What is Data Visualization?
Data Visualization adalah representasi data melalui grafik umum seperti diagram, plot, infografis, dan animasi. Tujuannya adalah untuk mengomunikasikan hubungan data yang kompleks dan wawasan berbasis data dengan cara yang mudah dipahami. Data visualization tidak hanya digunakan oleh tim data, tetapi juga oleh manajemen untuk menyampaikan struktur organisasi dan hierarki, serta oleh analis data dan ilmuwan data untuk menemukan dan menjelaskan pola dan tren. Menurut Harvard Business Review, data visualization dapat digunakan untuk empat tujuan utama: generasi ide, ilustrasi ide, penemuan visual, dan visualisasi data sehari-hari.
Sumber: https://boostlabs.com/10-types-of-data-visualization-tools/
Data visualization sering digunakan untuk mendorong generasi ide di berbagai tim. Data visualization biasanya digunakan selama sesi brainstorming atau Design Thinking di awal proyek untuk mengumpulkan perspektif yang berbeda dan menyoroti kekhawatiran umum. Meskipun visualisasi ini biasanya tidak dipoles dan belum sempurna, dapat membantu menetapkan dasar dalam proyek untuk memastikan tim selaras dengan masalah yang ingin diatasi bagi pemangku kepentingan utama.
Jenis-jenis Data Visualization
- Tabel: Menunjukkan banyak informasi secara terstruktur tetapi bisa membingungkan jika hanya mencari tren tinggi.
- Pie charts and stacked bar charts: Membandingkan bagian-bagian dari keseluruhan.
- Line charts and area charts: Menunjukkan perubahan kuantitas dari waktu ke waktu.
- Histograms: Memplot distribusi angka dalam bentuk diagram batang.
- Scatter plots: Menunjukkan hubungan antara dua variabel.
- Heat maps: Memvisualisasikan data perilaku berdasarkan lokasi.
- Tree maps: Menampilkan data hierarkis dalam bentuk bentuk bersarang, biasanya persegi panjang.
Open-Source Visualization Tools
- D3.js: Pustaka JavaScript front-end untuk menghasilkan visualisasi data interaktif.
- ECharts: Pustaka charting dan visualisasi yang menawarkan cara mudah untuk menambahkan grafik interaktif yang dapat disesuaikan.
- Vega: Menyediakan dukungan untuk menyesuaikan visualisasi lintas dataset besar yang dapat diakses dari web.
- deck.gl: Bagian dari suite visualisasi open source Uber, digunakan untuk analisis data eksploratif pada data besar.
Data visualization best practices
- Setel konteks: Berikan informasi latar belakang umum untuk membantu audiens memahami mengapa titik data tertentu penting.
- Kenali audiens: Pahami siapa audiens dan pastikan visualisasi data sesuai dengan kebutuhan mereka.
- Pilih visual yang efektif: Gunakan visual yang sesuai untuk jenis data tertentu.
- Keep it simple: Tambahkan informasi tambahan secara hati-hati untuk menjaga fokus audiens pada inti data.
Sumber: