Hjernen vår er lat, ikke la den lure deg. [DataPrat - Episode 2]
Martin Keseler Barland
30.10.2020
Data og analyse

Hjerner vår er egentlig ganske lat.
Om vi ikke er bevist på hvordan data presenteres er det lett å dra feil slutninger, eller rett og slett bli lurt.
Så hvilke tre ting kan man gjøre for at data blir noe alle kan forholde seg til?

Hjernen vår er egentlig ganske lat, og mye data kan fort bli overveldende. Vi vet såpass mye om hvordan hjernen vår opererer at det er mye vi kan gjøre for å forenkle jobben med å komme fra å se på data til å ta en beslutning basert på disse dataene som betyr noe for deg, din rolle og din bedrift.

Når data lever i tabeller i Excel krever det mye av hjernen vår og den minste distraksjon, som en vibrering fra telefonen i lomma, blir vanskelig å overse. Det er også mange mønstre hjernen vår ikke klarer å se før vi visualiserer dataene våre. Dinosauren under er i praksis kun en x og en y verdi i en tabell, men den er helt umulig å se før vi plotter den. Hjernen vår klarer det rett og slett ikke.

Da kan vi potensielt ende opp med å ta mindre optimale beslutninger fordi hjernen vår ikke orker å ta inn over seg hva dataene faktisk presenterer

Akkurat det at hjernen vår er lat, og dermed kan være lett å lure, kan misbrukes av de som vet dette og bruke feil representasjon av data for å pushe sin egen agenda som kanskje ikke har rot i virkeligheten. Denne feilrepresentasjonen av data kan også skje helt ubevisst om man ikke er vant jobbe med data og bruker default innstillinger eller tar valg fordi en visualisering ser mer attraktiv ut enn andre (kremt, 3D pie chart i Excel, kremt). Da kan vi potensielt ende opp med å ta mindre optimale beslutninger fordi hjernen vår ikke orker å ta inn over seg hva dataene faktisk presenterer og heller velger å kun ta inn over seg det første man legger merke til.

Ta eksempelet under som ble tatt fra en nyhetssending på TV2. Det er helt tydelig noe rart med grafen som er brukt, og ved første øyekast ser det plutselig ut som om MDG er et av landets største partier. Siden øynene våre dras til det visuelle vil de aller fleste derfor dra slutningen at MDG har hatt en kjempeøkning i antall stemmer i denne undersøkelsen, før man legger merke til at tallene ikke samsvarer med høyden på grafene. Samtidig er det i denne visualiseringen lett å tro at 0 på y-aksen er under partilogoene som gjør at forholdet mellom høyden på grafene også blir helt feil og vi blir nok en gang lurt.

Klikk her for å se det opprinnelige innlegget mitt. 

Jeg delte dette bildet på LinkedIn, og det var interessant å se at det plutselig kom svar fra Kjetil H. Dale, nyhetsanker i TV2. Det var tydelig gjort en feil i det grensesnittet de bruker for å legge inn tall som hadde ført til denne grafen som endte opp med å bli misvisende. Det var godt å høre at de hadde funnet ut av feilen så det ikke skjer igjen. Uhell skjer, og jeg tror det skjer oftere i møtesettinger enn vi tror. Ikke med vilje, men rett og slett fordi for få har et forhold til hvordan data burde visualiseres for å kommunisere dataene på best mulig måte.

På mange måter kan det å presentere data sees på som det samme å ta en bilde. Det er veldig vanskelig å ta et 360 graders bilde så man må velge en retning. På samme måte må man velge hvilke data man ønsker å fokusere på. Når man så har valgt en god vinkel er fremdeles et kamera kun et utsnitt av det vi faktisk ser, og her begynner man å filtrere dataene man skal presentere. Kanskje det bare er for en hvis tidsperiode, kanskje det bare er for noen spesielle geografiske områder. Det siste vi gjør når vi skal ta et bilde et å fokusere på noe. Skal man ta et bilde av en bie som sitter på en blomst må vi sørge for at bien kommer i fokus, og vi må også sørge for at når vi presenterer data gjør vi det enkelt for brukerne våre å fokusere på det som er viktig. Her kan man bruke for eksempel farger for å dra øynene våre mot det vi ønsker skal være i fokus, og som vi trenger at brukerne skal se.

Når en bedrift har fått god kontroll på dataene sine, og fostret en kultur der alle snakker om, bruker og tenker i data, har man forhåpentligvis også resten av datalandskapet på plass slik at når en person presenterer sitt databilde og andre får nye ideer, eller spørsmål de trenger svar på, kan de gå ut å ta de nye bildene sine selv.

Om vi skal gjøre data til noe alle roller i en organisasjon kan forholde seg til, om det er en i toppledelsen eller en på lageret eller på kundesenteret er det tre ting som gjelder for meg.

  1. Automatisering av manuelle oppgaver som kan være både kjedelige å utføre og innføre menneskelige feil
  2. Bruke datavisualisering bevisst for å spille på hjernens bedre sider. Vi er bedre på å se ting visuelt, enn på å se masse data i en tabell
  3. Felles språk, navngivning og definisjoner rundt data så vi alltid vet at vi snakker om det samme, på samme måte.

Hjernen vår er egentlig ganske lat. Vi må gjøre alt vi kan for at brukerne av den dataen vi genererer og presenterer klarer å ta innover seg hva den betyr for dem og deres rolle, slik at de dermed kan ta den beste beslutningen som er tilgjengelig for dem!

Se hele episode 2 av DataPrat her:

Del denne artikkelen:
Martin Keseler Barland
Manager Data og Analyse