Yrityksillä, tutkimusorganisaatioilla, järjestöillä ja julkisella sektorilla on valtavasti dataa. Ongelmana ei yleensä ole tiedon puute. Ongelma on siinä, että tieto jää helposti PDF-raportteihin, Excel-taulukoihin tai staattisiin kaavioihin, joista olennaisen löytäminen vaatii käyttäjältä paljon aikaa ja vaivaa.
Silloin syntyy erikoinen tilanne: organisaatio saattaa tietää asiakkaistaan, markkinastaan tai toimintaympäristöstään valtavasti, mutta ulospäin näkyy lähinnä pitkä raportti, jota harva jaksaa avata – saati tutkia perusteellisesti.
Tämä on entistä suurempi ongelma B2B-ostamisessa, jossa asiakkaat haluavat hankkia tietoa ja edetä ostopolulla yhä itsenäisemmin. McKinseyn B2B Pulse -tutkimuksessa noin kolmannes asiakkaista suosi digitaalista itsepalvelua jokaisessa ostopolun vaiheessa.
Hyvin suunniteltu interaktiivinen verkkosivusto voi ratkaista tämän ongelman. Yhä ajankohtaisempi formaatti, visuaalinen datatarina, muuttaa tiedon passiivisesta raportista vaikuttamisen ja päätöksenteon välineeksi. Käyttäjä ei vain vastaanota valmiiksi valittuja lukuja, vaan voi tutkia aineistoa, vertailla näkökulmia ja löytää juuri hänelle olennaisen tiedon.
Tekoäly kiihdyttää juuri nyt visualisointien ja interaktiivisten käyttöliittymien suunnittelua ennennäkemättömällä tavalla. Kun vaihtoehtoja voidaan testata nopeasti, samaa aineistoa voidaan tarkastella karttana, aikajanana, vertailuna, simulaationa tai kokonaan uudenlaisena datatarinana ennen lopullisen ratkaisun valintaa. Tämä mahdollistaa aiempaa kunnianhimoisempia ja kiinnostavampia toteutuksia huomattavasti pienemmällä työmäärällä ja budjetilla kuin vielä muutama vuosi sitten.
Kun data järjestetään tarinaksi, käyttäjälle ei vain näytetä numeroita, vaan häntä autetaan ymmärtämään mitä ne merkitsevät, miksi niillä on väliä ja mitä niistä voi päätellä.
Visualisointi ei siis ole koriste. Se on käyttöliittymä tietoon. Parhaimmillaan se tekee monimutkaisesta aineistosta helpommin hahmotettavaa, auttaa löytämään olennaisen nopeammin ja muuttaa passiivisen raportin kokemukseksi, jota käyttäjä voi itse tutkia.
Datatarina alkaa näkökulmasta – data ei vielä kerro tarinaa
Kuvitellaan, että organisaatiolla on Excel-taulukko, jossa on 500 000 riviä tietoa. Se voi olla teknisesti arvokasta dataa, mutta käyttäjälle se ei vielä merkitse juuri mitään. Tarina syntyy vasta, kun aineistosta löydetään näkökulma.
Esimerkiksi matkailudata voidaan esittää listana yöpymisten määristä maakunnittain.
Tai siitä voidaan kysyä:
- Mistä maista matkailijat tulevat?
- Mihin vuodenaikaan he matkustavat?
- Mille alueille kysyntä kohdistuu?
- Miten pandemia muutti markkinaa?
- Missä seuraava kasvumahdollisuus voisi olla?
WebLabsin Suomen matkailuvirrat -datatarina rakentuu juuri tällaisten kysymysten ympärille. Käyttäjä voi valita vuoden ja vuodenajan, tarkastella lähtömaita sekä nähdä, mihin maakuntiin kysyntä kohdistuu. Samalla aineistosta nostetaan esiin suurempi tarina: suomalainen matkailu palautui pandemiasta, mutta markkina ei palannut samanlaiseksi kuin ennen.
