ig n
e
cti ra
Deb rief
Afstudee voorstel r
Definitiel’ rhaa ‘Het ve
Des
e Int
tie
M EI
ep
ale
n
Nieu
we s
FE B
I AR RU
sb
6 februari
nc
24 mei
p
er
T & o o ls th eo rie
tw on
Fu
es irati eelden p s In oorb &v
trate
gie
EXPLORATIE
RYAN SCHUIJER CMD EINDSTUDIE 2016 - 2017
Quotes &
ie rateg t s e w
opinie
Nieu
Dat
que
st
AA RT
L RI AP
a re
, im O P : E alk K C t t er PD xp D
M
Pr
E
Exp e DPD rt talk: K ar Ano t-dir uk, ecto r Exper tt Cleve r°Franalk: ke
es
Do elg
roe
p
yp ot ot
Vormgeving
Definitie Verkenning Verbeelding Concretisering
1
AFSTUDEERVOORSTEL flexwerkers, externe werknemers en buitenlandse panden
Opdrachtformulering
bevatten. Denk bijvoorbeeld aan een Nationale Nederlanden Ik ga aan de slag gaan met met het visualiseren van data.
met wel 41 verdiepingen vol met afdelingen. Wat gebeurt
Door middel van het mappen van data en dit generatief om te
er binnen zo’n gebouw wanneer er een groot project wordt
zetten naar een ontwerp, denk ik dat ik op een eindwerk kan
gelanceerd? Wanneer is het druk? Hoe verhoudt de ene
komen waaruit verassende conclusies kunnen voortkomen
locatie zich met een andere locatie in het buitenland?
en waarvan de vorm van te voren niet direct bedacht had We leven ook in een wereld waarin we automatisch veel data
kunnen worden.
achterlaten, zo ook in ons werk. Een actief bedrijf kan veel verschillende data bevatten, denk aan hoeveel internet er
De formulering van mijn opdracht is:
gebruikt wordt of het aantal emails dat verzonden wordt.
“Op welke manieren kan ik kwantitatieve data van een bedrijf genereren of zichtbaar maken en vervolgens een interactieve datavisualisatie creëeren, dat inzicht geeft in de kwaliteiten van het bedrijf en voor DPDK kan dienen als showcase voor het laten zien van innovatie, kwaliteit en nieuwe services?”
Is er een manier om kwalitatieve data te kunnen visualiseren met behulp van kwantitatieve data? Ik vermoed dat, met behulp van een juiste design visie en een goed geprogrammeerde vertaling, dat data heel veel verassende en eigenzinnige conclusies kan laten zien.
Mijn keuze om deze opdracht bij een bedrijf uit te voeren heeft twee redenen:
1. Een bedrijf genereert op dagelijkse basis massa’s data. Data kan worden opgeslagen maar blijft voor het grote
Aanleiding
deel ‘onzichtbaar’. Onzichtbaar heeft hier de definitie dat enkel data experts het begrijpen, of dat de data in excels
Bedrijven kunnen tegenwoordig een grote mate van 2
weggestopt zitten en geen directe conclusie geven. Door
eindstudie Ryan Schuijer
ontwerp, maak ik het verhaal achter de data zichtbaar.
How can you help increasing the loyalty of customers and start and maintain the relationshsips with customers?
2. Doordat een bedrijf al een bepaalde reputatie opgebouwd
Ik zie het voor me dat een visualisatie waarbij het effect van
heeft, is het belangrijk dat het product dat ik ga maken
een opgeleverd project zou kunnen helpen bij de binding
voldoet aan een bepaald niveau. Door als doel te stellen dat
van klanten.
deze data te mappen en om te zetten naar een meaningful
het product vanuit het bedrijf ingezet zou kunnen worden ter promotie van dit bedrijf of de diensten die deze aanbied, verzeker ik mij ervan dat de kwaliteit van het eindproduct van hoog niveau is. Een afstudeerproject waar ik met trots op kan terugkijken. Ik heb ervoor gekozen om mijn opdracht bij een bedrijf te voldoen, omdat deze op dagelijkse basis (en vaak
CUSTOMER OBJECTIVE: BUILD STRONG REPUTATION FOR INNOVATION AND QUALITY How can you let the world know about DPDK and it’s quality?
onbewust) massa’s data generen. Deze data ga ik mappen en omzetten naar een meaningful ontwerp. Welke betekenissen, verhalen of vorm het eindwerk krijgt zal geheel afhankelijk zijn van de data die verzameld gaat worden.
Door de buitenwereld een inzicht te geven in real-time activiteiten en trends van DPDK, creëeren we een nieuwe manier die innovatie en de kwaliteiten kan laten zien van DPDK.
Doelstelling
CUSTOMER OBJECTIVE: INNOVATE ON PRODUCTS/SERVICE WITH CLIENTS
DPDK heeft een aantal doelen opgesteld voor het nieuwe jaar en Ik denk dat mijn afstudeeropdracht iets zou kunnen betekenen voor het halen van een aantal van deze goals:
- Increase customer loyalty - Build strong reputation for innovation and quality - Innovate on products/service with clients
How can we come up with new products or services for our existing clients and their existing products? Door kwalitatieve, onmeetbare gegevens te visualiseren via kwantitatieve data, onwikkelen we een sterke service; namelijk het visualiseren van data. Dit wordt steeds belangrijker, omdat data goedkoper wordt en gemakkelijker bereikbaar.
