Veri Görselleştirme — Giriş
Gün içinde aldığınız e-postalardan, alışveriş ödemelerinizde oluşan fişlere, sosyal medyada beğendiğiniz resimlerden, her gün açıklanan Covid-19 vaka sayılarına, okuduğumuz haberlerden, aramızda geçen sohbetlere… Hayatımızın hemen hemen her alanına ilişkin veriler var.
Peki, her gün ne kadar veri oluşturulduğunu hiç merak ettiniz mi? Ortalama olarak, 2020 yılında her insan saniyede en az 1,7 MB veri yarattı ve bizler, insanlık olarak, her gün 2,5 kentilyon veri baytı oluşturduk. (Yardımcı olayım; bu 2,5 ve yanında 18 koca sıfır ediyor)
Evet, ürettiğimiz veri miktarı gerçekten de nefes kesici. Ama aynı zamanda, etrafımızdaki bu veri yoğunluğu büyük karışıklıklara ve kararsızlıklara yol açabiliyor. Etrafımızda rahatlıkla işleyip yorumlayabileceğimizden çok daha fazla veri var. Ancak bu verileri anlayabilmek hem gündelik hayatımızda hem de iş dünyasında büyük bir önem taşıyor. Örneğin, McKinsey tarafından sunulan araştırmalara göre veriyi doğru şekilde kullanan bir perakendecinin faaliyet marjını yüzde 60'tan fazla artırma potansiyeline sahip olduğu söyleniyor. İşte tam da işlerin karmaşıklaştığı bu noktada veri görselleştirme, karmaşık veri kümelerini anlamamıza yardımcı olacak bir araç olarak karşımıza çıkıyor.
Verileri anlaşılması ve işlenmesi kolay bir şekilde temsil etme sanatı olan veri görselleştirme, bilgiyi anlamlandırmamıza ve böylece onu hayatımıza fayda sağlayacak doğrultuda kullanmamıza yardımcı olur. Öyle ki, kurumsal hayatta alınan kritik kararlardan basit rota navigasyonuna kadar, verilerin bizlere bir değer sunması için görselleştirilmesine gittikçe büyüyen bir ihtiyaç duyuluyor.
Veri Görselleştirme Nedir?
Veri görselleştirme, daha iyi anlaşılabilmesi için verileri görsel ve anlamlı bir şekilde temsil etme sürecidir. Genel bir bakış sunarak ve bağlantıları öne çıkararak, kullanıcıların soyut verilerden verimli ve etkili bir şekilde iç görüler çıkarmasına fırsat tanır.
Veri görselleştirme, verileri sindirilebilir hale getirmede ve ham bilgileri eyleme geçirilebilir iç görülere dönüştürmede önemli bir rol oynar. Bunu yaparken, insan-bilgisayar etkileşimi, görsel tasarım, bilgisayar bilimi ve bilişsel bilim alanlarından yararlanır.
Görselleştirme, doğrudan duyusal deneyim ile verilerin anlaşılmasını kolaylaştırır. Bu kolaylaştırmanın görsel yolla yapılmasının en önemli sebeplerinden biri, beynin yüzeyi olan korteksin yüzde 50'sinden fazlasının görsel bilgiyi işlemeye ayrılmış olmasıdır. Ancak engellilik, bağlam gereksinimleri vb. durumlarda görsel olmayan formlara (işitsel/dokunsal görselleştirme) başvurulabilir.
Veri Görselleştirme için Ortak Kullanım Alanları Nelerdir?
Daha önce de bahsettiğimiz gibi veri görselleştirme, verilerden anlam çıkarmamıza yardımcı olmak için tasarlanmıştır. Veriler arasındaki ilişkileri keşfetmek, veriler hakkında sahip olduğumuz fikirleri doğrulamak veya verileri kolay sindirilebilir bir şekilde açıklamak için kullanılabilir.
- Sunum
Bu yöntem kullanıcıların verileri kolayca anlamlandırabilmesi veya kişileri istenilen yönde ikna etmek için kullanılabilir. Londra metro haritası, dünyanın en ünlü veri görselleştirmelerinden bir tanesidir. Metro hatlarını ve duraklarını gösteren bir harita, Londra’nın bir noktasından başka bir noktasına metro kullanarak nasıl ulaşabileceği bilgisini kısa sürede anlaşılabilecek şekilde sunuyor. Yani basitçe, oldukça kalabalık bir veri setini herkesin kolayca anlayabileceği ve günlük hayatında kullanabileceği bir şekilde görselleştiriyor.
