2 sääntöä lämpökarttojen värittämiseen, jotta kukaan ei kärähdä

syys 4, 2021
admin

Älkää unohtako, että voit helposti käyttää Displayrin lämpökarttojen tekijää ilmaisen lämpökartan luomiseen!

Toissapäivänä paikallinen sanomalehteni näytti niin sanottua ”valokuvaa” hirmumyrsky Matthew’sta. Tämä lämpökartta saavuttaa yhden visualisoinnin ydintehtävistä: se herättää huomiota. Minulle se tekee sen kuitenkin liian kalliilla hinnalla, koska siinä käytetään huonosti värejä.

Kun katsoin tätä visualisointia ensimmäisen kerran, oletin, että harmaa oli pilviä ja sininen merta. Hieman tarkemman tarkastelun jälkeen tajusin, että näin ei voi olla. Aivoni alkoivat sitten tarkastella kuvaa pyörteeksi, joka muuttuu kahdeksi tunneliksi. Tämä johti kuitenkin vakavaan virhetulkintaan: näin valon vasemmanpuoleisen tunnelin päässä. Tämä on ongelma, koska aivoni tekevät täsmälleen väärän johtopäätöksen. Oikea lukutapa on, epäilen, että tämä on myrskyn silmä ja paljon hiljaisempi kuin ympäröivät alueet.

Yllä oleva visualisointi on epäilemättä hieno, jos sitä on opetettu lukemaan. Mutta kuinka moni on saanut tällaisen koulutuksen? Minä ainakin kamppailen tajutakseni mitä se tarkoittaa ilman suurta vaivaa. Tämä johtuu siitä, että siinä ei käytetä sateenkaaren värimaailmaa, vaan mustaa, harmaata, sinistä, vihreää, keltaista, punaista ja taas mustaa. Tämä ei ole luonnollinen värijärjestys luonnossa, minkä vuoksi aivojemme on vaikea tulkita sitä automaattisesti. Jotta voisimme tutkia tätä asiaa hieman paremmin, tarkastelemme yksinkertaisempaa visualisointitehtävää: lämpökarttaa tulivuoresta.

Yllä olevassa 3D-perspektiivipiirroksessa näkyy tulivuori. Se on houkutteleva, ja näemme monia tulivuoren ominaisuuksia, mutta emme sen kaukaisinta puolta emmekä kalderan syvyyttä.

Alla olevassa lämpökartassa käytetään kelta-sinistä asteikkoa. Sen avulla saamme jonkinlaisen käsityksen tulivuoren kaukopuolesta ja kalderan syvyydestä. Riippuen siitä, milloin katson tätä lämpökarttaa, teen aivan erilaisia johtopäätöksiä. Joskus näen supernovan. Koska en oikein ymmärrä supernovia, tämä vertailu pikemminkin hämmentää kuin auttaa minua. Useimmiten aivoni näkevät sinisenä meren, vihreänä kasvillisuuden ja keltaisena tulivuoren. Näin ollen aivoni päättelevät, että tulivuoren kalderassa on vettä. Toki legenda kertoo minulle, että tulkintani on väärä. Perusongelma on kuitenkin se, että lämpökartan laadullinen aspekti – siniset, vihreät ja punaiset värit – johtaa minut harhaan.

Seuraava lämpökartta osoittaa, miten vähän vähemmällä saadaan aikaan jotain vähän parempaa. Olen poistanut keltaisen. Värin toimintatavan vuoksi tämä tarkoittaa, että myös vihreä on otettu pois lämpökartasta. Nyt lämpökartassa näkyy sellaista asteittaisuutta, jota esiintyy luonnossa (esim. pilvet sinistä taivasta vasten, veden syvyys). Aivomme ovat jo virittyneet lukemaan visualisointia. Ehkä tämä ja edellinen visualisointi näyttävät sinusta yhtä tulkinnanvaraisilta; pysy mukana, sillä pointti tulee paljon selvemmäksi parin seuraavan esimerkin myötä.

Säännöt värien käyttämiseen heatmapissa

Oheinen puukartta heatmap-varjostuksella on Harvard Business Review -lehdestä. Sen käyttämässä värimaailmassa on mukana harmaita, punaisia, vihreitä ja keltaisia värejä. Kuten aiempi parannettu satelliittikuva hurrikaanista, jos koulutettu, voit varmasti lukea sen. Sen lukeminen on kuitenkin kovaa työtä, kuten käsitellään kohdassa The 5 second rule and the need to create instantly recognizable visualization.

heatmaptreemap

heatmaptreemap

Kontrastina alla olevaan kuvaan, jossa näkyy paljon enemmän tietoa. Siinä käytetään lähes samaa värimaailmaa. Mutta se on huomattavasti parempi visualisointi. Syynä on tapa, jolla väriä käytetään. Väri rajaa kolme kuolinsyytä. Voimakkuus värien sisällä viestii kuolemantapausten määrän muutoksesta ajan myötä.

Yllä olevat esimerkit voidaan tiivistää kahteen sääntöön:

  1. Kuvata asteet lämpökartoissa varjostamalla käyttäen yhtä väriä, johon on sekoitettu joko valkoista, mustaa tai harmaata.
  2. Käytä värejä kuvaamaan laadullisia eroja.

Käytä värejä kuvaamaan korkeita vs. matalia pistemääriä

Erityinen laadullisen eron tyyppi on se, ovatko tulokset keskiarvon ylä- vai alapuolella. Alla oleva esimerkki osoittaa, miten eri kolamerkkien mieltymys (pylväät) liittyy merkkien mieltymyksen asteeseen. Valkoista käytetään osoittamaan keskimääräistä suhdetta, sininen osoittaa keskimääräistä parempaa suhdetta ja koralli osoittaa keskimääräistä huonompaa suhdetta. Varjostusasteet osoittavat suhteen voimakkuuden. Tämän värimaailman avulla voimme nopeasti vahvistaa ilmeisen mallin. Taulukon päädiagonaalin siniset solut osoittavat, että ihmiset antavat keskimäärin korkeimmat arvosanat suosimilleen tuotemerkeille. Ja se kiinnittää nopeasti huomiomme muihin kuvioihin. Coca-Colan juojat antavat keskimääräistä huonommat arviot kaikille muille tuotemerkeille, kun taas Pepsi-Maxin juojat suhtautuvat myönteisesti kaikkiin muihin tuotemerkkeihin paitsi Coca-Colaan.

Tätä samaa periaatetta käytetään CDC:n upeissa kartoissa. Alla olevassa kartassa on esitetty miesten sydänsairaudet. Tässä vihreää käytetään osoittamaan alle keskiarvon ja ruskeaa yli keskiarvon. Tämä on luonnollinen jatkumo luonnossa, joten aivoillamme on sisäänrakennettuja mekanismeja asteikon ymmärtämiseksi. Lisäksi väreillä on selvä merkitys tietojen yhteydessä: vihreä on terve, ruskea on kuolemaisillaan. Ja kirjoittajat ovat antaneet kaksi legendaa, jotta ihmiset tekisivät mahdollisimman paljon oikeita johtopäätöksiä värityksestä.

hdwm

hdwm

Jos haluat leikkiä joillakin näistä esimerkeistä Displayrissa, klikkaa tästä.

Vastaa

Sähköpostiosoitettasi ei julkaista.