Hem de tenir en compte que, a més de l’ús d’un tipus de gràfic adequat per al propòsit que pretenem, l’ús adequat del color en la representació dels mateixos ens ajudarà a transmetre un missatge molt més clar, i que ajudi la interpretació dels resultats que estem mostrant en els mateixos.
L’ús adequat del color en la representació dels mateixos ens ajudarà a transmetre un missatge molt més clar
I no estem parlant de qüestions merament estètiques, que en alguns casos també, sinó que ens referim a utilitzar el color com a vehicle en les nostres visualitzacions analítiques per guiar l’usuari cap a les dades rellevants, la identificació senzilla de categories, tendències… Aportant, per tant, guia en el procés d’anàlisi i, abans que res, evitant en la mesura possible que dades necessàries quedin ocultes, o es representin de manera que pugui generar confusió.
Principis bàsics de l’ús de color
De cara a fer un ús adequat del color, hem de tenir en compte una sèrie de claus o principis bàsics que garanteixin la transmissió correcta de la informació que pretenen les nostres visualitzacions. Podem resumir els mateixos en els següents apartats
Utilitzar colors de manera coherent: És important utilitzar colors de manera coherent en tota la visualització de dades. Això significa que s’han d’utilitzar els mateixos colors per representar les mateixes categories o tipus de dades en diferents gràfics o visualitzacions. Això fa que sigui més fàcil per a l’usuari comprendre la informació i comparar diferents gràfics.
Utilitzar colors amb contrast: Per millorar la llegibilitat i l’accessibilitat de la visualització, és important utilitzar colors amb prou contrast perquè els usuaris puguin distingir fàcilment els diferents elements en la visualització. El contrast també pot ajudar a ressaltar els punts de dades importants.
Triar una paleta de colors adequada: L’elecció d’una paleta de colors adequada és important per assegurar que els usuaris puguin interpretar correctament la informació. Les paletes de colors han de ser fàcils de distingir i no han de ser confuses o excessivament complexes. Habitualment es parla de paletes de colors entre 8 a 12 colors diferents. Més enllà d’aquestes xifres, la pròpia operativa del nostre cervell ens pot fer difícil distingir uns valors dels altres.
Utilitzar paletes de colors qualitatives o seqüencials: Les paletes de colors poden classificar-se en dos tipus principals: paletes qualitatives i paletes seqüencials. Les paletes qualitatives s’utilitzen per representar dades categòriques, mentre que les paletes seqüencials s’utilitzen per representar dades numèriques. És important triar una paleta adequada per al tipus de dades que s’està representant.
Les paletes qualitatives s’utilitzen per representar dades categòriques
Considerar l’audiència: És important considerar l’audiència de la visualització de dades en triar una paleta de colors. Els diferents grups poden tenir diferents preferències i necessitats quant a la percepció del color, i alguns usuaris poden tenir dificultats visuals o de percepció del color. L’elecció d’una paleta de colors adequada pot millorar l’accessibilitat i la comprensió de la informació per a tots els usuaris.
Paletes de color qualitatives, el color com a llegenda
En la confecció de les nostres anàlisis, resulta d’especial utilitat la definició d’una sèrie de colors que ens serviran per identificar els diferents valors d’una dimensió. Aquest principi de coherència, d’assignar el mateix color al mateix valor al llarg de les nostres anàlisis facilitarà la comprensió directa dels nostres usuaris, de manera que identifiquin ràpidament quins elements són més ressenyables sobre el set de dades que estan analitzant.
Com podem veure en l’exemple, utilitzem 3 colors diferents per a cada un dels valors que pot prendre la nostra dimensió d’anàlisi “tipus d’interessat” (Ciutadans, Empreses i Administracions Públiques).
Repassant els conceptes bàsics que comentàvem en l’apartat anterior, el primer que hem aplicat és una sèrie de colors amb prou contrast, que ens permet distingir fàcilment uns segments dels altres. D’aquesta forma, una vegada que s’ha fet una primera lectura de la nostra anàlisi l’usuari pot identificar un color, amb el valor que li correspon, i identificar color i valor d’ara endavant.
En aquest punt, és important la coherència en l’ús del color, de manera que un valor quedi lligat a un color a qualsevol objecte en el qual utilitzem aquesta dimensió. Això fa que la comprensió analítica millori, i sigui molt més eficient la detecció de patrons, evolucions, tendències etc per a aquest valor.
En l’exemple, el gràfic de barres apilat, que mostra una evolució del nombre d’expedients associat al tipus d’interessat, podem identificar fàcilment cada un dels segments, encara que el propi objecte no compta amb llegenda pròpia. Això és el que es coneix com a “llegenda silenciosa”, i és conseqüència d’aquest ús coherent del color per a cada un dels valors analitzats.
En contraposició, si no seguíssim aquest criteri, l’anàlisi resultarà complexa encara que els objectes siguin senzills, i cada un contingui la “traducció” entre el valor i el color utilitzat en cada cas.
El canvi de color, com podem apreciar, ens fa “repensar” i ens compta identificar que estem veient la mateixa informació representada de dues formes diferents. El patró d’anàlisi es complica després d’un ús erràtic de la nostra paleta qualitativa.
Paletes de color seqüencials, graduant valors
En contraposició a les paletes qualitatives que acabem de veure, que associen cada color al valor d’una categoria o dimensió, les paletes de colors seqüencials s’utilitzen per representar dades numèriques en un rang continu.
