Datavisualisering används främst för att antingen utforska, bekräfta eller presentera data. Detta görs med olika visualiseringstekniker beroende på typ av data samt syftet med visualisering. JavaScript-bibliotek används för att möjliggöra detta på webben på ett effektivt sätt. Ett av de vanligare biblioteken för olika typer av visualisering är D3.js och är förhållandevis avancerat. Därför har ett antal D3.js-baserade bibliotek skapats med reducerad komplexitet för specifikt datavisualisering. Syftet med detta arbete var att jämföra dessa bibliotek utifrån effektivitet i förhållande till renderingstid. En urvalsprocess resulterade i en jämförelse av två bibliotek, britecharts och plotly.js. Väderdata visualiserades med linjediagram av varierande datamängd och renderingstid mättes. Britecharts var mer effektivt än plotly.js vid lägre datamängder medan plotly.js, på grund av en mer effektiv exponentiell ökning, var mer effektiv vid högre datamängder. Vidare arbete genom att jämföra andra aspekter, utöver renderingstid, skulle kunna tillföra forskningsområdet.

Ett teknikorienterat experiment genomfördes innehållande jämförelsen av renderingstid för datavisualisering av geospatial demografisk data med SVG och Canvas. Med ökande datamängder ökar behovet för hantering, lagring och analysering av den. För att underlätta tolkning av den kan visualiseringstekniker tillämpas. En vanlig visualiseringsteknik för demografisk data är koropletkartor. där specifika områden färgläggs för att beskriva den demografiska spridningen. Ramverk granskades, D3.js användes för SVG-rendering och ECharts för Canvas-rendering. Problemet är att svarstider är direktkopplade till användarupplevelsen och riskerar att försämras vid visualisering av större datavolym i samband med SVG. Därav undersöktes om visualisering av olika mängder data i samband med Canvas kan vara en lämplig lösning på problemet. Studien sammanfattade att SVG lämpade bättre för enkla-, till medelkomplexa kartsorter medan ingen skillnad kunde ses mellan renderingsteknikerna vid rendering av komplexa koropletkartor. Vidare bör människoorienterade experiment, fler teknologier samt diverse sorters data studeras för att öka bredden, generaliserbarheten samt utesluta påverkande faktorer.