CUSTOMER OBJECTIVE: INCREASE CUSTOMER LOYALTY
3
Mijn persoonlijke doel van dit project is om een interactieve visualisatie te creëeren van data die DPDK gebruikt, waarbij het niveau en kwaliteit zodanig hoog zijn dat het als showcase van het bedrijf ingezet kan worden, bijvoorbeeld via de bedrijfswebsite. DPDK’s motto is ‘Building exceptional products and experiences’ en ik voel me geslaagd als ontwerper en CMD’er wanneer mijn eindproduct het niveau heeft om hiertussen te mogen staan.
4
eindstudie Ryan Schuijer
DEBRIEF Wat Ik ga aan mij verdiepen in de wereld van datavisualisatie. Binnen DPDK ga ik op zoek naar data en ik ga hier een betekenisvolle visualisatie van maken. Deze visualisatie is interactief en meet zich met de kwaliteit van de producten van DPDK.
Wie Voor een breed publiek. DPDK maakt producten voor het internet, de bezoekers van deze producten zijn mensen die op het internet zitten.
Waarom Ik doe dit project om te laten zien dat data een mooi verhaal kan bevatten, en ik ervan overtuigd ben dat datavisualisatie een tool is die echt bij DPDK, als digital agency zijnde, past tussen de diensten die zij leveren.
5
TOOLS & THEORIE Wat zijn de ‘tools’ die ik kan gebruiken binnen data design?
gemiddeld, 3. veel) maar deze nummers hebben alsnog geen wiskundige waarde.
Om mezelf te voorzien van de nodige tools, heb ik kort onderzoek gedaan naar wat er nodig is voor een goede
Interval data
datavisualisatie. Hetgeen waar je mee begint bij een datavisualisatie, is het
Wanneer we twee datapunten hebben waartussen de
verzamelen van de data. Maar waar kan deze data nu precies
meet-eenheid gelijk is, spreken we van interval data. Denk
uit bestaan? De volgende begrippen vond ik in het boek
aan temperaturen of tijd. De eenheden tussen minuten zijn
“Data points : visualization”, geschreven door Nathan Yau.
altijd 60 seconden, daarom kunnen we met interval data wiskundige berekeningen doen. Interval data heeft echter geen nul-punt. Zo betekent 00:00
Nominale data
uur niet dat er geen uren meer zijn, of nul graden niet dat het Dit is data waarbij we de naamgeving gebruiken om te
niet warm is.
categoriseren. De data valt onder categorieen. Nominale data is ongeordened, omdat we geen gemiddelden kunnen nemen of groter en kleiner kunnen gebruiken bij het
Ratio data
berekenen van deze data. Ratio lijkt op interval data, het is nummeriek en er kunnen wiskundige berekeningen mee gedaan worden. Het verschil
Ordinale data
zit hem in het nul-punt. Ratio data heeft een nul-punt, waarbij nul echt betekent dat er een afwezigheid is van het gemeten
Deze data is, net als nominale data, gebaseerd op
gegeven.
naamgeving. Het verschil zit hem in dat deze data wel te
Denk aan bijvoorbeeld 0 personen of 0 minuten.
ordenen is. Denk aan: weinig, gemiddeld, veel. Er wordt af
Hoogte, gewicht, leeftijd en geld zijn vaak gebruikte maten
en toe wel nummers gelinkt aan ordinale data ( 1. weinig, 2. 6
eindstudie Ryan Schuijer
van ratio data.
Ik heb het bij mijn afstudeervoorstel gehad over kwalitatieve en kwantitatieve data. Dit zijn ruwe termen om aan te geven
Discrete or continuous Bij interval en ratio-data kunnen we een verschil zien tussen
dat kwalitatieve data betekent dat het gaat om data die niet meetbaar is (emoties, gezondheid) en kwantitatieve data staat voor getallen, daarom is dit altijd ratio of interval data.
de eenheden waarmee geteld wordt. Dit verschil noemen we discrete of continuous.
Bij nominale en ordinale data gaat dit fout, omdat de data op zichzelf omschrijvingen zijn en je er niet mee kan rekenen. Zo
Discrete betekent dat er slechts specifieke hoeveelheden zijn waarin geteld kan worden. Wanneer je mensen telt, is dit steeds per 1, je kan niet een half of 1/3 mens als data hebben. Bij continuous is dit wel het geval, we kunnen tussen 0 en 1 kg kaas, ook 0,5kg of 0,225 kg meten.
zou je deze dus kunnen beschouwen als kwantitatieve data. Deze data is wel op te tellen, waardoor je er achteraf mee kan rekenen en de data dus gekwantificeerd is. Om verwarring met deze termen te voorkomen, zal ik in het verloop van mijn verslag de termen nominaal, ordinaal, interval en ratio gebruiken om vereschillende data types te
Het is bij deze types data belangrijk om te de regel te
beschrijven.
onthouden: “You can go down, but not up.� Dit heeft te maken met het feit dat data types variabel kunnen zijn. Het is bijvoorbeeld niet mogelijk om een gemiddelde te maken over leeftijden die ordinal data zijn (tussen de 5 en 10 jaar, tussen de 10 en 25 jaar, tussen de 25 en 50 jaar). Je kan wel ratio data omzetten naar ordinale data, maar niet de andere kant op.
Qualitative and Quantitative data
7
INSPIRATIE & VOORBEELDEN Door welke visualisaties raakte ik geĂŻnspireerd? Welke visualisaties vond ik mooi en pasten bij mijn onderzoek? Ik heb een aantal mooie visualisaties gevonden maar de meest inspiratievolle experience waar ik steeds op terugval blijft toch wel github.audio. Github.audio kreeg ik ooit aangereikt door een dev ops engineer en is de fundering geweest van mijn afstudeeridee. Git is een version control system voor developers die veel te maken hebben met het constant veranderen van code. Op Github worden deze veranderingen bijgehouden en kan je altijd terugkijken op de vooruitgang die gemaakt is. Ook nodigt github uit tot samenwerkingen met meerdere mensen aan hetzelfde project.
