A forma mais antiga de visualização de dados remonta aos egípcios, anteriormente ao século XVII, e era amplamente usada na navegação.

Com o passar do tempo, as pessoas passaram a aproveitar visualizações de dados para outros usos, como em disciplinas econômicas, sociais e de saúde.

Um exemplo notável é o de Edward Tufte, que publicou o livro: The Visual Display of Quantitative Information, e mostrou que as pessoas poderiam utilizar a visualização de dados para apresentar as informações de maneira mais eficaz. Seu livro continua atual ainda hoje, sobretudo pelo fato de que as empresas continuam recorrendo a dashboards para relatar suas métricas de desempenho em tempo real.

Os dashboards são ferramentas eficazes de visualização de dados para acompanhar e visualizar dados provenientes de diversas fontes, oferecendo visibilidade sobre os efeitos de comportamentos específicos de uma dada equipe sobre o desempenho. Os dashboards utilizam técnicas comuns de visualização, como:

• Tabelas: consistem em linhas e colunas usadas para comparar variáveis. As tabelas podem mostrar uma grande quantidade de informações de forma estruturada, mas também podem sobrecarregar usuários que só estejam atrás de tendências de alto nível.

• Gráficos de pizza e gráficos de barras empilhadas: esses gráficos são divididos em seções que representam partes de um todo. Eles oferecem uma maneira simples de organizar os dados e comparar o tamanho dos componentes entre si.

• Gráficos de linhas e gráficos de área: esses recursos visuais mostram a mudança em uma ou mais quantidades ao traçar uma série de pontos de dados ao longo do tempo e são usados com frequência na análise preditiva de dados. Os gráficos de linha utilizam linhas para demonstrar essas mudanças, enquanto os gráficos de área conectam pontos de dados com segmentos de linha, empilhando variáveis umas sobre as outras e usando cores para distinguir as variáveis.

• Histogramas: esses gráficos traçam uma distribuição de números usando um gráfico de barras (sem espaços entre as barras), representando a quantidade de dados que se enquadram em um determinado intervalo. Com esse recurso visual, o usuário final tem mais facilidade para identificar valores discrepantes em um determinado conjunto de dados.

• Gráficos de dispersão: esses recursos visuais são úteis para revelar a relação entre duas variáveis e são comumente usados na análise de dados de regressão. Contudo, às vezes eles são confundidos com gráficos de bolhas, que são usados para visualizar três variáveis por meio dos eixos x e y e do tamanho da bolha.

• Mapas de calor: essas representações gráficas são úteis para visualizar dados comportamentais por localização. Pode ser um local em um mapa ou até mesmo uma página da web.

• Mapas de árvore: exibem dados hierárquicos como um conjunto de formas aninhadas, geralmente retângulos. Os mapas de árvore são excelentes para comparar as proporções entre categorias por meio do tamanho da área.

O acesso a ferramentas de visualização de dados nunca foi tão fácil. Bibliotecas de código aberto, como a D3.js, permitem que os analistas apresentem dados de forma interativa e envolvam um público mais amplo com novos dados. Algumas das bibliotecas de visualização de código aberto mais populares são:

• D3.js: é uma biblioteca JavaScript de front-end para produzir visualizações de dados dinâmicas e interativas em navegadores da internet. A D3.js (link fora do site ibm.com) usa HTML, CSS e SVG para criar representações visuais de dados que podem ser visualizados em qualquer navegador. Ela também traz recursos para interações e animações.

• ECharts: uma biblioteca avançada de gráficos e visualizações que oferece uma maneira fácil de adicionar gráficos intuitivos, interativos e altamente personalizáveis a produtos, artigos de pesquisa, apresentações etc. O Echarts (link fora do site ibm.com) é baseado em JavaScript e ZRender, um biblioteca leve de canvas.

• Vega: o Vega (link fora do site ibm.com) se define como “gramática de visualização” que permite personalizar visualizações em grandes conjuntos de dados acessíveis na web.

• deck.gl: é parte do pacote de frameworks de visualização de código aberto da Uber. O deck.gl (link fora do site ibm.com) é um framework usado para análise exploratória de dados em big data. Ele ajuda a criar uma visualização de alto desempenho baseada em GPU na web.

Com tantas ferramentas de visualização de dados prontamente disponíveis, também houve um aumento na visualização ineficaz de informações.

A comunicação visual deve ser simples e deliberada para garantir que a visualização de dados ajude seu público-alvo a chegar ao insight ou à conclusão pretendida. As melhores práticas a seguir fazem com que sua visualização de dados seja útil e clara:

Defina o contexto

É importante apresentar informações gerais de base para embasar o público sobre a importância desse ponto de dados específico.

Por exemplo, se as taxas de abertura de e-mails de uma empresa estiverem com baixo desempenho, podemos ilustrar como essa taxa se compara ao setor em geral, demonstrando que a empresa tem um problema nesse canal de marketing. Para impulsionar uma ação, o público precisa entender como o desempenho atual se compara a algo palpável, como uma meta, referência ou outros indicadores-chave de desempenho (KPIs).

Conheça seu público

Pense para quem sua visualização foi criada e verifique se sua visualização de dados atende às necessidades deles.

O que essas pessoas estão tentando realizar? Com que tipo de perguntas elas se preocupam? Sua visualização aborda as preocupações delas? Sua intenção é fornecer dados que motivem as pessoas a agir dentro do escopo de sua função. Se não tiver certeza se a visualização está clara, apresente-a a uma ou duas pessoas do seu público-alvo para receber feedback. Isso permitirá que você faça alterações adicionais antes de uma grande apresentação.

Escolha um visual eficaz

Recursos visuais específicos são criados para tipos específicos de conjuntos de dados.

Por exemplo, os gráficos de dispersão são bons para exibir a relação entre duas variáveis, enquanto os gráficos de linha são ótimos para dados de séries temporais. Verifique se o recurso visual realmente ajuda o público a entender sua conclusão principal. O desalinhamento de gráficos e dados pode ter o efeito inverso, confundindo ainda mais o público em vez de esclarecê-lo.

Mantenha a simplicidade

As ferramentas de visualização de dados podem facilitar a inclusão de todo tipo de informação ao seu recurso visual. Porém, não é porque você pode incluí-las que deve realmente fazê-lo!

Na visualização de dados, é preciso ter cuidado com as informações que você acrescenta para concentrar a atenção do usuário. Por exemplo, você precisa de rótulos de dados em todas as barras do seu gráfico de barras? Talvez você só precise de um ou dois para ajudar a ilustrar o argumento. Você precisa de um monte de cores para comunicar sua ideia? Você está utilizando cores acessíveis a um público variado (por exemplo, para um público daltônico)? Crie uma visualização de dados para ter o máximo impacto, eliminando informações que possam distrair o público-alvo.