7 Masalah terbesar yang dihadapi oleh visualisasi data saat ini

Menurut para anggota masyarakat visualisasi data…

Sebagai praktisi visualisasi data, kita mudah untuk merasa terisolasi. Kita sebagian besar kesepian didalam sebuah organisasi atau sebagaian mengambil peran sebagai freelancer. Tetapi pada bulan Februari 2019, kami menaiki sebuah kapal bernama: Masyarakat visualisasi data. Sekarang bahwa kita telah bersama-sama, apa yang akan kita lakukan? Para pendiri memiliki visi untuk mengarahkan kita ke komunitas yang bersatu, mengangkat anggotanya melalui kolaborasi, dan saling berbagi sumber daya.

Jadi, setiap minggu di keanggotaan Slack, kami akan mengajukan pertanyaan yang berbeda yang menantang anggota untuk berpikir tentang masalah-masalah visualisasi data secara mendalam dan holistik.

Tapi apa masalah itu? Untuk minggu pertama ini, kami bertanya kepada 3000+ anggota kami:

“Apa yang Anda pikir menjadi masalah yang paling penting dalam visualisasi data?”

Jawaban dan diskusi terbuka berkisar dari hal yang ringan sampai hal yang mendalam. Sebagian besar jawaban terbagi dalam tiga kelompok utama:

· Masalah seputar Data

· Visualisasi dalam prakteknya, dan

· Profesi secara umum.

Kami telah mengumpulkan topik ini menjadi tiga tema utama sehingga diskusi tidak hanya bermanfaat bagi anggota, tetapi juga dapat berdampak bagi komunitas visualisasi data yang lebih luas. Ketika saya pertama kali memulai, sulit untuk mengetahui bagaimana alur kerja yang baku untuk membuat sebuah visualisasi. Memiliki akses ke sebuah komunitas akan sangat membantu! :) Saya senang kita menilik masalah ini sekarang, sehingga kita dapat lebih mendukung mereka yang masuk dan berpartisipasi aktif dalam bidang ini.

Berikut adalah masalah terbesar yang kita hadapi saat ini, menurut anggota-anggota kami.

Data

Visualisasi data sering dibingkai sebagai solusi untuk masalah-masalah akses data, dan sebagian besar profesional yang memiliki jabatan pekerjaan yang mengandung kata “visualisasi data” menghabiskan jumlah waktu mereka bukan untuk memvisualisasikan data itu sendiri, tetapi untuk membersihkan dan memproses data. Jadi tidak mengherankan apabila banyak kekhawatiran yang diungkapkan oleh anggota kami berfokus pada data. Lebih penting lagi, perhatian tersebut bukan tentang pengolahan data. Namun adalah bagaimana organisasi menangani data, bagaimana mengajarkan tentang data dan bagaimana dapat menangani bias dalam data.

1. Organisasi

· Mengapa organisasi menghabiskan begitu banyak sumber daya pada pengumpulan data tanpa adanya sebuah rencana?

· Mengapa mereka menghabiskan begitu banyak waktu untuk bersaing dalam mengumpulkan sebagian besar data?

· Mengapa mereka lebih mempercayai data mentah daripada visualisasi data?

· Bagaimana kita membangun dan mengintegrasikan lebih banyak penerjemah data yang ahli ke dalam tim organisasi?

Sebagaimana seorang anggota SanPaw mengatakannya, “saya melihat banyak visualisasi yang mempesona tapi sangat sedikit memberikan wawasan atau mengarah pada wawasan yang bermakna. Memiliki seseorang didalam tim dengan pengetahuan bisnis dan memahami masalah bisnis, akan banyak membantu. “

2. Pengajaran

· Mengapa para pengajar tidak mengajarkan bagaimana cara menggunakan teknik-teknik visualisasi data?

· Bagaimana kita memprioritaskan mengajar anak bagaimana membaca visualisasi data yang bukan sebuah peta?

IrisMorgenstern bekerja untuk membawa visualisasi kepada para guru: “saya mengajarkan kepada guru-guru masa depan, akan bagaimana menggunakan visualisasi data untuk kehidupan profesional mereka. Ketika mereka memulai, mereka tidak tahu apa hubungan bidang DataViz dengan hal lainnya yang mereka kerjakan. Tapi pada akhirnya, banyak dari mereka yang senang melihat berapa banyak bidang ini dapat membantu proyek penelitian mereka. “

3. Bias

· Bagaimana kita meningkatkan kesadaran seputar bias dalam metode pengumpulan data?

· Bagaimana kita mendapatkan lebih banyak orang bergabung dalam memvisualisasikan ketidakpastian, di luar bidang akademik?

· Bagaimana kita dapat lebih bertanggung jawab dalam hal bagaimana kita berbicara tentang data?