Veri görselleştirmeyi bir ikna amacı olarak kullanmanın, bir de karanlık tarafı olduğundan da bahsetmeliyiz. Görselleştirmeyi yaparken hangi bilgilerin temsil edileceğini ve hangi bilgilerin dışarıda bırakılacağını seçmek önemli bir rol oynuyor. Çünkü veri görselleştirme neyi gösterdiğiniz kadar neyi gizlediğinizle de ilgilidir, bu nedenle seçim yapmak çok önemlidir. Dolayısıyla, veri görselleştirme yoluyla insanları ikna etme konusunda etik sınırlarına karar vermek tasarımcının kendisine kalıyor.
- Keşifsel Analiz
Bu kullanım alanı verilerdeki ilişkilerin nerede olabileceğini görmenizi sağlar.
Şu dönemlerde görmeye alışık olduğumuz bu görsel, illere göre Türkiye’deki haftalık Covid-19 vaka sayısı dağılımını göstermektedir. Bunun gibi hastalık verilerini haritalamak, araştırmacıların bir hastalık ile coğrafya arasındaki ilişkiyi keşfetmesini sağlar. Bu verilerin Türkiye’nin güneydoğusundaki vaka sayılarının neden daha yoğun olduğunu açıklamadığını belirtmek önemlidir, ancak daha fazla araştırmaya değer bir yoğunluk olduğunu gösterir.
- Doğrulama Analizi
Bu kullanım alanından ise verileri anladığımızı ve analiz ettiğimizi doğrulamaya yardımcı olmak için faydalanılır.
Örneğin; öğrencilerin çalışmaya harcadığı saat miktarı ile final notları arasında bir ilişki algılarsanız, verileri çizebilir ve ikisinin ilişkili olup olmadığını kontrol edebilirsiniz.
Veri Görselleştirmeye Kimin ve Neden İhtiyacı Var?
Veri görselleştirmelerine gereksinim duyan kullanıcıları iki genel kategoride inceleyebiliriz:
- Tüketiciler
Hepimiz aslında bir noktada birer bilgi tüketicisiyiz. Tüketiciler, verilerin altında yatan ilginç bilgiler ile ilgilenirler. Bilgi edinmek için çalışmak istemez ve buna ihtiyaç duymazlar, dolayısıyla verilerin arkasında var olan fikrin veri görselleştirme ile onlara direk olarak sağlanmasını beklerler. Tüketicilere yönelik veri görselleştirmeleri kolay anlaşılır, basit temsillere odaklanır, genel olarak amaçları bilgilendirme ya da ikna etmektir.
Bilgi tüketicileri için yaygın veri görselleştirme biçimlerinden biri infografiklerdir. Bunlar görsel, grafik ve metnin bir kombinasyonu olarak karşımıza çıkar. İnfografiklerin amacı ise verileri bir bakışta veya kısa bir dikkatle kolayca (ve genellikle zevkli bir şekilde) aktarmaktır. Bilgi tüketicileri için kullanılan bir başka biçim ise veri gazeteciliğidir. Farklı kavramları bir araya getirmek ve görsel olarak birleştirmek için kullanılır. Veriye dayalı gazetecilik verilerin filtrelenerek görselleştirildiği ve hikayeleştirilerek halka arttırılmış değer ile sunulduğu bir süreçtir.
- Analistler
Analistler ise tüketicilerden farklı olarak veri görselleştirme tekniklerini kendi amaçları için kullanmayı tercih ederler. Verilerin belirli yönlerini daha net hale getirerek anlamlandırmak, hipotezleri doğrulamak, istisnaları fark etmek için görselleştirmelerden faydalanırlar. Aynı zamanda daha önce düşünülmemiş yeni şeyler keşfetmek ve bilinmeyeni aramak için veri görselleştirmeye başvururlar.