Raakadata kertoo määrät. Näkökulma kertoo, miksi niillä on merkitystä.
1. Datavisualisointi syntyy aineistosta – löydä kiinnostava ilmiö
Hyvä datavisualisointi ei ala siitä, valitaanko pylväskaavio, kartta vai animaatio. Ensin pitää ymmärtää itse aineisto. Mikä muuttuu ajan mukana? Mitä asioita kannattaa vertailla? Missä näkyvät kiinnostavimmat poikkeamat? Ja ennen kaikkea: mikä on käyttäjän näkökulmasta olennaista?
WebLabsin Suomen sähköntuotanto näyttää esimerkiksi kuukausittain, miten ydinvoiman, vesivoiman, tuulivoiman, aurinkovoiman ja tuonnin osuudet muuttuvat vuoden aikana. Käyttäjä voi liikkua kuukausien välillä ja nähdä samalla sekä kokonaismäärän että tuotantomuotojen keskinäiset suhteet. Näin interaktiivinen esitys tekee visuaalisesti helposti hahmotettavaksi ilmiön: Suomen energiajärjestelmä näyttää erilaiselta tammikuussa kuin heinäkuussa.
Tämä on datatarinan ensimmäinen tehtävä: muuttaa lukujen joukko hahmotettavaksi ilmiöksi.
2. Datatarinan näkökulma – kaikkea dataa ei tarvitse näyttää
Yksi yleisimmistä dataviestinnän virheistä on ajatus, että hyvä visualisointi näyttää mahdollisimman paljon. Usein päinvastainen toimii paremmin.
Jos käyttäjälle annetaan 30 mittaria, 15 suodatinta ja kahdeksan kaaviota samaan aikaan, hän ei välttämättä tiedä, mihin pitäisi katsoa. Näkökulma tarkoittaa valintaa:
- Mikä aineistossa on yllättävää?
- Mikä on tärkein muutos?
- Mikä asia haastaa ennakkokäsityksen?
- Mikä havainto vaikuttaa päätöksentekoon?
WebLabsin Suomen ajoneuvot -kokemus perustuu yli viiden miljoonan ajoneuvon aineistoon. Sen sijaan, että koko tietomassa esitettäisiin yhtenä jättimäisenä dashboardina, aineisto on jaettu viiteen selkeään näkökulmaan: ajoneuvokannan rakenne, ikä, käyttövoimat, merkit ja päästöt. Lopuksi käyttäjä voi vielä hakea oman kuntansa profiilin ja verrata sitä koko maan tilanteeseen. Sama data muuttuu näin useaksi pienemmäksi tarinaksi.
Hyvä datatarina ei kysy “mitä kaikkea voimme näyttää?”, vaan “mitä käyttäjän kannattaa ymmärtää seuraavaksi?”
3. Interaktio – anna käyttäjän esittää datalle oma kysymyksensä
PDF kertoo yhden ennalta määrätyn tarinan. Interaktiivinen verkkosivu voi kertoa useita. Käyttäjä voi vaihtaa vuotta, rajata aluetta, valita kategorian, vertailla vaihtoehtoja tai hakea omaa kuntaansa. Tällöin data alkaa vastata käyttäjän omiin kysymyksiin.
WebLabsin Suomen startup-ekosysteemi antaa käyttäjän tarkastella startupeja esimerkiksi sektorin, kaupungin ja rahoituskierroksen perusteella. Sama aineisto voi siis kiinnostaa eri tavalla sijoittajaa, aluekehittäjää tai tietyn alan toimijaa.
Interaktion arvo ei ole siinä, että käyttäjä saa painella nappuloita. Arvo syntyy siitä, että sama tietoaineisto mukautuu eri käyttäjien kysymyksiin.
Valtion budjetti – datavisualisointi näyttää mittakaavan ja rakenteen
Hyvä visualisointi voi auttaa ymmärtämään myös mittakaavaa. Suomen valtion talousarvio on tästä hyvä esimerkki. 88,8 miljardia euroa on niin suuri luku, ettei sillä sellaisenaan ole useimmille ihmisille intuitiivista merkitystä.
