Waarom datavisualisatie zo vaak misgaat, en hoe het wél moet

Het begint allemaal in het brein

We kunnen geen goed design maken als we niet begrijpen hoe mensen informatie verwerken. Goede datavisualisatie begint daarom niet bij grafieken, maar bij psychologie. Ons brein werkt, volgens de bekende theorie van Daniel Kahneman, via twee systemen:

Systeem 1 is waar de automatische besluitvorming plaatsvindt. Het herkent patronen, werkt zonder bewuste inspanning en is verantwoordelijk voor 95% van de beslissingen.

Systeem 2 staat daar lijnrecht tegenover: het vereist focust, vraagt om inspanning en kost dus moeite en energie. Dit systeem wordt zelden geactiveerd: in tegenstelling tot systeem 1 moet je 2 namelijk ‘bewust’ activeren.

Dashboards worden vaak gebouwd alsof de gebruiker volledig in systeem 2 zit, maar dat is vrijwel nooit zo. Wil je dat (visuele) data begrepen wordt, dan richt je het zo in dat systeem 1 ermee uit de voeten kan: direct begrijpelijk zijn, zonder mentale rekensommen of zoekwerk.

Het Visualiser-Viewer-proces

Met andere woorden: je wilt dat data een verhaal vertelt, niet dat het gelezen moet worden. Effectieve datavisualisatie gaat dan ook over meer dan alleen esthetisch mooie grafieken. Het draait om het volledige proces waarin informatie wordt ontvangen, geïnterpreteerd en omgezet in actie. Dit wordt samengevat in het Visualiser-Viewer‑proces: de wisselwerking tussen degene die de visualisatie ontwerpt (de visualiser) en degene die hem gebruikt (de viewer). Een gebruiker neemt de informatie in drie stappen in zich op:

1. Ontvangst: wat valt op?
   In deze eerste fase bepaalt het brein (automatisch, zonder enkele inspanning) binnen enkele milliseconden waar de aandacht naartoe gaat. Kleuren, vormen, posities en contrast sturen direct hoe de gebruiker kijkt. Als de visuele structuur niet logisch of rustig is, kost het brein meteen extra energie. Kortom: de visualisatie moet de aandacht automatisch naar het juiste punt leiden, zonder dat de gebruiker hoeft te zoeken.

2. Duidelijkheid: wat betekent dit?
   Nu de informatie is binnengekomen, moet de gebruiker in één oogopslag het verhaal kunnen begrijpen. Zijn hoofd- en bijzaken gescheiden? Is duidelijk wat belangrijk is? Worden patronen, afwijkingen of trends direct zichtbaar? Wanneer alles even hard “schreeuwt”, moet de gebruiker zelf conclusies reconstrueren. En dat is precies waar het vaak misgaat.

3. Begrip: Wat moet ik doen?
   In de laatste fase koppelt de gebruiker de visualisatie aan een besluit of vervolgstap. Wat is de boodschap? Welke actie wordt verwacht? Moet er ingegrepen worden, of is iets juist op koers? Als die link niet direct duidelijk is, verliest de visualisatie haar waarde, ongeacht hoe mooi het eruitziet.

Veelvoorkomende valkuilen in datavisualisatie

Een visualisatie die zonder onnodige inspanning direct de juiste inzichten oplevert, ontstaat wanneer je tijdens het proces rekening houdt met valkuilen die begrip in de weg staan. In talloze dashboards komen echter dezelfde fouten terug. Er zijn er tenminste dertien te noemen, maar onderstaande vijf voorbeelden zien we het vaakst. Door in ieder geval deze aan te pakken, creëer je met relatieve weinig moeite een substantiële verbetering in begrip van je data.

1. Te veel of verkeerd kleurgebruik
   Te veel kleuren, te felle kleuren, of kleuren met impliciete betekenissen (zoals rood en groen) kunnen emoties en interpretatie sterk beïnvloeden. Denk aan het gebruik van felrood of –groen, zonder dat hier de gangbare interpretatie van fout en goed bedoeld wordt. Het willekeurig gebruik van te veel verschillende kleuren haalt de aandacht weg bij wat relevant is. En kleuren die te veel op elkaar lijken, maken door het gebrek aan contrast het verschil niet voldoende duidelijk. Onthoudt: kleur moet richting geven, niet afleiden. Hier kun je bewust effectieve keuzes in maken. 

2. Complexe of decoratieve grafieken   
   3D grafieken, donut varianten, waterdruppels, iconen, schaduwen en achtergrondafbeeldingen lijken aantrekkelijk, maar verminderen begrip. Ze voegen visuele ruis toe, waardoor het brein harder moet werken om de essentie te herkennen. Dit soort effecten leiden de aandacht af van de boodschap en maken het lastiger om waarden nauwkeurig te vergelijken of trends te zien, juist omdat vorm belangrijker wordt dan inhoud.

3. Gebrek aan context  
   Een temperatuurkaart die al bij 19 graden knalrood kleurt, of een staafdiagram zonder schaalverdeling: zonder context ontstaat een verkeerde indruk. Zelfs correcte cijfers kunnen dan misleiden.

4. Bewuste of onbewuste vertekening
   Visualisaties kunnen een vertekend beeld geven wanneer categorieën worden weggelaten, percentages zonder absolute aantallen worden gepresenteerd of wanneer schalen zo worden aangepast dat verschillen groter of kleiner lijken dan ze zijn. Denk aan assen die niet bij nul beginnen of grafieken met dubbele Y assen die verbanden suggereren die er feitelijk niet zijn. Dit gebeurt vaak zonder opzet, maar beïnvloedt wel sterk hoe gebruikers de gegevens interpreteren. Vooral wanneer cruciale context ontbreekt.

5. Scrollen, fragmentatie en onlogische volgordes
   Wanneer gebruikers moeten scrollen of springen tussen onderdelen, verliezen ze overzicht en samenhang. Inzichten horen op één scherm te passen en KPI’s die bij elkaar horen, moeten samen staan. 

Conclusie: Verminder inspanning, vergroot inzicht

De kern van goede datavisualisatie is eenvoud die ontzorgt. Het verlaagt cognitieve belasting doordat het intuïtieve ontvangst ondersteunt. Het geeft richting, vertelt het verhaal zonder tekstuele toelichting en voorkomt verkeerde interpretaties. Datavisualisatie is cruciaal in effectieve communicatie. Hoe minder moeite de gebruiker hoeft te doen, hoe sneller en beter de beslissing.