Görselleştirmeler, çelişkili bağlantıları ortaya çıkararak bariz sonuçlardan kaçınmalarına ve rastlantılara karşı temkinli olmalarına yardımcı olabilir. Bu nedenle etkileşim kurabilecekleri veri görselleştirmelerine ihtiyaç duyarlar, bu veri kümelerinin görünümlerini değiştirerek ve ayarlamalar yaparak veriyi daha detaylı ve boydan boya incelemelerine fırsat verir.
Bir veri görselleştirmesinin maksimum değer sunmasını istiyorsanız, son kullanıcınızı tanımanız gerekir. Dolayısıyla veri görselleştirme tasarımcıları bu iki genel kategori ile kısıtlı kalmayarak, kullanıcılar hakkında derinlemesine fikir edinmeyi sağlayacak kullanıcı araştırmaları ile desteklemelidir. Bu araştırmalar, son kullanıcılarınızın veriyi kullanım amaçlarını ve veri görselleştirmeye asıl ihtiyaçlarını belirlemenizi sağlar, böylece daha iyi görselleştirilmiş veriler sunmanızı mümkün kılar.
Anlama sürecinde veri görselleştirmenin yeri nedir?
Veri görselleştirmenin, verinin alıcının zihninde doğru bir temsilini oluşturmak için yardımcı olan bir süreç olduğundan bahsetmiştik. Nathan Shedroff, veri ile başlayan ve bilgelikle sonuçlanan bir “anlama sürekliliği” kavramını ortaya koyuyor. Bu süreçte, son nokta olan bilgeliğe ulaşabilmemiz için veriler dönüştürülmektedir.
- Veri (Data): Toplanan saf verinin kendi içerisinde hiçbir iç görüsü yoktur, süreçteki ilk yapı taşıdır.
- Bilgi (Information): Süreçteki bir sonraki adım, verilere anlam vermek ve onu veriden bilgiye dönüştürmektir. Bu adım, verileri sıralamayı, işlemeyi ve bu verilere anlam katan bir biçimde sunmayı içerir.
- Edinilmiş Bilgi (Knowledge): Bilgiyi kullanıma soktuğumuz süreçtir. Bu aşamada hipotezlerimizi test eder ve bilgi için pratik kullanım alanları geliştiririz.. Bilgileri geçerli bir bağlamda inceleyerek değerini ve bizim için nasıl işe yarayacağını keşfedebiliriz. Var olan bilgiyi günlük hayatta uygulamaya geçirmek, bilgi edinmemizi ve büyümemizi sağlar.
- Bilgelik (Wisdom): Anlama sürecindeki son adımdır. Verilerden edindiğimiz bilgi ve kazandığımız uzmanlıkla, verilerin kendisini (nitelikli bir şekilde) değerlendirebilecek hale geldiğimiz noktadır.
Verilerin bilgiye dönüştürülmesine yardımcı olmak için veri görselleştirme kullanılır. Değer sunmak için verileri sıralayabileceğimiz, işleyebileceğimiz ve temsil edebileceğimiz araç ve metodolojileri sağlar. Dolayısıyla, “Anlama Sürekliliği” üzerindeki veri ve bilgi arasındaki boşluğu veri görselleştirme doldurur, bilgi edinmemize ve umarız bilgeliğe ulaşmamıza olanak sağlar.
Devam edecek…
Veri görselleştirmeye giriş yaptığımız bu seri, iyi veri görselleştirmeleri için yönergeler nelerdir ve veri görselleştirme nasıl tasarlanır sorularını örnekler üzerinden cevaplayacak bir başka yazı ile devam edecek. Takipte kalın…
Kaynakça
Bu yazı Interaction Design Foundation tarafından sunulan Information Visualization dersinin notlarından derlenmiştir.
“Information Visualization.” The Interaction Design Foundation, https://www.interaction-design.org/courses/information-visualization-infovis.
Daniel PriceDaniel. “Infographic: How Much Data Is Produced Every Day?” CloudTweaks, 17 July 2020, https://cloudtweaks.com/2015/03/how-much-data-is-produced-every-day/.
Manyika, James, et al. “Big Data: The Next Frontier for Innovation, Competition, and Productivity.” McKinsey & Company, 13 Feb. 2020, https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/big-data-the-next-frontier-for-innovation.
