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.