Ønsker du å selge en idé, et produkt eller en tjeneste uten problemer? Du må ta i bruk historiefortellingskonseptet for datavisualisering!
Å fortelle en overbevisende historie ved å kutte og kutte data har blitt en viktig ferdighet for enhver karriere og virksomhet. Skal du sikre deg en jobb i et anerkjent merke, må du bevise hva du kan gjøre for selskapet ved å vise databaserte fakta.
Eller, hvis merkevaren din selger noe, må du vise frem, støttet av data, hvordan produktet/tjenesten din kan gjøre en forskjell.
Ønsker du også å ta beina fatt i datavisualisering og bli vellykket som profesjonell eller bedrift? Les denne artikkelen til slutten!
Innholdsfortegnelse
Hva er datavisualisering?
Når du grafisk representerer data i et lett forståelig visuelt format, er det datavisualisering. I denne prosessen bruker dataforskere og analytikere ulike datavisualiseringselementer som grafer, diagrammer, pivoter, varmekart, kart og mer.
Målet er å gjøre data mer tilgjengelig og forståelig for publikum. Ansatte, ledere og interessenter kan enkelt peke ut mønstre, trender og uteliggere i korrekt visualiserte datalysbilder.
Du vil finne datavisualisering overalt i ditt personlige og profesjonelle liv. De fargerike dashbordene du ser i treningsøkten, økonomien, aksjemarkedet, smarthusverktøyet, trafikknavigasjonen, etc., er resultatene av datavisualisering.
Hvordan fungerer datavisualisering?
Datavisualisering fungerer ved å transformere tall til lett forståelige bilder. Hvis du forklarer den stigende trenden i omgivelsestemperaturen på en dag med enkle tall, vil folk neppe forstå det.
Men når du tegner et linjediagram fra inndataene og viser at temperaturen fortsetter å øke fra morgenen av, når en topp og deretter synker når natten nærmer seg, vil grafen lage en invertert V-form. Publikum vil nå lett forstå bevegelsen av temperaturen gjennom dagen.
Datavisualisering fungerer fordi:
- Folk fordøyer enkelt bilder som former, farger, bilder, tegninger osv., sammenlignet med tall og tekster i et regneark.
- Grafer, kart, diagrammer osv. er visuelle metaforer. Siden mennesker behandler bilder raskere enn tekster, kan de enkelt koble sammen punktene under datavisualisering.
- Rådata i seg selv i et database- eller regnearkverktøy har ingen verdi. Når du organiserer rådataene og visualiserer dem, tilfører du verdi til dataene. Visualiserte data er praktisk informasjon og publikum kan bruke den til å løse problemer eller ta beslutninger.
Hvorfor er datavisualisering viktig?
- Det hjelper å absorbere informasjon raskt.
- Siden du får visuelle køer, blir informasjonsbehandling, innsiktsutvinning og beslutningstaking uanstrengt.
- Du kan dele visualiseringer med eksterne og interne samarbeidspartnere med noen få klikk.
- Identifisering av korrelasjoner mellom uavhengige variabler blir en enkel oppgave.
- Du kan bryte ned kompliserte data i enkle biter og deretter visualisere dem for å gi mening.
Ulike typer og eksempler på datavisualisering
#1. Linjegrafer
Du må bruke linjediagrammer eller grafer for å visualisere tidsseriedata. De ligner veldig på spredningsplott, men viser frem datapunkter som er atskilt via tidsintervaller. Linjegrafer forbinder segmenter ved hjelp av linjer og derav navnet.
#2. Områdekart
I likhet med linjediagrammer bruker dataforskere områdediagrammer for å spore data over tid. Verktøyet farger imidlertid det plottede området mellom linjene for flere elementer. For å måle totale volumer, som volumer av ulike produkter som selges i ulike land, kan du bruke denne datavisualiseringstypen.
#3. Nettverksgrafer
Nettverksgrafer består av nettverk, noder, interaksjoner mellom nettverk og veier for å danne svært kompleks grafikk. Hvis du trenger å oppdage mønstre mellom nettverk av klynger, kan du bruke dette datavisualiseringsformatet.
#4. Geografiske kart
Bildekreditt: UBS.com
Du kan presentere og forklare stedsspesifikke data enkelt og meningsfullt ved å bruke en datavisualisering av geografisk karttype. Du vil stort sett se fordelingen av volumbaserte data om mennesker, som stemmeandel, kjønnsandel, internettdekning, elektrisitetsdekning av sanitæranlegg, etc., i geografiske kart.
