Producten beginnen vaak simpel en groeien in de loop van de tijd in complexiteit. Met behulp van generatieve datavisualisatie kan je de complexiteit van je product in kaart brengen. In dit artikel laat ik je zien hoe je met een netwerk de afhankelijkheden van je product visueel kunt maken.
Een voorbeeld product
Ik zal eerst wat uitleg geven over een product. Dan hebben we direct een casus voor de netwerkvisualisatie én zie je dat woorden slechts beperkt instaat zijn om afhankelijkheden in kaart te brengen.
Voorbeeld:
Het product genereert t-shirt prints o.b.v. songteksten. Het bestaat uit verschillende onderdelen. De invoerdata voor het product zijn songteksten. Deze worden ingeladen via code, geanalyseerd met de Google Cloud Natural Language API en zo omgezet naar data. Vervolgens gebruikt het product Matplotlib om de data te visualiseren en zo te vertalen naar figuren. Middels een handmatig proces bewerk ik een van de figuren en maak het klaar om te kunnen printen op een shirt.
Het product als een netwerk
In mijn tekst zitten verschillende relaties. Deze relaties hebben een richting: a is invoer voor b. De relaties in het product zijn:
- Songteksten > analyse
- Google Cloud Natural Language API > analyse
- Analyse > data
- Data > visualisatie
- Matplotlib > visualisatie
- Visualisatie > figuren
- Figuren > nabewerking
- Nabewerking > print
Deze relaties zijn te groeperen in verschillende categorieën:
- Invoer
- Proces
- Data
- Afbeeldingen
De tekst, de relaties, en de categorieën bevatten heel wat informatie. Maar zelfs voor het simpele product dat we hier beschrijven, wordt het al lastig om de onderlinge relaties te onthouden. Laat staan voor grotere, complexere producten.
Vragen als “hoeveel processtappen zijn er?” zijn weliswaar terug te herleiden o.b.v. de tekst, al moet je daarvoor de tekst wel even teruglezen.
Hoe zou het eruit zien als we het netwerk visueel maken?
Netwerkvisualisatie
Als ik deze informatie omzet in een visueel netwerk, laat dit netwerk zien uit welke onderdelen het product bestaat:
Door het toepassen van een aantal conditionele opmaakregels, zoals kleuren per categorie en een variabele grootte o.b.v. het aantal relaties, kan ik snel dingen afleiden uit het netwerk.
Ik zie nu direct dat het product:
- Bestaat uit drie processtappen (geel).
- Afhankelijk is van drie invoeren (lichtblauw).
- Analyse en visualisatie belangrijke (grote) elementen zijn.
- Twee soorten output levert (rood).
- Op één punt nieuwe data genereert (donkerblauw).
Dit intuïtieve inzicht maakt een netwerkvisualisatie tot een behapbaar instappunt voor de werking van je product.
Schaalbaar inzicht
Nu denk je misschien: leuk zo’n voorbeeld van een simpel product, maar mijn product is vele malen complexer. Dan heb je geluk: het mooie van generatieve visualisaties is dat ze schaalbaar zijn. Ze passen zich aan o.b.v. jouw situatie.
Zet netwerkvisualisatie in voor jouw product
Denk je dat netwerkvisualisatie je kan helpen? Dan denk ik graag met je mee!
Neem contact met me op.