. Måske ser denne og den foregående visualisering lige fortolkelig ud for dig; bliv hos mig, for pointen vil blive meget tydeligere med de næste par eksempler.

Regler for brug af farver i heatmaps

Det nedenstående treemap med heatmap-skravering er fra Harvard Business Review. Det farveskema, der anvendes, omfatter grå, røde, grønne og gule farver. Som med det tidligere forbedrede satellitbillede af orkanen, hvis man er trænet, er jeg sikker på, at man kan læse det. Men det er hårdt arbejde at læse det, som diskuteret i The 5 second rule and the need to create instantly recognizable visualization.

Sammenlign det med det nedenfor, som viser langt flere data. Den bruger næsten det samme farveskema. Men det er en langt bedre visualisering. Årsagen er den måde, hvorpå farven bruges. Farven afgrænser de tre dødsårsager. Intensiteten inden for farverne kommunikerer ændring i dødsrater over tid.

De ovenstående eksempler kan sammenfattes som to regler:

1. Repræsentér grader i heatmaps ved hjælp af skravering, hvor der anvendes en enkelt farve blandet med enten hvid, sort eller grå.
2. Brug farver til at repræsentere kvalitative forskelle.

Brug farver til at repræsentere høje vs. lave resultater

En særlig type af kvalitativ forskel er, om resultaterne ligger over eller under gennemsnittet. Eksemplet nedenfor viser, hvordan præferencer for forskellige cola-mærker (kolonnerne) hænger sammen med graden af at kunne lide mærkerne. Hvid bruges til at angive et gennemsnitligt forhold, blå angiver et forhold over gennemsnittet, og koral angiver et forhold under gennemsnittet. Graderne af skravering angiver styrken af forholdet. Dette farveskema giver os mulighed for hurtigt at bekræfte et indlysende mønster. De blå celler i tabellens hoveddiagonal viser, at folk i gennemsnit giver de højeste vurderinger til de mærker, som de foretrækker. Og det henleder hurtigt vores opmærksomhed på andre mønstre. Coca-Cola-drikkere giver under gennemsnittet bedømmelser for alle andre mærker, mens Pepsi-Max-drikkere er positivt indstillet over for alle mærker undtagen Coca-Cola.

Det samme princip anvendes i CDC’s vidunderlige kort. Kortet nedenfor viser hjertesygdomme for mænd. Her bruges grønt til at vise under gennemsnittet og brunt over gennemsnittet. Dette er et naturligt kontinuum i naturen, så vores hjerne har nogle indbyggede mekanismer til at forstå skalaen. Desuden har farverne en indlysende betydning i forbindelse med dataene: grønt er sundt, brunt er døende. Og forfatterne har givet to legender for at maksimere chancen for, at folk vil drage de korrekte slutninger ud fra farven.

For at lege med nogle af disse eksempler i Displayr kan du klikke her.