#5. Trekart
Trekart bruker nestede rektangler for å visualisere hierarkiske data. Slike diagrammer bruker skjermplass effektivt. Derfor kan du sammenligne hundrevis av grupper og deres ytelsestall på en enkelt skjerm. Visualiseringsmodellen bruker også ulike nyanser og temperaturer av farger for å representere ytelsestallene hver gruppe har.
#6. Søylediagram
Søylediagrammer eller diagrammer hjelper deg med å visualisere kategoriske data mot distinkte verdier. På X-aksen må du plassere gjenstandene du observerer. Deretter, på Y-aksen, plotter du verdiene til de tilsvarende elementene. Dermed får du vertikale stolper. Jo høyere verdien av en vare er, desto høyere er baren.
#7. Gantt-diagram
Gantt-diagram er den vanligste typen datavisualisering du kan finne i prosjektledelse.
Det er den horisontale varianten av stolpediagrammet. Gantt-diagram visualiserer oppgaver og deres progresjon i forhold til varigheten av hver oppgave. Den horisontale lengden på stolpene avhenger av starten, progresjonen og slutten av en oppgave.
#8. Kake diagram
Denne datavisualiseringstypen presenterer data i en sirkelformet graf. Når du trenger å sammenligne ulike produkter eller tjenester i henhold til deres inntekter, kan du bruke dette diagrammet. Her anser du hele cellearealet som 100 %. Deretter, i henhold til prosentverdien av hvert element, fordeler du dem over hele celleområdet.
Brukstilfeller av datavisualisering
Identifisere trender og topper
Den primære brukssaken er å identifisere trender, mønstre, relasjoner mellom produkter/tjenester osv. fra et rådatasett. Hvis du ser en plutselig økning i trender gjennom et langsiktig datasett, kan du vurdere at hendelsene øker i løpet av disse intervallene.
For eksempel, under Black Friday-arrangementet, kan du raskt merke en økning i produkt-/tjenestesalg på tvers av e-handelsplattformer.
Overvåking av mål
Dataforskere lager interaktive dashboards ved hjelp av datavisualisering. Disse dashbordene kan vise deg produktivitet, ressursutnyttelse, ytelsesmålinger, salg, markedsførings-ROI, osv. Du kan også gjøre mindre valg og modifikasjoner i dashbordet for tilpasset visualisering av datapunkter.
Tilgang til data
Bedrifter må levere informasjon til sine ansatte i et fordøyelig format. Her kan du også bruke datavisualisering. I stedet for rådata kan du sende ulike diagrammer og grafer for salg, markedsføring, budsjett, inntekter, overheadkostnader, etc.
Nedenfor finner du de beste fremgangsmåtene du bør følge for å gjøre ditt historiefortellingsprosjekt for datavisualisering vellykket:
Målgruppespesifikasjon
Du må lage en datavisualiseringspresentasjon ved å analysere målgruppen. Hvis publikum kommer fra en sterk teknisk bakgrunn, kan du inkludere komplekse visualiseringsverktøy som nettverksgrafer, histogrammer, trekart, Gantt-diagrammer, etc.
Disse gruppene av deltakere kan være fagfolk, lærere, forskere, ledere, etc., og de er klar over komplekse datavisualiseringsverktøy.
Tvert imot, hvis du presenterer funnene dine for et ikke-teknisk publikum, hold deg til enkle diagrammer som spredningsplott, søylediagrammer, linjediagrammer, etc.
Denne publikumsgruppen slutter for det meste brukere, tilskuere i en markedsføringsbegivenhet, prospekter, potensielle kunder, etc., som forstår data med visuelle køer. De kjenner kanskje ikke til de underliggende prinsippene for diagrammene og grafene du bruker.
Definer formålet
Enten du bruker ett eller flere visuelle diagrammer i presentasjonen, sørg for at du definerer formålet med hver grafikk. Ikke overlat det til publikum. Hvis du gjør det, kan det hende du ikke får den oppmerksomheten du ønsker fra dem.
For eksempel, i datavisualiseringen ovenfor for Google Analytics Marketing-nettsted, er det fire grafikk: linjediagram, geografiske kart, horisontale søylediagrammer, osv. Nå, hvis du ser nøye på bildet, vil du se ulike definisjoner for hver visualisering.
