Tips til bedre datavisualisering
Datavisualisering åbner op for nye indsigter i dine data og hjælper til at skabe et bedre overblik. Vælger du de rette diagrammer til de rette formål, kan du sammensætte en visuelt overbevisende og sammenhængende historie.
Herunder får du en række input til nogle af de vigtigste overvejelser, du bør gøre dig, når du arbejder med datavisualisering. Derudover introducerer vi dig for nogle af de mest anvendte diagramtyper, samt giver et bud på hvilke former for datavisualisering de forskellige diagrammer, egner sig bedst til.
Tænk brugeren ind i opsætningen
Hvem designer du datavisualiseringen for, og hvor ønsker de at dataene skal visualiseres? Når du ved hvem dit publikum er, vil det hjælpe dig til at afklare, hvilke data du har brug for.
Ved at skræddersy indholdet til den enkelte bruger eller brugergruppe, bliver det nemmere at skabe den rette balance mellem informativ og inspirerende datavisualisering.
Nogle brugere – internt såvel som eksternt – vil være tilfredse med et simpelt cirkeldiagram, mens andre ønsker mere detaljerede visualiseringer, der samtidig lader dem dykke længere ned i de indsigter, du har samlet. Det er sjældent optimalt at designe ét dashboard til hele organisationen.
Bemærk at mange ofte har svært ved at forklare, hvad de ønsker uden at se konkrete muligheder. Så hjælp dine interessenter ved at illustrere forskellige muligheder, da det vil gøre det nemmere for dem at sætte ord på deres ønsker til det visuelle og detaljerne.
Fastlæg målene med datavisualiseringen
For at strukturere din datavisualisering bør du fokusere på at lave en logisk fortælling og på den baggrund dykke ned i de indsigter, der betyder mest. Det er vigtigt at indstille et klart sæt mål og målsætninger, før du opbygger dine rapporter og dashboards. Når du ved hvilken historie, du vil fortælle, bliver det også nemmere at vælge den rette datavisualiseringstype.
Hver rapport eller dashboard bør sammensættes, så de indeholder svaret på det mest grundlæggende spørgsmål – “Hvilke skridt skal der tages nu, når vi har disse indsigter?”. Det overordnede mål med dine visualiseringer er således altid at klæde brugerne på til at kunne tage handling.
Datavisualiseringen skal samtidig udformes således, at den stemmer overens med beslutningens frekvens. Er beslutningen strategisk, hvilket betyder, at det kun behøver at blive besvaret en gang, eksempelvis ved større investeringer, eller er beslutningen operationel, hvor det måske drejer sig om beslutninger flere gange om dagen? Den tredje mulighed er taktiske beslutninger, som måske kræver regelmæssig ugentlig eller månedlig gennemgang på et møde?
Opbyg sammenligninger og kontekst for din datavisualisering
Når du præsenterer dine data, skal du overveje om det giver mening at tilføje håndgribelige sammenligninger for at skabe kontekst.
For at blive klædt bedst på til at kunne handle, vil det således være fordelagtigt, hvis brugeren har et tydeligt mål eller en benchmark fra en tidligere periode at forholde sig til.
Ved eksempelvis at præsentere to grafer ved siden af hinanden, som hver viser kontrasterende versioner af de samme oplysninger over en bestemt tidsramme, såsom månedlige salgsdata for 2017 og 2018, vil dine data i langt højere grad fremhæve styrker, svagheder, tendenser og muligheder som der kan handles på.
Optimér farvevalg og rangering på diagrammer
Når det kommer til opsætning af grafer, er det vigtigt at vælge farverne med omhu. De fleste er eksempelvis vant til at grøn indikerer positive tendenser, mens rød angiver negative. Hvis du vælger andre farve til at indikere positiv/negativ, kan det forvirre.
Anvend ikke farver der ligger for tæt op ad hinanden på farvespektret, men sørg samtidig for at visualiseringen ikke skævvrides, ved at nogle farver står meget stærkere end andre uden grund.
