Visualisasi data pertama kali dilakukan di Mesir sebelum abad ke-17, di mana teknik ini digunakan terutama untuk membantu navigasi. Seiring berjalannya waktu, orang memanfaatkan visualisasi data untuk penerapan yang lebih luas, seperti dalam bidang ekonomi, sosial, dan kesehatan. Salah satu tokoh paling terkenal di bidang ini adalah Edward Tufte, yang menerbitkan The Visual Display of Quantitative Information (tautan berada di luar ibm.com), yang menjelaskan bagaimana visualisasi data dapat digunakan untuk menyajikan informasi dengan lebih efektif. Bukunya tetap relevan hingga kini, terutama ketika perusahaan mulai menggunakan dasbor untuk melaporkan metrik kinerja secara real-time. Dasbor adalah alat visualisasi data yang efektif untuk melacak dan menampilkan data dari berbagai sumber, sehingga memberikan visibilitas atas dampak perilaku tim atau aktivitas tertentu pada kinerja. Dasbor mencakup teknik visualisasi umum, seperti:

• Tabel: Terdiri atas baris dan kolom yang digunakan untuk membandingkan variabel. Tabel dapat menampilkan banyak informasi secara terstruktur, tetapi juga dapat membingungkan pengguna yang hanya mencari tren tingkat tinggi.

• Diagram lingkaran dan diagram batang bertumpuk: Grafik ini dibagi menjadi beberapa bagian yang mewakili bagian dari keseluruhan. Teknik ini memberikan cara sederhana untuk mengatur data dan membandingkan ukuran setiap komponen satu sama lain.
  

• Diagram garis dan diagram area: Visualisasi ini menunjukkan perubahan dalam satu kuantitas atau lebih dengan mengatur serangkaian titik data dari waktu ke waktu dan sering digunakan dalam analitik prediktif. Diagram garis menggunakan garis untuk menunjukkan perubahan ini, sementara diagram area menghubungkan titik data dengan segmen garis, menumpuk variabel di atas satu sama lain dan menggunakan warna untuk membedakan antara variabel.

• Histogram: Diagram ini mengatur distribusi angka menggunakan diagram batang (tanpa spasi di antara batang), menunjukkan jumlah data yang berada dalam satu rentang tertentu. Visual ini memudahkan pengguna akhir untuk mengidentifikasi outlier dalam kumpulan data tertentu.

• Diagram sebar: Visualisasi ini bermanfaat dalam mengungkapkan hubungan antara dua variabel dan biasanya digunakan dalam analisis data regresi. Namun, visualisasi ini terkadang dapat disalahartikan sebagai diagram balon, yang memvisualisasikan tiga variabel menggunakan sumbu x, sumbu y, dan ukuran balon.

• Heat map: Tampilan representasi grafis ini sangat membantu dalam memvisualisasikan data perilaku berdasarkan lokasi. Visualisasi ini bisa berupa lokasi di peta, atau bahkan halaman web.

• Peta pohon, yang menampilkan data hierarki sebagai sekumpulan bentuk bersarang, biasanya berupa persegi panjang. Peta pohon sangat berguna untuk membandingkan proporsi antara berbagai kategori yang ada berdasarkan ukuran wilayahnya.

Akses ke alat visualisasi data tidak pernah semudah ini. Pustaka sumber terbuka seperti D3.js memungkinkan analis menyajikan data secara interaktif, sehingga mereka dapat melibatkan audiens yang lebih luas dengan informasi yang lebih dinamis. Beberapa pustaka visualisasi sumber terbuka paling populer meliputi:

• D3.js: Ini adalah pustaka JavaScript front-end untuk menghasilkan visualisasi data yang dinamis dan interaktif di browser web. D3.js (tautan berada di luar ibm.com) menggunakan HTML, CSS, dan SVG untuk membuat representasi visual data yang dapat dilihat di browser apa pun. Pustaka ini juga menyediakan fitur untuk interaksi dan animasi.

