Visualização de dados. Parte (III), utilização da cor

Devemos ter em conta que, para além da utilização de um tipo de gráfico adequado para o fim a que se destina, a utilização adequada da cor na sua representação ajudar-nos-á a transmitir uma mensagem muito mais clara, o que ajudará na interpretação dos resultados que neles apresentamos.

A utilização adequada da cor na sua representação ajudar-nos-á a transmitir uma mensagem muito mais clara

E não estamos a falar de questões puramente estéticas, que em alguns casos também, mas estamos a referir-nos à utilização da cor como veículo nas nossas visualizações analíticas para orientar o utilizador para dados relevantes, a simples identificação de categorias, tendências.... Proporcionando, assim, orientação no processo de análise e, acima de tudo, evitando, tanto quanto possível, que os dados necessários permaneçam ocultos ou sejam representados de uma forma que possa causar confusão.

Princípios básicos da utilização da cor

Para fazermos uma utilização adequada da cor, temos de ter em conta uma série de chaves ou princípios básicos que garantem a transmissão correta da informação que as nossas visualizações pretendem transmitir. Estes podem ser resumidos nas seguintes secções.

Utilizar as cores de forma coerente: É importante utilizar as cores de forma coerente em toda a visualização de dados. Isto significa que devem ser utilizadas as mesmas cores para representar as mesmas categorias ou tipos de dados em diferentes gráficos ou visualizações. Isto facilita ao utilizador a compreensão da informação e a comparação de diferentes gráficos.

Utilizar cores contrastantes: Para melhorar a legibilidade e a acessibilidade da visualização, é importante utilizar cores com contraste suficiente para que os utilizadores possam distinguir facilmente os diferentes elementos da visualização. O contraste também pode ajudar a destacar pontos de dados importantes.

Escolha de uma paleta de cores adequada: A escolha de uma paleta de cores adequada é importante para garantir que os utilizadores possam interpretar corretamente a informação. As paletas de cores devem ser fáceis de distinguir e não devem ser confusas ou demasiado complexas. Normalmente, falamos de paletas de cores com 8 a 12 cores diferentes. Para além destes números, a forma como o nosso cérebro funciona pode dificultar-nos a distinção entre um valor e outro.

Utilizar paletas de cores qualitativas ou sequenciais: As paletas de cores podem ser classificadas em dois tipos principais: paletas qualitativas e paletas sequenciais. As paletas qualitativas são utilizadas para representar dados categóricos, enquanto as paletas sequenciais são utilizadas para representar dados numéricos. É importante escolher uma paleta apropriada para o tipo de dados que está a ser representado.

As paletas qualitativas são utilizadas para representar dados categóricos

Considerar o público: É importante considerar o público da visualização de dados ao escolher uma paleta de cores. Grupos diferentes podem ter preferências e necessidades diferentes em termos de perceção de cores e alguns utilizadores podem ter dificuldades visuais ou de perceção de cores. A escolha de uma paleta de cores adequada pode melhorar a acessibilidade e a compreensão da informação por todos os utilizadores.

Paletas de cores qualitativas, a cor como legenda

Na preparação das nossas análises, é particularmente útil definir uma série de cores que nos ajudem a identificar os diferentes valores de uma dimensão. Este princípio de coerência, que consiste em atribuir a mesma cor ao mesmo valor ao longo das nossas análises, facilitará a compreensão direta dos nossos utilizadores, para que possam identificar rapidamente os elementos mais notáveis no conjunto de dados que estão a analisar.

Como podemos ver no exemplo, utilizamos 3 cores diferentes para cada um dos valores que a nossa dimensão de análise “tipo de parte interessada” pode assumir (Cidadãos, Empresas e Administrações Públicas).

Revendo os conceitos básicos mencionados na secção anterior, a primeira coisa que aplicámos foi uma série de cores com contraste suficiente, o que nos permite distinguir facilmente um segmento do outro. Desta forma, uma vez feita uma primeira leitura da nossa análise, o utilizador pode identificar uma cor, com o valor que lhe corresponde, e identificar a cor e o valor a partir daí.

Neste ponto, é importante a coerência na utilização da cor, para que um valor esteja ligado a uma cor em qualquer objeto em que utilizemos esta dimensão. Isto torna a compreensão analítica melhor e a deteção de padrões, evoluções, tendências, etc. para esse valor muito mais eficiente.

No exemplo, o gráfico de barras empilhadas, que mostra uma evolução do número de ficheiros associados ao tipo de parte interessada, podemos identificar facilmente cada um dos segmentos, apesar de o objeto em si não ter a sua própria legenda. É o que se designa por “legenda silenciosa”, e é uma consequência desta utilização coerente da cor para cada um dos valores analisados.

Em contrapartida, se não seguirmos este critério, a análise será complexa, mesmo que os objectos sejam simples e cada um contenha a "tradução" entre o valor e a cor utilizada em cada caso.

A mudança de cor, como podemos ver, faz-nos "repensar" e diz-nos para identificar que estamos a ver a mesma informação representada de duas formas diferentes. O padrão de análise é complicado por uma utilização errática da nossa paleta qualitativa.

Paletas de cores sequenciais, valores graduais

Ao contrário das paletas qualitativas que acabámos de ver, que associam cada cor ao valor de uma categoria ou dimensão, as paletas de cores sequenciais são utilizadas para representar dados numéricos numa gama contínua.