Sammensætter du et dashboard eller en rapport med flere visualiseringer, bør du også overveje farvepaletten på tværs af diagrammer – skal paletten være den samme, eller ønsker du at nogle diagrammer fremhæves yderligere? Farver kan have stor betydning for, hvor øjet først søger hen, hvorfor det oftest vil være fordelagtigt at anvende de samme farver.
Rangeringen af din datavisualisering spiller ligeledes en rolle i, hvad der vægter højest og/eller forløbet brugeren skal igennem for at opnå den optimale tolkning af dataene.
Husk også disse hurtige tips til datavisualisering
Inden vi kigger nærmere på anvendelsen forskellige graftyper, får du her lige nogle ekstra huskeregler til dit arbejde med datavisualisering.
Generelt anbefaler vi at du:
- Anvender tydelige etiketter, beskrivende noter og lignende til at guide brugerne
- Undgår skævvridning af data ved at lade akserne på diagrammer starte ved 0
- Dropper 3D – det forstyrrer og giver ingen fordele
- Er konsekvent i valg af diagramtype på tværs af visualiseringer, der lægger op til sammenligning
- Overvejer hvor brugeren ser på visualiseringerne – pc, tablet, mobil
- Holder dine visualiseringer så simple som muligt, for at styrke budskabet og gøre afkodning nemmere.
Vælg de rette diagrammer til datavisualisering
Her følger nogle eksempler på hvilke af de mest gængse visualiseringstyper der passer bedst til hvilke former for datavisualisering.
a) Linjediagrammer og områdediagrammer
Hvis du ønsker at visualisere en ændring over en given tidsperiode, er et simpelt linjediagram yderst effektivt.
Dertil kommer at du i linjediagrammet på en overskuelig måde kan sammenligne forskellige variabler over den givne tidsperiode. Her anbefaler vi dog max 5-7 variabler for at bevare overblikket.
På samme måde som linjediagrammer, er områdediagrammer gode til at visualisere en udvikling over tid. I og med at områdediagrammer har fyld, er de dog ikke velegnede til situationer, hvor linjer overlapper.
I stedet bruges disse oftest bedst, når det giver mening at stable værdierne, for eksempelvis for at vurdere værdier i forhold til helheden samt for at understrege, at det er kumulative værdier.
b) Søjlediagrammer og stablede søjlediagrammer
Søjlediagrammer bruges til at sammenholde mængder indenfor forskellige kategorier.
Ved at anvende farvekodning kan du sammenholde en række data på en overskuelig måde.
Som ved områdediagrammer, kan søjlediagrammer også med fordel stables, for at vurdere dele af en helhed. Her skal du være opmærksom på ikke at inkludere for mange kolonner, da overblikket ellers vil forsvinde.
Horisontale søjlediagrammer er oplagte til sammenlignende placeringer, eksempelvis som ved en top-fem liste. Sørg for at holde dem i en rækkefølge, der giver mening – enten listet efter værdi eller, hvis det ikke er muligt, efter en anden logik såsom alfabetisk eller tid.
c) Cirkeldiagrammer og donutdiagrammer
Cirkeldiagrammer har måske fået et lidt dårligt ry gennem tiden. Men det ændrer ikke ved, at et lagkagediagram kan fungere som en ganske udmærket form for datavisualisering, hvis brugt korrekt.
Cirkeldiagrammerne viser sig særligt nyttige, når man ønsker at demonstrere den forholdsmæssige sammensætning af en bestemt variabel. De er således velegnede til situationer, hvor overordnede vurderinger er nok, og når delene til sammen giver 100%. Dertil kommer at de fleste brugere kender til cirkeldiagrammer og ved derfor instinktivt, hvordan de skal afkodes.
Dog er det stadig vigtigt at huske, at det kan være svært at få værdi ud af et cirkeldiagram, hvis der er for mange variabler og/eller disse lægger tæt på hinanden i størrelse. Derfor anbefaler vi i sådanne tilfælde at forsyne variablerne med etiketter, der angiver værdien for hver.