• ECharts: Sebuah pustaka bagan dan visualisasi yang kuat dan menawarkan cara mudah untuk menambahkan bagan yang intuitif, interaktif, dan sangat mudah disesuaikan untuk produk, makalah penelitian, presentasi, dll. ECharts (tautan berada di luar ibm.com) berbasis JavaScript dan ZRender, sebuah pustaka kanvas yang ringan.

• Vega: Vega (tautan berada di luar ibm.com) mendefinisikan dirinya sebagai "tata bahasa visualisasi", yang memberikan dukungan untuk menyesuaikan visualisasi di seluruh kumpulan data besar yang dapat diakses dari web.

• deck.gl: Alat ini adalah bagian dari rangkaian kerangka kerja visualisasi sumber terbuka Uber. deck.gl (tautan berada di luar ibm.com) adalah kerangka kerja, yang digunakan untuk analisis data eksplorasi pada big data. Alat ini membantu membangun visualisasi yang didukung GPU berkinerja tinggi di web.

Dengan banyaknya alat visualisasi data yang tersedia, ada juga peningkatan visualisasi informasi yang tidak efektif. Komunikasi visual harus sederhana dan matang agar visualisasi data Anda membantu audiens mencapai insight atau kesimpulan yang diinginkan. Praktik terbaik berikut dapat membantu memastikan visualisasi data Anda berguna dan jelas:

Tetapkan konteks: Penting untuk memberikan latar belakang yang relevan agar audiens memahami mengapa data tersebut penting. Sebagai contoh, jika tingkat pembukaan email rendah, kita dapat membandingkannya dengan rata-rata industri untuk menunjukkan bahwa perusahaan memiliki masalah dalam saluran pemasaran ini. Agar dapat mendorong tindakan, audiens harus memahami bagaimana kinerja saat ini dibandingkan dengan sesuatu yang konkret, seperti tujuan, tolok ukur, atau indikator kinerja utama (KPI).

Kenali audiens Anda: Pertimbangkan siapa yang akan menggunakan visualisasi Anda dan pastikan visualisasi data tersebut sesuai dengan kebutuhan mereka. Apa yang ingin mereka capai? Pertanyaan macam apa yang mereka pedulikan? Apakah visualisasi Anda mengatasi masalah mereka? Anda perlu memastikan bahwa data yang Anda sajikan mampu memotivasi orang untuk bertindak sesuai dengan peran mereka. Jika Anda ragu apakah visualisasi Anda sudah jelas, tunjukkan kepada satu atau dua orang dari target audiens untuk mendapatkan masukan. Dengan begitu, Anda dapat melakukan revisi sebelum presentasi utama.

Pilih visual yang efektif: Visual spesifik dirancang untuk jenis kumpulan data tertentu. Misalnya, diagram sebar menunjukkan hubungan antara dua variabel, sedangkan grafik garis lebih baik untuk menampilkan data dalam deret waktu. Pastikan bahwa visual benar-benar membantu audiens dalam memahami poin-poin utama Anda. Bagan dan data yang tidak selaras dapat mengakibatkan hal yang sebaliknya, yaitu membingungkan audiens Anda lebih jauh dan bukannya memberikan kejelasan.

Tetaplah sederhana: Alat visualisasi data memungkinkan Anda untuk menambahkan berbagai informasi ke dalam visual. Namun, hanya karena Anda bisa, tidak berarti Anda harus melakukannya! Dalam visualisasi data, Anda harus berhati-hati dalam menyertakan informasi tambahan agar tetap fokus pada hal-hal yang paling relevan bagi pengguna. Misalnya, apakah Anda memerlukan label data pada setiap batang di diagram batang Anda? Mungkin Anda hanya perlu satu atau dua untuk membantu menggambarkan poin Anda. Apakah Anda membutuhkan berbagai warna untuk mengomunikasikan ide Anda? Apakah Anda menggunakan warna yang dapat diakses oleh berbagai audiens (mis. memperhitungkan audiens buta warna)? Rancang visualisasi data Anda untuk memberikan dampak maksimal dengan menghilangkan informasi yang dapat mengalihkan perhatian audiens.