Les paletes de colors seqüencials s’utilitzen per representar dades numèriques en un rang continu
D’aquesta forma, facilitarem la identificació d’aquells elements que tenen un pes específic important dins d’un determinat càlcul. Així doncs, podem veure, per exemple, a quines regions tenim una densitat de població més gran, o s’estan gestionant un major nombre d’expedients d’un determinat tipus
En l’exemple, utilitzem el que es denomina un gradient seqüencial, en el qual colors més tènues indiquen un menor valor, i els més foscos valors més alts de la mesura representada. Això ens ajuda a identificar ràpidament elements que ens han “d’ocupar” per la seva importància en l’acompliment de l’activitat que estem analitzant. En ocasions podem revertir el comportament, quan ens interessi ressaltar els valors més baixos.
A més del gradient seqüencial, i de cara a reforçar encara més la diferència entre valors baixos i alts, dotant-los d’un matís positiu i negatiu, podem fer ús del que es denominen gradients divergents, en el qual utilitzem dos colors (un de negatiu i positiu) en els extrems, a través dels quals realitza la transició.
Com veiem, l’objecte d’anàlisi ressalta, gràcies a la paleta seqüència divergent, aquells expedients que porten oberts un major nombre de dies (que és la nostra mesura d’anàlisi), de manera que la nostra atenció se centri en la seva quantificació, i posterior selecció i resolució.
Colors amb significat
A l’hora d’assignar colors, i generar les paletes associades als nostres elements analítics, hem de tenir present que hi ha colors, que, per qüestions culturals i d’ús costumista, transmeten ja un missatge pròpiament a l’usuari que ho percep.
Un clar exemple d’aquests colors, són els associats a indicadors semafòrics. Quan pensem en un semàfor, el color vermell s’identifica com a una cosa que ens ha de fer parar, i en conseqüència tradicionalment com a alguna cosa negativa, també una alerta. Cas contrari és el del verd, que tant per qüestions d’ús en semàfors com en un altre tipus d’indicadors, s’associa que l’operativa associada és l’adequada. A aquests dos colors base podem sumar el groc, com a color intermedi d’alerta o precaució.
Un ús adequat dels mateixos ens permetrà, com en el kpi de l’exemple, reforçar el missatge que una baixada és una cosa negativa (que no ho és per a totes les mesures) i posar en alerta (o reforçar el missatge que tot opera segons deu) l’usuari perquè continuï analitzant per veure les possibles causes i proposar solucions sobre això.
Així doncs, en la definició dels colors que utilitzarem, hauríem de comptar, amb un color (o fins i tot una paleta seqüencial addicional) que ens permeti identificar valors positius (èxit, habitualment una gamma de verd), valors negatius (o fracàs, tradicionalment vermell) i un altre associat a les alertes (tradicionalment grocs o taronges).
Aquests colors són complementaris a la resta, i és una bona pràctica no utilitzar colors amb significat propi en la definició de paletes qualitatives (per no associar una interpretació positiva o negativa a determinats valors), ni tampoc en paletes seqüencials que no vulguin traslladar el missatge bo/dolent.
Així mateix, i en qüestions de significat es refereix, i pensant en colors que tenen un caràcter més neutre, jugant amb colors més foscos o amb més contrast, podem aconseguir ressaltar els valors associats a una determinada categoria.
Accessibilitat
Com hem vist, l’ús del color és una part important de la presentació de dades i pot ajudar a ressaltar tendències, patrons i punts de dades importants. Tanmateix, és important tenir en compte que no tots els usuaris poden interpretar el color de la mateixa manera. De fet, gairebé el 9 % de la població presenten algun tipus de daltonisme, el que significa que tenen dificultats per distingir certs colors.
A més, algunes persones poden tenir dificultats per distingir certs colors a causa de discapacitats visuals, envelliment, dolenta il·luminació o simplement perquè estan utilitzant una pantalla de baixa qualitat. Per tant, és important assegurar-se que els gràfics i visualitzacions de dades siguin accessibles per a tots els usuaris, independentment de la seva capacitat visual.
Gairebé el 9 % de la població presenta algun tipus de daltonisme
Per aconseguir l’accessibilitat en l’ús de color en l’analítica de dades, és important seguir algunes pautes. En primer lloc, és important triar colors que siguin fàcilment distingibles per a aquells amb daltonisme o altres discapacitats visuals. En general, els colors més segurs són el blau, el verd, el groc i el vermell fosc. A més, és important tenir en compte el contrast entre els colors utilitzats. Un contrast adequat entre els colors facilitarà la lectura de les dades per a aquells que tenen dificultats visuals.
A més, és important proporcionar alternatives per a aquells que no poden veure els colors. Per exemple, es poden incloure etiquetes o patrons per indicar diferents categories de dades, juntament amb colors. D’aquesta manera, aquells que tenen dificultats per distingir els colors poden utilitzar aquestes etiquetes o patrons per comprendre les dades.
Conclusió
Tal com hem vist, un ús adequat del color pot facilitar la comprensió i pròpiament l’anàlisi de les dades. Aplicant els conceptes comentats, com les paletes de colors seqüencials i qualitatives, l’ús coherent de determinats colors… ens resultaran eines útils per representar diferents tipus de tatos i destacar patrons, tendències… que tenen rellevància per al nostre dia a dia.
Per contra, un ús inapropiat del color ens pot portar a una menor eficiència de les nostres anàlisis, en els que ens costi interpretar què es pretén visualitzar en cada cas, o fins i tot fer-nos arribar a conclusions errònies (per exemple utilitzant amb significat propi com el vermell per a valors d’acompliment positius).
Un ús adequat del color és una part molt important d’una visualització de dades efectiva
Així doncs, un ús adequat del color és una part molt important d’una visualització de dades efectiva (més enllà de qüestions estètiques) que ens ajudarà a analitzar i comprendre les dades de manera més eficient i efectiva.