Github audio is een project waarbij de veranderingen in Github omgezet worden naar muziek. Op deze manier wordt er een mooie vertaling gemaakt van iets kwantitatiefs (innovatie, vooruitgang) naar iets kwalitatiefs (muziek, cirkels). Over de hele wereld zijn er github gebruikers (dit zijn voornamelijk developers) die ĂĄltijd wel code aan het verbeteren en backuppen zijn. Hierdoor blijft github audio een self sustaining activity feed.
8
eindstudie Ryan Schuijer
9
One Human Heartbeat Het project Sense your City vind ik ook een mooi project waarbij goed gebruik wordt gemaakt van datadesign.
http://onehumanheartbeat.com
Het is een project waarbij er een sensor is ontwikkeld die Dit project laat de hartslag van 1 persoon zien. De ontwerper
verschillende data kan verzamelen over de buitenlucht. De
heeft ervoor gezorgd om, naast de hartslag, ook de progress
luchtkwaliteit, geluid, temperatuur, licht, vervuiling en stof
te laten zien tussen geboorte en verwachtte leeftijd. Zo wordt
wordt allemaal 24/7 gemeten.
de hartslag naar mijn mening meer een tijds eenheid, de
Deze sensor kon aangevraagd worden en werd door 98
aftellende timer van de persoon die de fitness tracker draagt
mensen in elkaar gezet en verspreid over hun stad.
Nadat er een aantal maanden data verzameld is, mochten de mensen aan de slag om met deze data een experience te maken. Er zijn 34 projecten opgeleverd door 62 deelnemers.
(want daarmee wordt de hartslag geregistreerd).
Miles Davis Deze website laat de carriere van Miles Davis zien. Miles Davis is een trompet speler die in zijn carriere met vele
Sense your City 10
artiesten opgetreden heeft. https://fathom.info/miles-web/ eindstudie Ryan Schuijer
Goldilocks Jan Willem Tulp is een datavisualisator die zich vooral bezig houdt met het visualiseren van data van space agencies. In zijn interactieve visualisatie genaamd ‘Goldilocks’ heeft hij alle wat de space agencies weet over dichtbijzijnde exoplaneten samengebracht. Hij laat op eenzelfde manier de gebruiker ervaren hoeveel planeten mogelijke exoplaneten zijn, door deze de juiste vorm te geven, namelijk ‘zwevende bolletjes in het niets’. http://goldilocks.info/
11
https://weather.yearinnikefuel.com
Nike fuel run De data die voor deze website gebruikt wordt is rechtstreeks afkomstig vanuit een database van Nike zelf: Nike Fuel. Nike Fuel is een universeel systeem voor alle sporters om je activiteit te tracken. Dit gebeurt via de Nike Fuel app, hun eigen Nike Fuelband of Nike + Sportwatch.
De data die hardlopers vervolgens genereren, zogenoemd ‘NikeFuel’, wordt op deze website gebruikt om te laten zien waar de activiteiten onder lopers zich bevinden, en kan gecategoriseerd worden door middel van temperaturen en weertypen (regen of sneeuw kan getoggled worden). Ik vind de interacties van deze applicatie heel goed:
- Je kunt met pijlen omhoog en omlaag de temperatuur bepalen. Zodra je dat doet, zie je de ‘hoogte’ van elke staat veranderen; niet direct, maar met een ease, zodat je makkelijker door hebt waar de verschillen zitten.
- Je kan op elke staat klikken, waardoor er meer statistieken verschijnen via een klein venster. Dit zorgt ervoor dat alle data beschikbaar is, maar dat deze wel enkel opkomen wanneer je het nodig hebt. Dit houd de gehele visual clean en strak.
- Via de knoppen ‘regen’ en ‘sneeuw’ die met duidelijke iconen aangegeven zijn, kun je nog diepere lagen van data bekijken.
12
eindstudie Ryan Schuijer
13
Perpetual ocean De stroming van de oceanen wordt bij Perpetual Ocean weergegeven als lijnen in de oceanen. Door data te combineren met high resolution animatie, is Nasa erin geslaagd om een time-lapse te maken van ‘s werelds oceanen en zee stromingen over 2 jaar. Het geheel heeft wat weg van een Vincent van Gogh schilderij.
14
eindstudie Ryan Schuijer
15
QUOTES EN OPINIE Om me wat beter te verdiepen in het veld van data visuali-
Maar ook al rond de tijd dat ik geboren werd, de tijd dat per-
satie, heb ik een aantal boeken geleend. Datadesign wordt
sonal computers zijn opmars maakten, was men al opzoek
namelijk al jarenlang toegepast, langer dan ik van tevoren
naar visuele representaties van data.
dacht. De klassieke voorbeelden van de datavisualisatie van het leger van NapolĂŠon die een tocht maakt:
Het punt dat ik wil maken is dat ik in eerste instantie in de veronderstelling was dat data design echt een vak van de huidige tijd is. Maar door de vele boeken en artikelen blijkt dat men al heel erg lang bezig is met het vastleggen van statistieken. In de boeken, geschreven door experts in bijvoorbeeld statistieken of information design, heb ik verschillende standpunten gevonden, waaruit ik een richting kan halen die ik op wil.
Of de map die een dokter in 1833 maakte van cholera-patienten om zo de bron te vinden (een putdeksel):
Design for information Mereilles, I. Design for Information. Beverly: Rockport Publishers, 2013.