As paletas de cores sequenciais são utilizadas para representar dados numéricos numa gama contínua

Desta forma, facilitaremos a identificação dos elementos que têm um peso específico importante num determinado cálculo. Assim, podemos ver, por exemplo, em que regiões temos uma maior densidade populacional, ou em que está a ser gerido um maior número de ficheiros de um determinado tipo.

No exemplo, utilizamos o que se chama um gradiente sequencial, em que as cores mais claras indicam um valor mais baixo e as cores mais escuras indicam valores mais altos da medida representada. Isto ajuda-nos a identificar rapidamente os elementos que nos devem "ocupar" devido à sua importância no desempenho da atividade que estamos a analisar. Por vezes, podemos inverter o comportamento, quando estamos interessados em destacar os valores mais baixos.

Para além do gradiente sequencial, e de forma a reforçar ainda mais a diferença entre valores baixos e altos, dando-lhes uma nuance positiva e negativa, podemos recorrer aos chamados gradientes divergentes, em que utilizamos duas cores (uma negativa e outra positiva) nos extremos, através dos quais se faz a transição.

Como podemos ver, o objeto de análise destaca, graças à paleta de sequências divergentes, os ficheiros que estão abertos há mais dias (que é a nossa medida de análise), para que a nossa atenção se concentre na sua quantificação e posterior seleção e resolução.

Cores com significado

Ao atribuir cores e gerar as paletas associadas aos nossos elementos analíticos, temos de ter em conta que há cores que, por razões culturais e habituais, já transmitem uma mensagem ao utilizador que as perceciona.

Um exemplo claro destas cores são as associadas aos semáforos. Quando pensamos num semáforo, a cor vermelha é identificada como algo que nos deve fazer parar e, portanto, tradicionalmente também como algo negativo, um alerta. O contrário acontece com o verde, que, tanto nos semáforos como noutros tipos de indicadores, está associado a um funcionamento adequado. A estas duas cores de base podemos acrescentar o amarelo, como cor intermédia de aviso ou de precaução.

Uma utilização adequada destas cores permite-nos, como no exemplo do kpi, reforçar a mensagem de que uma queda é algo negativo (o que não acontece com todas as medidas) e alertar (ou reforçar a mensagem de que tudo está a funcionar como deveria) o utilizador para continuar a analisar para ver as possíveis causas e propor soluções.

Assim, na definição das cores que vamos utilizar, devemos ter uma cor (ou mesmo uma paleta sequencial adicional) que nos permita identificar valores positivos (sucesso, normalmente uma gama de verde), valores negativos (ou insucesso, tradicionalmente vermelho) e outra associada a alertas (tradicionalmente amarelo ou laranja).

Estas cores são complementares às restantes, sendo boa prática não utilizar cores com significado próprio na definição de paletas qualitativas (para não associar uma interpretação positiva ou negativa a determinados valores), nem em paletas sequenciais que não pretendam transmitir a mensagem bom/mau.

Da mesma forma, e em termos de significado, e pensando em cores que têm um carácter mais neutro, jogando com cores mais escuras ou com maior contraste, podemos destacar os valores associados a uma determinada categoria.

Acessibilidade

Como vimos, a utilização da cor é uma parte importante da apresentação de dados e pode ajudar a realçar tendências, padrões e pontos de dados importantes. No entanto, é importante ter em conta que nem todos os utilizadores conseguem interpretar a cor da mesma forma. De facto, quase 9% da população tem alguma forma de daltonismo, o que significa que tem dificuldade em distinguir determinadas cores.

Além disso, algumas pessoas podem ter dificuldade em distinguir certas cores devido a deficiências visuais, envelhecimento, iluminação deficiente ou simplesmente porque estão a utilizar um ecrã de má qualidade. Por conseguinte, é importante garantir que os gráficos e os dados sejam acessíveis a todos os utilizadores, independentemente da sua capacidade visual.

Quase 9% da população sofre de algum tipo de daltonismo

Para conseguir acessibilidade na utilização da cor na análise de dados, é importante seguir algumas diretrizes. Em primeiro lugar, é importante escolher cores que sejam facilmente distinguíveis para as pessoas daltónicas ou com outras deficiências visuais. Em geral, as cores mais seguras são o azul, o verde, o amarelo e o vermelho-escuro. Além disso, é importante ter em conta o contraste entre as cores utilizadas. Um contraste adequado entre as cores tornará os dados mais fáceis de ler para as pessoas com deficiência visual.

Além disso, é importante fornecer alternativas para quem não consegue ver as cores. Por exemplo, podem ser incluídas etiquetas ou padrões para indicar diferentes categorias de dados, juntamente com as cores. Desta forma, as pessoas que têm dificuldade em distinguir as cores podem utilizar estas etiquetas ou padrões para compreender os dados.

Conclusão

Como vimos, uma utilização adequada da cor pode facilitar a compreensão e a análise dos dados. Aplicando os conceitos abordados, como as paletas de cores sequenciais e qualitativas, a utilização coerente de determinadas cores... serão ferramentas úteis para representar diferentes tipos de dados e evidenciar padrões, tendências... que são relevantes para o nosso quotidiano.

Por outro lado, uma utilização inadequada da cor pode levar-nos a uma menor eficácia da nossa análise, em que é difícil interpretar o que se pretende visualizar em cada caso, ou mesmo fazer-nos chegar a conclusões erradas (por exemplo, utilizar o vermelho para valores de desempenho positivos).

A utilização correta da cor é uma parte muito importante de uma visualização de dados eficaz

Assim, a utilização correta da cor é uma parte muito importante de uma visualização de dados eficaz (para além das questões estéticas) que nos ajudará a analisar e a compreender os dados de forma mais eficiente e eficaz.