Find mønstre i dine infografiske data - dummies

Den menneskelige hjerne søger naturligt mønstre. Spotting mønstre er afgørende for at skabe overbevisende indhold for infographics fordi mønstre peger på et lag af betydning bag dataene og foreslå tilstedeværelsen af ​​et underliggende forhold eller struktur til at undersøge og afværge. Kort sagt er mønstre en anden vigtig måde, at en datalogist finder historien i fakta.

Her er et eksempel fra professionel amerikansk fodbold. Sig, at du arbejder på en simpel grafik, der sammenligner de ti bedste quarterbacks. Du ved enten din kærlighed til fodbold eller fra din forskning, at Peyton Manning dominerede NFL som en Indianapolis Colt, før du mangler en hel sæson på grund af en nakkeskade. Hvordan udførte Colts med og uden ham?

Indianapolis Colts 'vindende procent

• 1998-2010 (med Manning): 68%

• 2011 (uden manning): 13%

Det var klart, at Colts gjorde meget bedre med Manning på marken. Manning flyttede dog til et nyt job med Denver Broncos. I samme tidsrum skal du se, hvordan Denver spillede før og efter Manning spillede med holdet.

Denver Broncos 'vindende procent

• 1999-2011 (med mindst fem quarterbacks, men ikke Manning): 53%

• 2012 (med Manning): 81%

Det mønster du ser fremkommer er at hold førte af Peyton Manning tendens til at være vellykket. Forvisset mange andre faktorer påvirket hvert hold vinder procent, men simpelthen isolere dette ene mønster afslører bare, hvordan instrumental Peyton Manning er i succesen for det hold han spiller for.

Du kan tage denne bold og løbe med den. Nu er måske din simple grafik på top ti quarterbacks et kig på, hvordan en spiller kan ændre et holds formuer. Måske bliver Manning fokuset på grafikken, og de tiogentale data bliver understøttende baggrundsoplysninger. Din hele visuelle historie kan ændre sig på baggrund af de mønstre, du finder gennem din forskning.