“Graphic design in general, and information design in particular, depend upon cognitive processes and visual perception for both its creation (encoding) and it’s use (decoding). If the decoding process fails, the 16
eindstudie Ryan Schuijer
visualization fails.” (Mereilles 9)
data. In data zitten de verborgen patronen en relaties verstopt, die tevoorschijn kunnen komen door visuals te gebrui-
Hier heeft Mereilles een belangrijk punt, namelijk dat visuals
ken. Daarom is dit ook een doel van mijn project: De visual
alleen werkzaam zijn als we begrijpen hoe deze verwerkt
dient niet alleen om mooi te zijn maar om de kijker echt te
worden door het brein.
kunnen voorzien van een nieuw inzicht over DPDK. In dit boek stelt Mereilles ook dat het visueel maken van
Ik denk dat dit essentieel is voor datavisualisatie omdat deze
informatie verschillende doelen kan hebben:
vaak ontstaan uit complexe bronnen. Er is uitleg nodig om te begrijpen waarnaar gekeken wordt. Ik zou graag als doel
• Informatie opslaan
willen stellen dat er zo min mogelijk uitleg nodig is, om het
• Het overbrengen van betekenis
verhaal van de datavisualisatie over te kunnen brengen. Dit
• Het verhogen van werkgeheugen
kunnen we bereiken door bij elke vormkeus na te denken
• Om ‘zoeken’ te faciliteren
hoe het publiek dit zou kunnen interpreteren. En zo een af-
• Om ontdekken te faciliteren
weging maken of de gekozen vorm gebruikt kan worden.
• Om waarneembare verstoring te ondersteunen • Om herkenbaarheid en waarneembaarheid te verbeteren
“All examples share the common objective of revealing patterns and relationships not known or not so easily deduced without the aid of visual representation of information.” (Mereilles 11) Hier legt de schrijfster uit dat alle voorbeelden in het boek (Design for information) het doel delen om verborgen patronen of relaties die niet gemakkelijk waar te nemen zijn
• Om modellen te generen van theoretische en werkelijke werelden • Om data te kunnen manipuleren
De doelen die ik hieruit wil halen voor mijn project zijn:
Het overbrengen van betekenis Ik wil met de visualisatie een betekenis ontdekken én deze vervolgens kunnen overbrengen naar een breed publiek.
zonder visuele vertaling, naar voren te laten komen. Dit zie ik ook als de meerwaarde die datavisualisatie heeft. Ik denk dat er geheel nieuwe verhalen of inzichten kunnen ontstaan, wanneer er een goede visuele vertaling wordt gemaakt van
Om ontdekken te faciliteren Datavisualisatie kan ervoor zorgen dat er nieuwe patronen of relaties naar voren komen. Door elke iteratie in de vertal17
ing van de data, kunnen er nieuwe verhalen en betekenissen ontdekt worden.
Om herkenbaarheid en waarneembaarheid te verbeteren Het is voor mij belangrijk dat de datavisualisatie herkenbaar uitstraalt. Het is een product voor DPDK en heeft dus ook als doel om de kwaliteit die DPDK bezit, uit te kunnen stralen. Op het gebied van waarneembaarheid zie ik het voor me dat de visualisatie opvalt tussen al het andere data visualiseren dat op dit moment al gebeurt. Dit opvallen kan op verschillende manieren: Conceptueel zou deze datavisualisatie eruit kunnen springen wanneer er een goed, origineel en vernieuwend verhaal wordt verteld.
Om modellen te genereren van theoretische en werkelijke werelden De datavisualisatie zou een weerspiegeling kunnen worden van de wereld binnen en om DPDK heen. In die zin is het een model van een werkelijke wereld. Het zou mooi zijn als deze visualisatie ook een model kan genereren van aangepaste statistieken, op die manier zou de visualisatie gebruikt kunnen worden om een voorspelling te doen, om vooruit te kunnen kijken aan de hand van patronen die de visualisatie eerder geregistreerd en opgeslagen heeft.
18
eindstudie Ryan Schuijer
KORTE REFLECTIE Het plan verscherpen Ik heb globaal de tools verzameld waar ik mee aan de slag zou kunnen. Hoe nu verder?
Ik zal de eerste data die ik kan krijgen bij DPDK moeten bestuderen, onderverdelen in wat voor soort het is (zie blogpost: Verschillende typen data). Welke vormen zouden de data kunnen hebben? Met welke getallen kan ik spelen?
Daarna wil ik bepalen wat de interacties gaan zijn. Wat wil ik de user laten ervaren met deze data? Dit gaat gepaard met opzetten van UX principles. DPDK gebruikt UX principles aan het begin van het opzetten van een digital experience om een sterke richting te geven aan de uitvoering en de eisen van het eindproduct. http://www.designprinciplesftw.com/
Met deze gegevens kan ik vervolgens aan de slag met een eerste prototype. Een gedeelte van het process binnen data visualiseren is ook het ontdekken van visualisaties door te ‘spelen’ met de data.
19
DATA REQUEST DPDK data request
products. Met behulp van data kunnen we ook andere, wat meer onzichtbare processen visueel maken voor zowel de
Om inzicht te brengen in de gebeurtenissen omtrent DPDK,
buitenwereld maar ook voor intern gebruik.
heb ik data nodig. Ik bedacht me dat het niet handig is om naar de systeem administrators te gaan en de vraag te
DPDK heeft zelf al een voorbeeld visualisatie waarbij gebruik
droppen: ‘Hallo, ik ben bezig met mijn afstudeerproject. Mag
is gemaakt van Gource, om de veranderingen binnen DPDK’s
ik al jullie data?’
