Ons brein beschikt over een wonderlijk derde geheugensysteem naast het korte- en langetermijngeheugen: het zintuiglijk geheugen. In mijn vorige blog liet ik zien hoe dit geheugen ons helpt razendsnel belangrijke informatie te herkennen. In deze blog leg ik uit hoe dat kan, wat pre-attentieve eigenschappen zijn, en hoe je deze krachtige tools kunt gebruiken in datavisualisaties. Met vandaag deel 1: hoe zet je kleur effectief in!
Een korte introductie
Even een korte introductie: pre-attentive eigenschappen zijn kenmerken (attributes) van dingen om ons heen die wij registreren in ons brein vóórdat we ons daar echt bewust van zijn (preattentive). Dit doen we in ons zintuiglijk geheugen (sensory memory). Nu hebben de meeste mensen vijf zintuigen (zicht, reuk, smaak gehoor en gevoel), maar we beperken ons hier tot het zicht en dus pre-attentieve visuele eigenschappen.
Wie mijn vorige blog of Tableau Public-visualisatie over het zintuiglijk geheugen gezien heeft, heeft kunnen ervaren hoe veel sneller je een tijger in het hoge gras ziet als deze een ander kleurtje heeft.
![](https://www.theinformationlab.nl/wp-content/uploads/2022/12/Screenshot-2022-12-06-at-16.06.39-1.png)
![](https://www.theinformationlab.nl/wp-content/uploads/2022/12/Screenshot-2022-12-06-at-16.05.00.png)
We kunnen pre-attentieve visuele eigenschappen indelen in grofweg drie hoofdcategorieën: vorm (in vele facetten), positie en kleur. Uiteraard kun je heel goed verschillende categorieën met elkaar combineren, maar welke eigenschap op welk moment het meeste effect heeft, hangt af van de bedoelde boodschap. Vandaag beginnen we met de laatste categorie: kleur.
Hoe zet je kleur effectief in?
Als je het woordje tiger in het tweede plaatje eerder zag dan in het eerst plaatje, dan ben je niet de enige. “Maar dat is toch logisch?”, hoor ik je zeggen. Dat klopt. Je herkent een verschil in kleur namelijk eerder dan het verschil tussen de woorden tiger en taller. Dat is een interessant gegeven als je belangrijke informatie eruit wil laten springen in een visualisatie.
Je kunt kleur op twee manieren inzetten: door contrasterende tinten (kleuren) te gebruiken, of door een verschil in intensiteit of verzadigdheid.
Verschillende kleuren
Door het gebruik van verschillende kleuren (rood, geel, blauw, etc.) kun je duidelijk onderscheid maken tussen categorische of kwalitatieve data. Wanneer objecten in een visualisatie dezelfde kleur hebben, gaan mensen er vanuit dat deze tot dezelfde groep behoren. Deze tactiek kun je bijvoorbeeld inzetten om onderscheid te maken tussen winstgevende en verlieslatende jaren per regio, productgroepen van elkaar onderscheiden of onderscheid maken op een specifieke grenswaarde. Bekijk hier mijn Tableau Public-story met wat voorbeelden.
Maar er zijn ook risico’s en beperkingen. Zo kun je beter niet meer dan zeven kleuren in een enkele visualisatie gebruiken. Allereerst omdat het daarboven moeilijk wordt om bij te houden welke kleur bij welke categorie of waarde hoort. Daarnaast wordt het onderscheid tussen kleuren steeds kleiner als je er meer op je scherm hebt. Met drie kleuren kun je duidelijke tegenstellingen gebruiken, maar met twaalf kleuren ben je al snel aangewezen op verschillende soorten blauw of rood door elkaar. Als deze kleuren niet direct naast elkaar staan, zijn ze moeilijk te vergelijken.
![](https://www.theinformationlab.nl/wp-content/uploads/2022/12/Screenshot-2022-12-07-at-12.36.19.png)
Kleurintensiteit
Een andere manier om kleur in te zetten is door kleurintensiteit te gebruiken. Door te spelen met licht en donker kun je op een subtiele maar toch duidelijke manier nadruk leggen op verschillen tussen waarden. Deze manier is vooral geschikt voor kwantitatieve waarden, aangezien het gebruik van eenzelfde kleur met een andere intensiteit of verzadiging, insinueert dat we te maken hebben met eenzelfde eenheid maar met andere waarden.
Een manier om dat duidelijk te laten zien, is door het gebruik van een highlight table (niet te verwarren met een heat map, zoals deze visualisatie vaak genoemd wordt). We zien per jaar per maand de winst van ons bedrijf. Winst is de enige waarde, dus de hoogte van het bedrag is rechtstreeks gerelateerd aan hoe donker de kleur is. Als variatie hierop kun je ook twee kleuren gebruiken, een voor de waarden onder 0, de ander voor waarden boven 0. Zo combineer je verschillende kleuren en kleurintensiteit in één visualisatie.
![](https://www.theinformationlab.nl/wp-content/uploads/2022/12/Screenshot-2022-12-07-at-12.19.21.png)
Beperkingen voor kleurgebruik
Kleuren zijn een krachtig instrument voor visualisaties, maar zijn niet in elke situatie even geschikt. Zo is het goed mogelijk om te veel kleuren te gebruiken. Het is voor de gebruiker van de visualisatie dan al snel onduidelijk welke kleur waarbij hoort. En zoals we in de highlight table hierboven al zagen, is het lastig om de kleur van cellen met elkaar te vergelijken als deze niet rechtstreeks naast elkaar liggen. Daarbij geeft de kleur niet meer dan een indicatie; exacte bedragen kun je er niet aan aflezen.
Kleurgebruik is al helemaal tricky als je er rekening houdt dat zo’n 8 procent van de mannelijke bevolking lijdt aan een vorm van kleurenblindheid. Voor vrouwen is dit zo’n 1 procent. Dat wil niet zeggen dat zij géén kleuren zien, of visualisaties waarin kleur gebruikt wordt hoe dan ook niet begrijpen, maar het is iets om rekening mee te houden. Lees voor meer achtergrond hierover ook deze blog op de website van Tableau over kleurenblindheid of deze van mijn collega Daan.
Wil je de voordelen, gebruiksvormen, do’s en don’ts nog eens rustig visueel bekijken? Hieronder in mijn Tableau Public-story (die net niet goed op de pagina past), zie je hoe je kleur effectief inzet. Maar voor een betere gebruikservaring bekijk je ‘m op Tableau Public.
Dit is de tweede van mijn serie blogs over het hoe, wat en waarom van datavisualisaties. Lees hier de vorige. Meer blogs (met links) volgen in de rest van deze maand. Klik hier voor het complete overzicht van al mijn blogs, of bekijk mijn profiel op The Information Lab of op Tableau Public.
Bekijk onze andere blogs over Tableau, Alteryx, and Snowflake.
Werk samen met een van onze consultants en haal alles uit je data.
Neem contact met ons op, en wij helpen je meteen.