Mike Cisneros mengatakan, “Terlalu mudah dan umum, baik yang kita sengaja atau tanpa disadari kita melepaskan tanggung jawab terhadap kualitas pekerjaan kita, baik itu dalam hal bagaimana data tersebut dapat diandalkan, sebagaimana jelas data tersebut disajikan, apakah terdapat bias dalam presentasi yang mencerminkan apa pun selain kebenaran data, apakah ada klaim yang tidak berkelanjutan yang sedang dibuat, dan seterusnya. “

Dalam Praktik

Kategori kedua keprihatinan berpusat pada praktik. Masyarakat visualisasi data adalah masyarakat profesional, sehingga masuk akal apabila kita sangat perhatian terhadap praktik yang kita lakukan. Dengan ini, anggota kami biasanya mengacu pada teknik dan alat yang sering ditentukan oleh peran mereka. Ini termasuk berurusan dengan bagaimana estetika dan ilmu pengetahuan saling tumpang tindih dalam menampilkan informasi visual, serta bagaimana visualisasi data tidak dapat dievaluasi secara objektif dengan berbagai jenis tes kinerja pada bidang teknis lainnya, nilainya dan dampaknya sangat terkait dengan penerimaan para pemirsanya. Di sisi alat, ada kecemasan umum tentang teralu banyaknya alat bantu dan bagaimana alat tersebut memungkinkan pengguna membuat keputusan visualisasi data yang dapat dipertanyakan.

4. Teknik

· Bagaimana kita menyeimbangkan keindahan dan pemahaman?

· Bagaimana kita menjelaskan kepada klien bahwa “tergantung” (yang berarti bahwa visualisasi data yang tepat atau teknik yang benar adalah tergantung pada konteksnya)?

· Bagaimana cara membuat standar untuk aksesibilitas?

· Bagaimana kita memprioritaskan perancangan dengan mempertimbangkan pengguna kita?

Satu anggota menjelaskan sebuah skenario umum: “Rasanya seperti [rekan kerja saya] ingin beberapa aturan tegas tentang apa yang harus dilakukan dan apa yang tidak, sedangkan aku lebih cenderung untuk mengatakan, untuk sebagian besar, itu tergantung pada data/skenario! “

5. Alat Bantu

· Bagaimana kita membantu orang membuat grafik yang baik ketika perangkat lunak modern membuatnya begitu mudah untuk membuat grafik dengan cepat?

· Bagaimana kita bisa membantu mereka di lapangan tidak merasa begitu kewalahan dengan jumlah banyaknua alat bantu yang harus dipelajari?

Bill Seliger mengatakan, “Saya pikir masalah mendasar adalah bahwa demokratisasi data dan kurva belajar yang mudah pada berbagai alat bantu DataViz telah jauh melampaui upaya pendidikan tentang bagaimana menyajikan data. “

Profesi

Akhirnya, ada fokus yang khusus pada profesi secara keseluruhan. Bagi orang luar, ini mungkin telihat sebagai aspek yang paling kurang menarik dari visualisasi data. Tetapi jika Anda menggali di permukaan, Anda akan menemukan bahwa tidak banyak definisi dari peran dan tanggung jawab, praktik terbaik dan sumber daya lainnya yang ada. Kekacauan internal tersebut tercermin secara eksternal dalam cara kita mendekati pemangku kepentingan untuk menjelaskan bagaimana kita membuat visualisasi data, bagaimana kita mengukur dampaknya, dan bagaimana kita membenarkan investasi lebih lanjut oleh para pemimpin organisasi kita, dalam hal peran dan sumber daya yang diperlukan untuk melakukan visualisasi data yang efektif.

6. Internal

· Dimana kita bisa bersatu sebagai komunitas terpusat?

· Bagaimana cara membuat sumber daya terpusat dan best practices?

· Dimana kita bisa mempublikasikan artikel di satu tempat?

· Bagaimana kita belajar dari bidang terkait (Desain, UX, dan lain sebagainya)?

· Bagaimana kita sampai pada pemahaman umum tentang apa itu visualisasi data?

· Bagaimana kita menata menjadi sub-disiplin dalam visualisasi data?

Casey Haber, menambahkan, “Sebagai sebuah komunitas, saya pikir kita perlu belajar dan berintegrasi dengan disiplin terkait seperti desain, yang memiliki sejarah panjang dengan masalah ini.”

7. Eksternal

· Bagaimana saya secara efektif menjelaskan kepada orang lain apa yang saya lakukan?

· Bagaimana cara membuat kasus bahwa visualisasi data diperlukan?

Francis Gagnon mengatakan, “Saya biasanya mengatakan bahwa desain informasi, termasuk visualisasi data, memiliki pasar yang besar dan sedikit permintaan. Orang tidak menyadari bahwa mereka menyebalkan dan bahwa mereka membutuhkan bantuan profesional. “

Memiliki komunitas dan forum terpusat untuk pertanyaan, diskusi dan refleksi diri adalah kebutuhan penting yang sama bagi pemula dan veteran. Ketika kita melangkah maju, kami berharap untuk menggunakan perhatian ini sebagai panduan untuk membangun komunitas yang mengembangkan visualisasi data ke dalam bidang yang kuat. Kami menantikan komentar Anda pada salah satu poin di atas. Jika Anda memiliki ide tambahan, silakan bergabung dengan masyarakat visualisasi data dan menambahkan suara Anda ke percakapan.

Ada ruang untuk semua orang!

Untuk mendaftar silahkan mendaftar di datavisualizationsociety.com/Join

Elijah Meeks Dan Oleh Jason Forrest berkontribusi pada bagian ini. Berkat Mara Averick Untuk pengeditan yang tajam.

Diterjemahkan dari artkel (Alli Torban) : https://medium.com/data-visualization-society/the-7-biggest-issues-data-visualization-faces-today-7bf6b6457b72