Github zichtbaar te maken, een mooi onderzoek en een
Voor een bedrijf kan data extra gevoelig zijn om te delen,
voorbeeld van een conclusie van een onzichtbaar proces.
vandaar dat ik mijn request goed wilde voorbereiden. Ik heb mijn request in 3 gedeeltes gesplitst:
1. Uitleg over mijn project 2. Wat heb ik nodig? 3. Wat zijn de mogelijkheden?
Door deze van tevoren te specificeren, wordt de aanvraag naar data transparanter.
Ik heb voor nu twee thema’s opgezet waaronder DPDK
1. Uitleg over mijn project
datavisuals kunnen vallen: • culture
De focus van mijn eindstudie is ‘het in kaart brengen van
• activity
DPDK met behulp van data.’ Er gebeurt op dagelijkse basis zoveel binnen DPDK. Deze gebeurtenissen worden
Aan Glenn, de Dev ops engineer heb ik gevraagd of hij
naar buiten gebracht via artikelen die we schrijven, social
voor mij deze data kon verzamelen. Glenn houdt zich
channels (Instagram) en natuurlijk de release van digital
binnen DPDK bezig met allerlei technische processen die
20
eindstudie Ryan Schuijer
de fundering van DPDK in stand houden. Hij heeft dus alle verstand van waar ik bepaalde data kan vinden.
voor de ‘culturele’ data heb ik hem gevraagd om de data rondom Slack voor mij te verzamelen. Slack is het algemene communicatieplatform binnen DPDK om met élke werknemer te kunnen communiceren, geïntroduceerd binnen DPDK begin 2016. Alles blijft opgeslagen en mijn vermoeden is dat deze data rijk aan DPDK cultuur is.
Activity voor DPDK is bij DPDK bijvoorbeeld te vinden binnen het aantal wijzigingen in code voor website. Elke dat dat er gewerkt word, wordt er nieuwe code geschreven, verbeterd en opgeslagen. Deze activiteiten kon Glenn ook verzamelen met behulp van een bot. Een andere manier van activities is het aanmaken van Jira tickets. Jira wordt gebruikt om bugs op te sporen en deze toe te wijzen aan werknemers.
Glenn ging met mijn request aan de slag en had al gauw 3 data bestandjes voor me klaarliggen: 3 json files, elk rond de 7 mb groot. De grootste bevatte 92001 regels.
21
PROTOTYPES
Ik ging eens goed de data inspecteren. Het is zeer rauwe en uitgebreide data en bevat vele parameters: • username
houden (het corresponderende Slack bericht), kon ik onder-
• datum
scheiden welke types ik nodig had.
• type
Het interne kanaal heb ik vervolgens met behulp van het
• tekst
Processing gevisualiseerd, de volgende exports zijn hieruit
• bijlagen
gekomen:
• reacties • id Deze data zit netjes genest, props naar de developers van Slack. Door de data naast de visuele representatie te
22
eindstudie Ryan Schuijer
Internal channel
23
24
eindstudie Ryan Schuijer
25
Jira bot
26
eindstudie Ryan Schuijer
27
28
eindstudie Ryan Schuijer
29
Bitbucket stream
30
eindstudie Ryan Schuijer
31
VORMGEVING Door de json code (data) om te zetten in Processing hoopte ik op inzichten te komen die duidelijk naar voren komen. Maar dit was niet het geval. Ik bedacht dat vormgeving, design op deze prototypes mij zou voorzien van de inzichten die ik zocht. De Bitbucket stream zat qua code het simpelst in elkaar en heeft de minste variabelen: je krijgt een timestamp waarmee je kan zien wanneer er een website verandering gepushed wordt. Daarom koos ik om met dit prototype aan de slag te gaan.
32
eindstudie Ryan Schuijer
33
34
eindstudie Ryan Schuijer
35
EXPERT TALK: CLEVER°FRANKE
36
eindstudie Ryan Schuijer
Begin april zag ik via de minor groep dat er in Den Haag een talk georganiseerd werd: “The art of turning data into experiences”. Omdat dit relevant was voor mijn project, besloot ik naar deze talk te gaan.
Naast dat deze talk mij ervan overtuigd heeft dat Clever°Franke zeker prachtige datavisualisaties kan maken, heb ik ook ‘de 5 challenges’ geleerd die zij telkens gebruiken bij het maken van data visualisaties. Deze 5 challenges zijn:
• Give context • Be aware of timing (up to date) • tell a story • make it personal • make it actionable
Daarnaast gaven ze nog allerlei inzichten over de trends voor de toekomst en waar de oorsprong van hun bedrijf vandaan komt, maar de 5 challenges vond ik het belangrijkst. Ze hebben me doen realiseren dat ik me moet focussen op de context en story van mijn datavisualisatie.
37
EXPERT TALK: ANOUK VAN DE SANDE Anouk vd Sande is de art-director binnen DPDK. Ik ging met haar in gesprek omdat zij tevens de beheerder is van de Instagram pagina van DPDK. En deze pagina doet het zeer goed. Ik vermoedde dat er een reden moet zijn voor het feit dat de content zichzelf blijft creëeren en dat deze zo’n strakke style bevat.
Hoe zorg je voor de consistentie van de instagram pagina? Anouk gaf me een lijstje van de zaken die zij gebruikt, wanneer zij nieuwe content post. De posts moeten: • licht en clean zijn • balanceren tussen kleurenfoto’s en zwart-wit foto’s • steeds dezelfde filters bevatten • een goede resolutie hebben • vierkant gekadert zijn • werknemers van DPDK taggen als zij erin staan.
