Vergeet niet dat u de heatmap-maker van Displayr gemakkelijk kunt gebruiken om uw gratis heatmap te maken!

Onlangs toonde mijn plaatselijke krant een zogenaamde “foto” van orkaan Matthew. Deze heatmap bereikt een van de kerntaken van visualisatie: het trekt de aandacht. Maar het doet dat tegen een te hoge prijs voor mij als gevolg van zijn slechte gebruik van kleur.

Toen ik voor het eerst keek naar deze visualisatie, nam ik aan dat het grijs was wolken en het blauw was zee. Na wat verder te hebben gekeken, realiseerde ik me dat dat niet het geval kon zijn. Mijn hersenen begonnen toen het beeld te zien als een draaikolk die overgaat in twee tunnels. Dit leidde echter tot een ernstige misinterpretatie: het zien van een licht aan het eind van de tunnel aan de linkerkant. Dit is een probleem, want mijn hersenen trekken precies de verkeerde conclusie. De juiste lezing is, vermoed ik, dat dit het oog van de storm is en een stuk stiller dan de omringende gebieden.

De visualisatie hierboven is, ongetwijfeld, geweldig als je getraind bent om het te lezen. Maar hoeveel mensen hebben zo’n training gehad? Ik heb zeker moeite om uit te vinden wat het betekent zonder veel moeite. Dat komt omdat het niet het regenboog kleurenschema gebruikt, maar zwart, grijs, blauw, groen, geel, rood, en weer zwart. Dit is geen natuurlijke volgorde van kleuren in de natuur, wat het voor onze hersenen moeilijk maakt om dit automatisch te decoderen. Om deze kwestie wat beter te verkennen, zullen we kijken naar een eenvoudiger visualisatietaak: een heatmap van een vulkaan.

De 3D-perspectiefplot hierboven toont een vulkaan. Het is aantrekkelijk en we zien veel van de attributen van de vulkaan, maar niet zijn verre kant of de diepte van de caldera.

De heatmap hieronder gebruikt een geel-blauwe schaal. Het stelt ons in staat om enig idee te krijgen van de achterkant van de vulkaan en de diepte van de caldera. Afhankelijk van wanneer ik naar deze kaart kijk, trek ik heel andere conclusies. Soms zie ik een supernova. Aangezien ik supernova’s niet echt begrijp, brengt deze vergelijking me eerder in verwarring dan dat ze me helpt. Meestal zien mijn hersenen blauw als de zee, groen als de vegetatie, en geel als de vulkaan. Zo leidt mijn brein af dat er water is in de caldera van de vulkaan. Zeker, de legende vertelt me dat mijn interpretatie fout is. Het fundamentele probleem is echter dat het kwalitatieve aspect van de heatmap – de blauwe, groene en rode kleuren – mij op een dwaalspoor brengt.

De volgende heatmap laat zien hoe een beetje minder iets beters oplevert. Ik heb het geel verwijderd. Door de manier waarop kleur werkt, betekent dit dat het groen ook uit de heatmap is gehaald. Nu laat de heatmap het soort gradatie zien dat in de natuur voorkomt (b.v. wolken tegen een blauwe lucht, waterdiepte). Onze hersenen zijn al afgestemd op het lezen van de visualisatie. Misschien lijken deze en de vorige visualisatie voor u even interpreteerbaar; blijf bij me, want het punt wordt een stuk duidelijker met de volgende paar voorbeelden.

Regels voor het gebruik van kleur in heatmaps

De onderstaande treemap met heatmap-schaduwing is afkomstig van de Harvard Business Review. Het gebruikte kleurenschema bestaat uit grijzen, roden, groenen en gelen. Net als bij het eerdere verbeterde satellietbeeld van de orkaan, als u getraind bent, kunt u het vast wel lezen. Het lezen ervan is echter hard werken, zoals besproken in De 5 seconden regel en de noodzaak om een direct herkenbare visualisatie te maken.

Zet het af tegen de afbeelding hieronder, die veel meer gegevens laat zien. Het gebruikt bijna hetzelfde kleurenschema. Maar het is een veel betere visualisatie. De reden daarvoor is de manier waarop de kleur wordt gebruikt. De kleur bakent de drie doodsoorzaken af. Intensiteit binnen de kleuren geeft verandering in sterftecijfers in de tijd aan.

De bovenstaande voorbeelden kunnen worden samengevat als twee regels:

1. Stel graden in heatmaps voor door arcering, gebruikmakend van een enkele kleur vermengd met ofwel wit, zwart of grijs.
2. Gebruik kleuren om kwalitatieve verschillen weer te geven.

Gebruik kleuren om hoge versus lage scores weer te geven

Een speciaal type kwalitatief verschil is of resultaten boven of onder het gemiddelde liggen. Het voorbeeld hieronder laat zien hoe de voorkeur voor verschillende merken cola (de kolommen) zich verhoudt tot de mate waarin men van de merken houdt. Wit wordt gebruikt om een gemiddelde verhouding aan te geven, blauw wijst op bovengemiddeld, en koraal wijst op benedengemiddeld. De gradaties van de arcering geven de sterkte van de relatie aan. Dit kleurenschema stelt ons in staat snel een voor de hand liggend patroon te bevestigen. De blauwe cellen in de hoofddiagonaal van de tabel laten zien dat mensen gemiddeld de hoogste waardering geven aan de merken waaraan zij de voorkeur geven. En het vestigt snel onze aandacht op andere patronen. Coca-Cola drinkers geven benedengemiddelde waarderingen voor alle andere merken, terwijl Pepsi-Max drinkers positief staan tegenover alle merken behalve Coca-Cola.

Ditzelfde principe wordt gebruikt in de prachtige kaarten van de CDC. De kaart hieronder toont hartkwalen voor mannen. Hier is groen gebruikt om aan te geven onder het gemiddelde en bruin boven het gemiddelde. Dit is een natuurlijk continuüm in de natuur, dus onze hersenen hebben enkele ingebouwde mechanismen om de schaal te begrijpen. Bovendien hebben de kleuren een duidelijke betekenis in de context van de gegevens: groen is gezond; bruin is stervende. En de auteurs hebben twee legenda’s voorzien, om de kans te maximaliseren dat mensen de juiste conclusies trekken uit de kleuren.

Om te spelen met een aantal van deze voorbeelden in Displayr, klik hier.