Jak dobrać odpowiedni wykres do zagadnienia - praktyczne wskazówki aby dane były czytelne

Power BI

Dobór odpowiedniego wykresu do wizualizacji danych w Power BI (lub w innych narzędziach) zależy od rodzaju informacji, jakie chcemy przekazać, i od charakterystyki danych. Decyzja, który wykres wykorzystamy  zależy od celu analizy, danych i odbiorców raportu. Zapewne wiele razy spotkaliście się z pojęciem „poznaj odbiorcę raportu” i wydaje się to oczywiste ale może to jest pierwszy krok nad którym powinniśmy się zastanowić aby dobrze zaprojektować raport. Warto wiedzieć jakie są oczekiwania użytkowników raportu na samym końcu. Sami się zastanówcie czy logistyk będzie oczekiwał kolorowych słupków z danymi czy byłby bardziej zadowolony mając dane w formie tabelarycznej? A prezes, który chce pochwalić się wynikami sprzedażowymi przed zarządem też zaakceptuję tabelkę?

Jak widać już na samym początku trzeba określić cel danych oraz to do czego te wizualizację będą wykorzystane. Jest to temat ważny ale nie chciałbym poświęcać mu więcej czasu bo w tym artykule skupimy się na zasadach i standardach wizualizacji i zastanowimy się jaki wykres wybrać dla konkretnych danych.

Pierwszym niezbędnym elementem będzie określenie celu wizualizacji. Zastanówmy się zawsze czy naszym celem będą porównania (np. różnicę między okresami czy kategoriami), a może zależy nam na zaprezentowaniu trendów w czasie, proporcji gdy chcemy pokazać udziały w całości. A może potrzebujemy pokazać zależności między zmiennymi, korelację czy dane geograficzne.

Możliwości jak widać jest wiele i mamy do tego wiele typów wykresów. Ale tylko dobrze dobrany wykres pozwoli zrozumieć treść wizualizacji, którą chcemy przez niego przekazać.

Książkowa definicja tematyki wizualizacji danych brzmi mniej więcej w taki sposób:

” Wizualna eksploracja danych jest definiowana jako technika przekształcania danych w informację. Ma ona pomóc w podejmowaniu decyzji na każdym, w szczególności zarządczym, szczeblu organizacji”

Tłumacząc to na prosty język można odczytać, że wykres ma być czytelny i przedstawiać tylko najważniejsze dane, które chcemy zaprezentować. Pamiętaj, że więcej nie zawsze znaczy lepiej – w wizualizacji danych jest wręcz odwrotnie. Nadmiar informacji na wykresie powoduje pewne zamieszanie oraz dezorientację, nie pozwalając się skupić na tym co jest naprawdę ważne.

Podejdźmy do tego artykułu dwuetapowo.  W pierwszym etapie zawsze omówimy typy wykresów jakie zastosować do konkretnych danych, natomiast w drugim spróbujemy poznać standardy lub jak kto woli dobre praktyki pracy z wizualizacją.

Zatem czas rozpocząć a więc przenieśmy się w świat danych i postarajmy się je pokazać we właściwy sposób.

Pierwszym naszym zadaniem będzie porównanie wartości (kategorii lub grup).

Spójrzcie na obraz poniżej:

Wszystkie te wykresy przedstawiają te same dane. Zgodzicie się ze mną, że wykres kołowy nie jest najlepszym wyborem do takich danych? Percepcja człowieka nie jest w stanie porównać tych małych wycinków na kole a dodatkowo interpretację danych utrudnia legenda. Zdecydowanie lepiej dla takich danych zastosować wykres kolumnowy lub słupkowy. Na każdej kolumnie widzimy poszczególne kraje i proporcję między danymi.

Przyjrzyjcie się uważnie wykresom kolumnowym. Widzicie pewną subtelną różnicę? Tak! Chodzi o legendę. Warto budować tak wizualizację aby dane były dla ludzkiego oka naturalnie widoczne. Na pierwszym wykresie kolumnowym legenda jest na dole a więc odbiorca najpierw wzrokiem „przeskanował” dane a później przeczytał legendę co one oznaczają. Na wykresie obok już jest lepiej bo legendę umieściłem na górze więc wręcz wymusiłem na użytkowniku aby zapoznał się co dany kolor oznacza i dopiero później zaczął analizować dane.

Dla zaawansowanych analityków może nie ma to aż tak dużego znaczenia ale dla osób, które nie mają takiego doświadczenia będzie to pomocne. I właśnie zapoznaliśmy się z pierwszą dobrą praktyką w standaryzacji wizualizacji. Legenda zawsze do góry – czytaj raport świadomie czyli od lewej do prawej i od góry do dołu.

Drugim naszym wyzwanie będzie porównanie okresów czasowych względem siebie.