Wie liken de posts? De posts worden het meeste geliked door de mensen van DPDK zelf. En door vrienden en familie van de werknemers. Dit heeft te maken met het feit dat het vooral deze personen zijn die op de foto’s te zien zijn.
38
eindstudie Ryan Schuijer
ONTWERPTRAJECT BIJSTUREN Na mijn vorige proces, waarbij ik gekeken heb of de data op
Data en storytelling
zichzelf iets kan vertellen, ben ik erachter gekomen dat dit niet de manier is om tot een goeie datavisualisatie te komen.
De mens is van nature niet goed in Storytelling van data. Waar
Het kan zorgen voor een toevalstreffer, een beginpunt dat
heeft dit mee te maken?
je verder kan uitwerken tot iets moois (zoals het Romeo and
Volgens het gelijknamige boek op deze kwestie ‘Storytelling
Juliet project), maar in dit geval blijf ik achter met een data
with data’ van Cole Nussbaumer Knaflic, heeft dit te maken
hoopje waar ik niet echt mee verder kan.
met de ontwikkeling van datatools van de laatste jaren. In dit boek word de volgende quote beschreven: ‘Pretty much
Het doel dat ik eerst stelde was ‘een visualisatie maken van
anyone can put some data into a graphics application and
onzichtbare data, en daar conclusies uit kunnen trekken.’
create a graph.’ (Knaflic, 2015, p. 2). Dit is een belangrijk punt omdat het creëren van
Maar op dit moment vraag ik me af of de visualisatie
datagrafieken in de eerdere tijden alleen was weggelegd
daadwerkelijk uit zichzelf uit de data volgt.
voor wetenschappers en andere hogere technische rollen.
Als we gaan kijken naar wat data precies is, dan is data op
Je kan nu bedenken hoe makkelijk het is om wat data in
zichzelf niet geheel eerlijk of neutraal. Data is namelijk een
excel te plaatsen en een datavisualisatie te laten exporteren.
resultaat van een systeem, dat zich houdt aan bepaalde
Via deze workflow komen we vaak uit op visualisaties als
parameters. Parameters die door mensen opgesteld zijn.
deze:
Een goed voorbeeld zijn bijvoorbeeld de likes die we kennen van Facebook. De data van een post zou kunnen zijn ‘afgelopen maand 234 likes’. Je zou daaruit kunnen concluderen dat mensen de post heel leuk vinden. Maar de conclusie is getekend. Omdat de like geen tegenhanger heeft, ‘dislike’, kunnen we deze statistieken niet vergelijken en krijgen we een gekleurd beeld van de post. 39
in verscholen zit. Ik zie data dus als iets dat de potentie heeft om iets moois aan de mensen te laten zien.
Als een goede designer heb ik dan wel de verantwoordelijkheid om na te denken over wat ik het publiek wil laten doen met de data. Zo beschrijft Knaflic dit namelijk ook: ‘When it comes to the form and function of our data visualisations, we first want to think about what it is we want our audience to be able to do Het ziet er redelijk mooi uit, maar het probleem bij deze graphs is vaak dat de titel mist, de dataschalen niet gedefinieerd zijn. Een 3D effect lijkt de visualisatie extra mooi te maken. Maar wanneer je vanuit de data kijkt, blijkt
with the data (function) and create a visualisation (form) that will allow for this with ease.’ (Knaflic, 2015, p. 15). Hoe beter ik mijn doelgroep specificeer, hoe beter ik mijn visualisatie voor deze groep kan vormen.
juist dat het 3D effect zorgt voor een gekantelde interpretatie waardoor segmenten van de pie chart groter lijken dan
Who, what and how?
ze eigenlijk zijn. In het boek Storytelling with data wordt een klein stappenplan Het punt dat ik hiermee wil maken is tegelijkertijd het doel
geopperd waarmee ik kan beginnen om de context samen
van mijn project:
te stellen. Dit stappenplan bestaat uit 3 hoofdstappen: Who,
In de data zit een verhaal. Maar de standaard software of
What, How?
data tools kunnen dit verhaal niet automatisch vertalen, ze
is een analist of communicator van de informatie nodig om
• Wie is het publiek van de data? • Wat wil ik dat het publiek weet of doet met deze data?
dit verhaal visueel te maken en de data context te geven.
Na deze twee hoofdvragen beantwoord te hebben kan ik me
zijn niet gebouwd om een verhaal te interpreteren. Daarom
focussen op de laatste vraag, namelijk: Een persoonlijke fascinatie van mij is om als designer, dingen mooi te maken en dit aan de mensen te laten zien. Ik ben dit project dan ook begonnen omdat ik naar data kan kijken als
• Hoe kan ik de data gebruiken om mijn doel te bereiken?
iets wat nog niet perse mooi is, maar waar wel een verhaal
40
eindstudie Ryan Schuijer
DOELGROEP De doelgroep kunnen we onderverdelen in 2 categorieĂŤn: primaire doelgroep en secundaire doelgroep.
Primaire doelgroep Voor wie maken we deze visualisatie? Het is een datavisualisatie die ontstaat vanuit de activiteit binnen DPDK, activiteit die ontstaat vanuit het team. Zij laten hun afdruk achter in de vorm van data. Voor het team van DPDK heeft deze data-afdruk de meeste betekenis omdat zij de oorzaak zijn dat deze data er is. De primaire doelgroep zijn de mensen van DPDK zelf. De data heeft voor hun het meeste betekenis en door een datavertaling kan deze betekenis het verhaal van DPDK vertellen.