WebLabsin Suomen valtion budjetti muuttaa summan visuaaliseksi rakenteeksi. Käyttäjä voi nähdä hallinnonalojen suhteelliset osuudet ja avata niitä tarkemmin.
Visualisointi vastaa välittömästi kysymykseen: Mihin rahat oikeastaan menevät? Tämä on hyvä esimerkki siitä, kuinka visualisoinnin tehtävä ei ole tehdä numeroista kauniita. Sen tehtävä on tehdä suhteista näkyviä.
Personoitu datavisualisointi: Tee suuresta datasta henkilökohtaista
Interaktiivisuuden ehkä kiinnostavin mahdollisuus on siirtyä yleisestä datasta käyttäjän omaan tilanteeseen.
WebLabsin hiilijalanjälkilaskurissa käyttäjä syöttää tietoja omasta liikkumisestaan, asumisestaan, ruoankulutuksestaan ja muusta arjestaan. Tuloksena hän saa henkilökohtaisen arvion hiilijalanjäljestään ja voi verrata sitä keskiarvoihin sekä nähdä, miten eri valinnat vaikuttaisivat lopputulokseen.
Sama data, joka yleisellä tasolla voisi tuntua etäiseltä, muuttuu näin käyttäjän omaksi kysymykseksi: mitä tämä tarkoittaa juuri minulle?
Samaa periaatetta voidaan soveltaa lähes missä tahansa. Energiayhtiö voisi näyttää käyttäjän oman alueen kulutuksen. Kiinteistöalan toimija voisi tarjota näkymän tiettyyn kaupunginosaan. Vastuullisuusraportissa käyttäjä voisi tarkastella juuri häntä kiinnostavaa maata, tuoteryhmää tai päästölähdettä.
Kun käyttäjä löytää datasta oman tilanteensa, kiinnostus muuttuu välittömästi henkilökohtaisemmaksi – ja samalla tiedosta tulee paljon helpommin ymmärrettävää ja toimintaan ohjaavaa.
Datatarina voi olla kokonainen verkkokokemus
Kaiken datavisualisoinnin ei tarvitse näyttää dashboardilta. Jos aihe on esimerkiksi ilmasto, ympäristö, historia tai kulttuuri, data voidaan yhdistää visuaaliseen tarinankerrontaan huomattavasti elämyksellisemmin.
WebLabsin Earth Is Breathing rakentaa ilmastodatan ympärille interaktiivisen 3D-maapallon. Käyttäjä liikkuu maapallolla ja tutkii muun muassa hiiltä, meriä, metsää, ilmanlaatua ja ihmisen jalanjälkeä eri aineistolähteiden kautta. Kokemus yhdistää esimerkiksi NASA:n, NOAA:n ja Maailmanpankin dataa yhdeksi tutkittavaksi kokonaisuudeksi.
Tällöin käyttäjä ei siirry kaaviosta toiseen. Hän liikkuu tarinan sisällä.
Datavisualisoinnin ja tarinankerronnan yhdistäminen ei ole vain visuaalinen trendi. Visualisointitutkimuksessa on jo pitkään korostettu, että tarinallinen rakenne auttaa paketoimaan tietoa muotoon, jota on helpompi kommunikoida ja muistaa.
Kenelle interaktiivinen datatarina sopii?
Interaktiivisille datatarinoille käyttökohteita on huomattavasti perinteisiä infografiikoita enemmän.
- Yritys voi muuttaa vuosikertomuksensa tutkittavaksi verkkokokemukseksi. WebLabsin Nord Grid -vuosikertomuksessa taloudellinen data, energiantuotanto ja karttanäkymät muodostavat yhden interaktiivisen kokonaisuuden, josta käyttäjä. Käyttäjän voi valita itseään kiinnostavan näkökulman.
- Teollisuusyritys voi visualisoida tuotteen tai järjestelmän toimintaa datan avulla. Wind Turbine Digital Twin yhdistää 3D-malliin esimerkiksi tehontuoton, kuormituksen, lämpötiloja ja huoltotietoa.