Ponownie zapoznajmy się z trzema wykresami poniżej:

Jak w poprzednim przykładzie prezentują te same dane czyli porównanie osiągniętych zysków w dwóch latach w analogicznych okresach. Tym razem omawianie zacznijmy od dobrej praktyki. Weźmy więc na tapet wykres pierwszy. Spójrzcie, że zastosowałem na nim nakładanie się kolumn na siebie oraz nasycenie koloru. Taka praktyka od razu sugeruje, że dane „z tyłu” i mniej nasycone są drugorzędne albo sugerują właśnie porównanie do tego okresu ale z poprzednich lat. Polecam stosować taką praktykę ponieważ w naturalny sposób informujemy na wykresie o tym co chcemy pokazać a dodatkowo gdzieś tam w tle widać dodatkowe dane.

Dokładnie to samo pokazałem obok na wykresie skumulowanym kolumnowym. Ponownie zapytam czy zgodzicie się ze mną, że te dane wprowadzają nas w pewne zakłopotanie? Jesteście w stanie jednoznacznie odczytać np. w maju czy czerwcu jaka różnica wystąpiła między tymi okresami? Pewnie jest zdecydowanie trudniej dlatego taki wykres nie jest najlepszym pomysłem do porównań. Można też zastosować wykres liniowy jak widać powyżej. Potrafi on także zaprezentować te zależności.

Zanim przejdziemy dalej zapamiętajmy kolejną złotą myśl jako dobrą praktykę.

Jeśli coś jest tym samym wymiarem powinno być zaprezentowane w taki sam sposób. Oznacza to, że jeśli pokazuje te przykładowe zyski to zawsze albo na linii albo na słupku czy kolumnie. Bardzo źle zaprezentowane są dane poniżej gdzie pokazałem ten sam wymiar na wykresie kombi. Wprowadza to błędne przekonanie, że to jest co innego.

Jeżeli kolumny byłyby zyskiem a linie liczbą transakcji wtedy jak najbardziej można taki wykres w ten sposób przedstawić.

Idąc dalej warto trzymać się zasady aby na wykresie nie było zbędnych informacji, które nie prowadzą do niczego konstruktywnego a wręcz utrudniają jego czytanie.

Wykresy w MS Excel

650  netto

Jeśli nie jesteś pewien czy szkolenie Wykresy w MS Excel jest dla Ciebie odpowiednie - sprawdź nas...
Zobacz szkolenie

Spójrzcie na dwa wykresy poniżej skupiając swoją uwagę na osi X. Czy na pierwszym wykresie czujecie się trochę przytłoczeni informacjami? Zostały tam wiele razy powtórzone te same informację dotyczące roku i miesiąca. Na drugim wykresie też ale w sposób bardziej rozsądny. Mała zmiana ale jak bardzo wpływa na odbiór prawda?

Dodatkowo warto projektować wizualizacje tak aby opisy etykiet czy tytułów osi były w poziomie (ułatwia to czytanie raportu)

Kolejnym wartym zapamiętania elementem standaryzacji wizualizacji jest to, że wykresy z poziomą osią kategorii są odpowiednie do prezentacji danych, w czasie jak na powyższym obrazie, podczas gdy wykresy z pionową osią kategorii są użyteczne dla prezentacji innych wymiarów. Odwołując się także do mojej poprzedniej myśli, że opisy powinny być w poziomie wykres słupkowy powoli nam bez problemu ten efekt uzyskać.

Teraz potrzebujemy pokazać proporcję jako udziały w całości. Nasuwa się myśl, żeby skorzystać z wykresu kołowego lub pierścieniowego. Przez niektórych jest to wykres znienawidzony i nigdy nie stosowany ale jest także grupa jego zwolenników. Ja należę do tej drugiej ponieważ uważam, że nic tak dobrze nie obrazuje całości jak koło ale oczywiście należy to wykonać jak zawsze z rozsądkiem.

Wykres kołowy lub pierścieniowy sprawdzi się dla prostych zestawień (np. udział procentowy trzech kategorii) jak poniżej. Zwróćcie uwagę, że do wykresu pierścieniowego zastosowałem dodatkową kartę w środku naszego „Donata” aby wskazać dodatkową wartość całości. Sprytna sztuczka wzbogacająca moje dane.

Korzystając z wykresów kołowych można wpaść w kilka pułapek.

Zdecydowanie nie jest zalecane aby użyć tego wykresu jeżeli mamy więcej kategorii – staje się wtedy nieczytelny.

Przykład poniżej gdzie potrzebuje pokazać wyniki sprzedażowe dla numerów tygodnia w roku. Jest ich wiele więc wykres kołowy wygląda dramatycznie. Dobrym rozwiązaniem jest skorzystanie np. z wykresu liniowego gdzie dane są czytelne i przyjazne dla użytkownika.

Nie warto także używać legendy w wykresach kołowych ponieważ nie jest ona czytelna. Kolory są podobne do siebie i trudno je odróżnić szczególnie jeżeli w firmie pracujemy na wskazanych motywach kolorystycznych i dla przykładu mamy trzy odcienie niebieskiego. Zdecydowanie lepiej umieścić te dane na etykietach.