Het DPDK team. DPDK bestaat uit een multidisciplinair team van rond de 40 personen. Op de website beschrijven we het zelf als:
We are designers, technologist, producers and thinkers with a shared passion for innovation and creative ideas.
41
Het DPDK team is meertalig: zo hebben we een franse designer, roemeense producer, deense art-director, spaanse android developer en binnenkort komt er een Britse senior designer bij. Dit zorgt ervoor dat de voertaal op de werkvloer over het algemeen engels is. Ook binnen het Slack team is engels de standaard taal.
Het vooruitstrevende zit er bij DPDK diep in. Ze zijn altijd op zoek naar de nieuwste technieken binnen web en laten zich door elke nieuwe digitale feature inspireren. Innovatie staat voorop, naast de eeuwige zoektocht naar winning elements en het creĂŤren van unieke experiences.
Secundaire doelgroep Deze datavisualisatie dient ook voor de personen die dichtbij DPDK staan of met DPDK te maken hebben. We noemen deze personen Friends&Fans. Mensen die binnen Friends&Fans vallen zijn personen die niet bij DPDK werken maar wel persoonlijk met ons te maken hebben of ons op persoonlijk vlak volgen. Deze doelgroep valt samen met de personen die DPDK op Instagram volgt.
42
eindstudie Ryan Schuijer
EXPERT TALK: PIM VAN HELTEN Wat beschrijft een echte DPDK’er?
ben om kwaliteitsproducten neer te leggen. Ook het feit dat het streven naar deze kwaliteit een team effort is, helpt mee
Ik heb dit besproken met Pim, de CEO van DPDK. Dé per-
aan deze energie die heerst.
fecte doelgroep bij DPDK is vooral te beschrijven in visie. Een DPDK werknemer verschilt heel erg qua skills, interesses en werkzaamheden binnen het bedrijf. Ook is een DP-
Hoe beschrijf je de ‘Friends and Friends’ van DPDK?
DK’er vaak multitalented, en daarom moeilijk in een bepaald hokje te duwen.
Deze vraag hebben we beantwoord door naar de analytics te kijken van de verschillende pr uitingen die DPDK doen.
Waarmee we elke DPDK’er kunnen beschrijven is het bezitten van een zogenoemd ‘Shared belief’. Wat je wel kan voelen als je met een werknemer van DPDK praat, is de drive om goeie kwaliteit te leveren. Dit zit ingebakken in het DNA van DPDK, in de cultuur. Je merkt dat doordat de kwaliteit niet gewaarborgd wordt door 1 persoon of het hoofd, maar doordat deze kwaliteitsbewaking een echte team effort is. Dat is iets waar elke DPDK’er naar streeft en daardoor de
We hebben gekeken naar de personen van de Instagram en van de Newsletter. Zo hebben we eerder al vastgesteld dat de main group van Instagram bestaat uit de werknemers van DPDK zelf en de secundaire groep bestaat uit vrienden en familie van werknemers van DPDK. Bij de newsletter zit dit anders. (schrijf hier een stuk over de inhoud van de newsletter)
reden dat elk product dat opgeleverd wordt, deze kwaliteit bezit.
De ontvangers van de newsletter zijn in de volgende categorieen in te delen: – audience
Hoe ziet de buitenwereld DPDK?
– fans
Energetic. Dat is het keyword dat uit een klantenonderzoek
Ik denk dat het interessante spanningsveld zit tussen deze
blijkt dat gedaan is over het imago van DPDK. Energetic
groepen.
komt waarschijnlijk voort uit de joy die werknemers hier heb-
43
Fans kunnen we net zo beschrijven als de ‘friends and fans’ bij Instagram. Dit gaat om familieleden en vrienden van werknemers. Ook ex-werknemers vallen hieronder. Onder Audience vallen meer de casual followers. Agencies en clients vallen hier onder. Applicators zijn personen die weleens hebben gesolliciteerd bij DPDK. Deze mensen krijgen automatisch de newsletter toegestuurd, ongeacht of ze aangenomen zijn of niet. Clients zijn natuurlijk de klanten waar DPDK voor gewerkt heeft. Agencies subscriben zich op onze Newsletter, zoals DPDK ook op agencies newsletters gesubscribed is.
Ik merk dat ik met data een bepaalde cycle zou kunnen ontwerpen, die zichzelf in stand kan houden.
44
eindstudie Ryan Schuijer
NIEUWE STRATEGIE Functie van de visualisaties
van het team zelf. Omdat het leeft op de input van het team, kan deze tool
Waarom wil ik precies deze tool maken? Wat wil ik dat de
ook engagement binnen DPDK uitlokken. Er kan namelijk
doelgroep met deze visualisatie gaat doen?
verbetering gebracht worden op de verschillende vlakken die
Dit ga ik verdelen over een persoonlijke functie en een
de tool vormt tot wat het is. De tool communiceert natuurlijk
zakelijke functie.
via zijn design, maar ook vanuit techniek en marketing. Dit zijn de verschillende takken waar binnen DPDK gekeken wordt
a) Zakelijke functie
bij het maken of verbeteren van een digitaal product.
De zakelijke functie kan ik onderverdelen in 2 sub-functies: inspireren en motiveren.