- Kunta tai julkinen organisaatio voi avata alueellista dataa asukkaille ja päätöksentekijöille. Kartta, aikajana ja vertailut tekevät suurista tietomääristä huomattavasti helpommin lähestyttäviä kuin taulukot.
- Tutkimusryhmä voi muuttaa tutkimustulokset kokemukseksi, jota myös muu kuin asiantuntija pystyy tutkimaan.
- Järjestö voi tehdä yhteiskunnallisesta ilmiöstä konkreettisen ja henkilökohtaisen. Esimerkiksi päästöt, väestömuutokset tai hyvinvointidata voidaan tuoda lähemmäs käyttäjää alueellisten vertailujen tai henkilökohtaisten laskureiden avulla.
- Sijoittajaviestinnässä data voi muuttua tutkittavaksi strategiaksi.
- Vastuullisuusraportti voi antaa käyttäjän tarkastella päästöjä, tavoitteita ja kehitystä omasta näkökulmastaan.
Yhteinen nimittäjä on sama: organisaatiolla on tärkeää tietoa, mutta käyttäjää kiinnostaa ennen kaikkea, mitä tieto tarkoittaa hänen omasta näkökulmastaan.
Data → näkökulma → interaktio
Hyvän datatarinan prosessin voi lopulta tiivistää kolmeen vaiheeseen.
1. Data
Mitä aineisto oikeasti sisältää? Mitkä luvut ovat luotettavia ja mitä niiden avulla voidaan selvittää?
2. Näkökulma
Mikä aineistossa on kiinnostavaa? Mikä muutos, ristiriita, vertailu tai havainto kannattaa nostaa esiin?
3. Interaktio
Mitä käyttäjän kannattaa pystyä tekemään itse? Rajata? Vertailla? Selata aikaa? Tutkia karttaa? Hakea oma alueensa?
Järjestys on tärkeä. Jos aloitetaan interaktiosta, syntyy helposti näyttävä dashboard ilman ajatusta. Jos aloitetaan datasta ja löydetään ensin kiinnostava näkökulma, teknologia voidaan valita osuvammin sen perusteella. Visualisoinnin tehtävä on auttaa näkemään datassa jotain, mitä käyttäjä ei muuten huomaisi.
WebLabs – muuta data kiinnostavaksi verkkokokemukseksi
Sometek WebLabs yhdistää tekoälyn, datavisualisoinnin ja modernit verkkoteknologiat. AI-kiihdytetty työnkulku tekee erilaisten datanäkymien, tarinallisten rakenteiden ja interaktioiden prototypoinnista huomattavasti aiempaa nopeampaa.
Voimme nopeasti kokeilla, toimiiko data parhaiten karttana, aikajanana, vertailuna, simulaationa, henkilökohtaisena näkymänä tai tarinallisena scroll-kokemuksena.
WebLabsin case-kirjastossa tätä lähestymistapaa on sovellettu muun muassa Suomen sähköntuotantoon, matkailuvirtoihin, ajoneuvokantaan, startup-ekosysteemiin, valtion budjettiin ja ilmastodataan. Mukana on myös laskureita, simulaatioita, karttoja ja muita interaktiivisia datakokemuksia, joissa käyttäjä ei vain katso tietoa vaan tutkii sitä itse.
Tavoitteena ei ole pelkkä näyttävyys. Tavoitteena on löytää aineistosta kiinnostavin näkökulma ja rakentaa sille käyttöliittymä, joka tekee tiedosta helpommin ymmärrettävää ja vaikuttavaa.
Jos organisaatiollasi on paljon arvokasta dataa mutta sen tarinaa on vaikea kertoa, ota yhteyttä. Katsotaan yhdessä, mikä aineistossasi on kiinnostavinta – ja miten siitä voidaan rakentaa verkkokokemus, jota ihmiset eivät vain avaa, vaan myös haluavat tutkia.