I na koniec rozważań o wykresach kołowych zapoznajmy się z tzw. słonecznikiem. W Power BI Desktop wszystko (domyślnie) na raporcie filtruje się krzyżowo. Oznacza to, że filtry wpływają z fragmentatorów ale także z innych wizualizacji.

Poniżej przygotowałem uproszczony dashboard przedstawiający pewien problem. Mianowicie gdy kliknę na słupek z nazwą kategorii to filtruje ona wykres kołowy (ten na górze) i pokazuje tylko ten wycinek, który jest odpowiedzialny za sprzedaż w kategorii Akcesoria. Oko człowieka nie jest w stanie ocenić precyzyjnie jaki to jest procent. Dlatego żeby uniknąć na tego typu wykresach takich zdarzeń można wyłączyć interakcję między wizualizacjami gdzie włączamy opcję Filtruj. Wtedy wykres kołowy pokaże nam proporcję tylko dla filtrowanej kategorii czyli w tym przypadku Akcesoriów.

Dowiedz się więcej na temat możliwości jakie daje Power BI z naszych szkoleń:
  • Power BI

    Naucz się tworzyć nowoczesne i dynamiczne raporty w dedykowanym narzędziu ze stajni Microsoft. Dzięki szkoleniu będziesz w stanie ...
    Dowiedz się więcej
  • Power BI e-learning

    Power BI to rewolucyjne narzędzie ze stajni Microsoft. To narzędzie, w którym po naszym szkoleniu bez trudu utworzysz czytelne, es...
    Dowiedz się więcej
  • Formuły w Power BI - Język DAX...

    Poznaj osobliwości i tajniki języka DAX, który wykorzystasz w Power BI, Power Pivot, SSAS....
    Dowiedz się więcej

Dokonajmy przyspieszonego przeglądu pozostałych typów wizualizacji.

Zależności między danymi znakomicie pokaże wykres punktowy idealny do pokazania relacji między dwiema zmiennymi lub wykres bąbelkowy z trzema zmiennymi (wielkość bąbelków reprezentuje dodatkową miarę)

Hierarchię lub strukturę danych warto pokazać za pomocą Mapy drzewa (Treemap)

Danych geograficznych nic nie zaprezentuje lepiej niż mapa lub kartogram. Można też użyć mapy z bąbelkami o do pokazania wielkości danych na lokalizacjach (np. sprzedaż wg krajów) – w ten sposób uzyskamy taki efekt naniesienia wykresu kołowego na mapę.

Wszelkiego rodzaju trendy warto pokazywać na wykresach liniowych. Idealnie prezentują one takie dane. Poniżej informacje jak sprzedaż w danym dniu kształtuje się do  średniej z ostatnich 30 dni, 3 miesięcy oraz średniej rocznej. Na wykresie liniowym możemy bez problemu odczytać te dane.

Na koniec jeszcze warto wspomnieć o budowaniu kontekstu na raportach.

Zobaczmy karty poniżej, które przedstawiają nam osiągnięte zyski.

Pokazując tylko pierwszą kartę mógłbym wyciągnąć wniosek, że jest super bo osiągnąłem ponad 16 k zysku i otwierać szampana, natomiast gdy zbuduje kontekst prawidłowo to widzę, że nadal ten zysk został wypracowany ale jest on o 20 % niższy niż w zeszłym roku. Szampana pewnie też bym otworzył, ale smakowałby już chyba troszkę mniej😊

Aby jeszcze bardziej rozbudować wizualizację warto używać sterowania kolorami. Z reguły zielony = wzrost, czerwony = spadek. Kolory takie jednoznacznie symbolizują co się dzieje w naszych raportach.

Podsumowując powyższe przemyślenia aby nasz raport był funkcjonalny i czytelny nie zawsze warto nadmiernie go rozbudowywać. Jego zadaniem jest przekazanie informacji i wyciągnięcie z nich wniosków przez odbiorców.

Aby nie zapomnieć tych zasad wypunktujmy na koniec dobre praktyki:

Nie dodawaj zbędnych elementów, które mogą rozpraszać uwagę

Ogranicz liczbę kategorii na wykresie, aby uniknąć przeładowania

Kolory powinny być intuicyjne (np. zielony = wzrost, czerwony = spadek)

Dodaj fragmentatory, filtry drilldown i drill-through czy dynamiczne tooltipy, aby użytkownicy mogli eksplorować dane

Używaj komentarzy aby pomóc w zrozumieniu co raport ma przedstawić - pamiętaj, że nie zawsze dla każdego będzie to oczywiste

Stosuj się do ogólne przyjętych standardów wizualizacyjnych, które zostały omówione w tym artykule.

Podobne artykuły

Wszystkie artykuły