Motiveren Inspireren
De visualisatie wordt automatisch samengesteld vanuit de data, die weer automatisch gegenereerd wordt door
We maken bij DPDK innovatieve producten, waarbij we
activiteiten van DPDK. Door dit inzicht te delen met het team,
steeds de grens proberen op te zoeken en te verleggen op
kunnen we mensen binnen DPDK motiveren om een mooi
het gebied van creativiteit en innovatie. Dit doen we door
beeld naar buiten te brengen. Het wordt als het ware een
deze grenzen zelf te creëren maar ook door goed om ons
echte team effort om dit beeld neer te zetten.
heen te kijken. Welke projecten in de digitale wereld winnen de awards? Welke websites vinden we goed werken en
Zie het in vergelijking met Instagram: De foto’s van DPDK
waarom? Met welke nieuwe innovaties willen we zelf aan de
op Instagram laten een beeld van DPDK zien waarbij we de
slag?
nadruk leggen op de sfeer en de werknemers. Dit beeld
Innovatie begint met inspiratie en daarom dient deze tool
wordt echter wel ‘gegenereerd’ door de beheerder van de
voor de primaire doelgroep (werknemers binnen DPDK) om te
DPDK Instagram: een foto wordt genomen of ‘in scene gezet’
inspireren.
om een goed gevoel over te brengen op de volgers van
Het is namelijk een tool die op digitaal vlak iets visualiseert
de DPDK Instagram. Vervolgens post de beheerder deze
45
foto, zet er een mooi filter op en bedenkt een leuke tekst die dit gevoel versterkt. Het gehele team heeft verder niet al teveel invloed op hoe dit beeld wordt neergezet. Dit zou wel het geval zijn wanneer iedereen toegang zou hebben tot dit Instagram account maar dan ontstaat wel de kans dat de content niet meer aansluit bij het publiek van de DPDK Instagram pagina. Dat kan worden opgevangen met regels: condities waar de media van Instagram aan moet voldoen.
Na een gesprek met Anouk is mij wat meer duidelijk geworden over hoe dit medium in elkaar steekt en waarom we deze pagina hebben. Ook ontdekte ik zo een bepaalde cycle, waardoor deze pagina vrijwel zichzelf in stand kan houden.
Deze cycle probeerde ik te visualiseren en uiteindelijk heb ik de key strategy gevonden die ik ook wil gebruiken voor mijn eigen data visualisatie.
46
eindstudie Ryan Schuijer
47
REFLECTIE Mijn ontwerpcriteria zijn drastisch veranderd. Ik ontwerp nu een tool, een datavisualisatie voor de werknemers van DPDK en de ‘friends and fans’ van deze werknemers. Doel van deze datavisualisatie is om deze doelgroep kennis te laten maken en te interacteren met de cultuur binnen DPDK, door middel van de communicatie van de werknemers onderling.
Mijn onderzoeksvraag versie 3 kan ik nu zo stellen:
Hoe laat ik werknemers en ‘friends and fans’ van DPDK interacteren met de cultuur binnen DPDK? Ik voel nu vooral dat ik me moet focussen op het emotionele aspect binnen de communicatie van DPDK, en deze op 1 of andere manier vast wil leggen op een gemakkelijk bereikbaar platform, waarop de doelgroep inzichten kan vergaren in hetgeen ik hen aanreik.
48
eindstudie Ryan Schuijer
FUNCTIES BEPALEN Ik heb samen met Mathijs Pol, de interactie ontwerper binnen DPDK, gekeken naar de functies en de vertaling naar een interactie schets. Mathijs is daarin gespecialiseerd en kon heel snel bepalen waarom heb een dashboard-achtige flow hoort te krijgen en bijvoorbeeld geen scroll pagina.
49
50
eindstudie Ryan Schuijer
INTERACTIE ONTWERP
51
52
eindstudie Ryan Schuijer
53
54
eindstudie Ryan Schuijer
DESIGN (IN PROGRESS)
55
56
eindstudie Ryan Schuijer
57
DEFINITIE “HET VERHAAL” Waarom geef ik (g)een conclusie over mijn datavisualisatie?
Ik wil de cultuur, de emotionele zaken laten zien binnen de visualisatie dus ik gebruik emoji. En ik gebruik graphic design om de hiërarchie duidelijk te maken.
Nathan Yau beschrijft dit op de volgende manier:
De conclusie en het overliggende verhaal zijn door mij
Design dient niet alleen om je visualisatie er mooi uit te laten
gestuurd, het is aan de gebruiker om zelf de verbanden te
zien. Design zorgt er ook voor dat visualisaties leesbaar,
leggen. Voorbeelden van conclusies kunnen zijn:
begrijpbaar en bruikbaar worden. Door middel van design kun je orde in een warboel brengen,
• Men is vandaag positief ingesteld binnen DPDK
belangrijke zaken markeren of zelfs inspelen op emoties.
• Ik draag bij aan de meest gebruikte emoji binnen DPDK
Data visualisaties kunnen vermakelijk, leuk en informatief
• Zo te zien heeft mijn zoon het naar zijn zin bij DPDK
zijn. De data leidt je hiernaartoe. Hierdoor geeft de datavisualisatie al uit zichzelf een boodschap mee, namelijk via design. Data is een representatie van het werkelijk leven. Wanneer je data visualiseert, visualiseer je wat er om je heen en in de wereld gebeurt. Ook is data allang niet meer neutraal te noemen. Zodra we data definieren als ‘data’, verliest het zijn neutraliteit omdat de definitie is gegeven door mensen. De data verzamelaar kiest voor een bepaalde dataset en geeft hiermee al een voorkeur. Data in combinatie met design is op zichzelf de storytelling, zonder dat ik er letterlijk ‘een conclusie’ bij hoef te noteren. In dit geval geef ik mijn visualisatie de juiste huisstijl elementen van DPDK mee: Ik gebruik de fonts van DPDK en de foto’s van de werknemers. 58
eindstudie Ryan Schuijer