Har du et cirkeldiagram med mere end 7 variabler, bør du overveje at ændre det til eksempelvis et søjlediagram. Dette gør det sværere at afkode andelen af helheden, men gør det til gengæld nemmere at afkode variablerne i forhold til hinanden.
d) Scatterplots og bobblediagrammer
Scatterplots viser værdierne af to variabler plottet langs to akser. Mønsteret mellem punkterne visualiserer sammenhængen imellem dem. En af fordelene ved scatterplots er, at disse kan indeholde langt flere elementer end ovennævnte graftyper.
Et scatterplot er godt til at fremhæve korrelationer mellem dimensionerne. Konklusionerne drages altså i høj grad ud fra grupperingen (eller den udeblivende gruppering) af punkterne, frem for de individuelle punkter.
For scatterplots er det dog vigtigt at huske, at det kræver en vis mængde af punkter for at give mening. Dog gælder det også modsat – jo flere punkter der inkluderes, desto længere tid kan det tage at undersøge visualiseringen, før den kan fortolkes. Så hvis det handler om at opnå et hurtigt indblik, er et scatterplot måske ikke det rette valg.
Bobblediagrammer ligner scatterplots, men udmærker sig ved, at det er muligt at vise variationen mellem tre dataposter. Størrelsen af de enkelte bobler repræsenterer den tredje variabel. Det gør grafen mere kompleks og sværere at afkode hurtigt, men det åbner samtidig op for andre analysemuligheder.
e) Radardiagram
Radardiagrammer er visualiseringer, som sammenligner flere kvantitative variabler.
Hver variabel er forsynet med en akse, der starter fra midten. Alle akser er arrangeret radialt, med lige afstande og samme skala mellem alle akser. Hver variabel-værdi er tegnet langs sin individuelle akse og alle variablerne i et datasæt og forbundet sammen for at danne en polygon.
Radardiagrammer er nyttige til at se, hvilke variabler ,der har tilsvarende værdier, samt til at indikere hvorvidt, der er afvigelser blandt hver variabel. Radardiagrammer er også nyttige til at se, hvilke variabler der scorer højt eller lavt i et datasæt.
Har du mere end to polygoner i et radardiagram, kan det dog blive svært at afkode.
Ligeledes kan for mange variabler skabe for mange akser, hvilket øger kompleksiteten. Så det anbefales også her, at du holder diagrammerne enkle og med begrænsede antal variabler.
f) Speedometre
Speedometre anvender nåle og farver til at vise data, og er et eksempel på en hurtigt fortolket datavisualisering.
De er gode til at vise en enkelt værdi/et enkelt mål inden for en kvantitativ kontekst, såsom i forhold til den foregående periode eller til en målværdi. Det giver en effektiv indikation af en øjeblikkelig trend.
Speedometre er gode til KPI’er og enkelte datapunkter. Med kun ét datapunkt er de ikke oplagte til at sammenligne forskellige variabler, og er derfor ikke direkte oplagte til at agere ud fra alene. Dertil kommer at speedometre også kan optage en del plads på et dashboard, hvorfor det i nogle tilfælde er bedre at vælge en anden graftype, der kan opsummere flere KPI’er.
g) Taldiagram
Et taldiagram er en af de mest simple visualiseringer, som giver et øjeblikkeligt billede af en bestemt KPI såsom samlet salg, procentdel af levering, samlet antal besøgende og så videre.
Sådanne tal kan med fordel udvides med en farvekode, der angiver, hvordan værdien ligger i forhold til det fastsatte mål.
For taldiagrammer såvel som speedometre gælder, at du bør undgå at have for mange af disse på dit dashboard.
Ligeledes er det vigtigt med tydelig angivelse af periode og beskrivende etiket.
Vil du vide mere om datavisualisering og mulighederne i InfoSuite?
InfoSuite Business Intelligence indeholder en række smarte muligheder, der gør det nemt for dig at optimere dit arbejde med datavisualisering.
Du kan prøve InfoSuite ganske gratis allerede nu, og få en smagsprøve på, hvad du kan med InfoSuite BI.
Anne Mette Christensen
2526 5126
amc@infosuite.com