- Et linjediagram for trend for nettstedsøkt
- Et geografisk kart for landmessig trend
- Et horisontalt stolpediagram for kanalbasert trend
Bruk av de riktige visualiseringselementene
Ulike diagrammer har varierende brukstilfeller. Du kan ikke bruke en nettverksgraf i stedet for en stolpegraf. Forstå derfor dataene og velg deretter en visualiseringsmetode. Se avsnittet «Datavisualiseringstyper og eksempler» ovenfor for mer veiledning om valg av riktig graf.
I disse dager tilbyr mange datamanipuleringsverktøy som Google Sheets, Excel, etc. 3D-versjoner av mange vanlige diagrammer og grafer. For eksempel et 3D-sektordiagram. Bruk av 3D-kart har imidlertid ulike begrensninger.
Noen ganger visualiserer ikke et 3D-kakediagram dataene slik du burde gjøre det. I et 3D-plan må du også legge til flere merker. Til slutt kan du forvrenge visualiseringen og historien. Hold deg derfor til 2D-diagrammer og grafer siden publikum forstår disse lett.
Riktig merking
Ikke glem å merke grafene og diagrammene du bruker i datavisualiseringsprosjektet. Du må for eksempel nevne verdiene for X/Y-aksen, navn på elementene, forklaringer, tidsramme for datainnsamling osv.
I bildet ovenfor finner du etiketter for hvert element i datavisualiseringslysbildet. Det hjelper publikum å lese diagrammene, grafene og tabellene.
Når du bruker 2D søyler og diagrammer, sørg for at du starter grafen fra X- og Y-skjæringspunktet der begge er null. Hvis du inverterer dette og starter fra et punkt der Y-aksen ikke er null, kan visualiseringen villede brukeren.
Fordøyelige og enklere datapunkter
Inkluder bare noen få visualiseringer med data per skjerm. Stol mest på bilder, illustrasjoner og videoer for å fortelle historien. Når du forklarer datapunkter, bruk vanlige termer i stedet for bransjeterminologi.
I bildet ovenfor for Google Ads Oversiktsrapport har vi for eksempel bare brukt fire verktøy for å visualisere data: dashbord, linjediagram, sektordiagram og en tabell.
Du kan imidlertid forbedre den samme visualiseringen ved å forklare bransjebegrepene som klikkfrekvens, visninger, konverteringer osv.
Riktig bruk av farger og skrifter
Du må bruke forskjellige farger for å skille datapunkter. Når du bruker farger, sørg for at det generelle lysbildet ser beroligende ut for øynene. Ikke bruk svært kontrasterende farger. Publikum vil føle seg slitne i øynene mens de ser på listene i lang tid.
Bruk også lett lesbare skrifttyper for tallene og alfabetene. Bruk Sans Serif-fonter siden de ser mye bedre ut når du presenterer store sett med data. Prøv dessuten å bruke en stor og fet skrift slik at publikum enkelt kan visualisere dataene.
Å lage en fortelling
Din databaserte historiefortelling trenger en fortelling eller historie. Start med en overbevisende problemstilling som publikum personlig kan relatere til. Begynn deretter å forklare tallene som produktet/tjenesten din genererer. Til slutt, bruk produktet/tjenesten som en løsning.
Du kan lage en flott fortelling ved å bruke følgende:
- En trendlinje for å visualisere tapene over tid
- Et sammenligningsdiagram for å vise hvordan produktet ditt skiller seg fra de andre
- Lag en rangeringsrekkefølgetabell for å vise at produktet ditt er øverst når du sammenligner ulike funksjoner med andre produkter
- Et spredningsplott for å vise at kundens forretningsvekst er proporsjonal med bruken av produktene eller tjenestene dine
Følg standard visuelle design
Publikummet ditt på den vestlige halvkule leser fra venstre til høyre, så topp til bunn, igjen fra venstre til høyre. Dette lesemønsteret er kjent som Z-mønsteret. Derfor, hvis du retter deg mot vestlige land, plasser grafikken din i et Z-mønster.
Sett derfor det første diagrammet øverst til venstre på lysbildet. Deretter til høyre, sett en annen datavisualisering som er relatert til diagrammet på venstre side. Plasser nå den neste relaterte grafen i nedre venstre hjørne og det endelige diagrammet på høyre side nederst.
Synkroniser Data Storytelling
Dataene du presenterer må støtte historien din. Noen ganger kan nettsidefeil eller e-postsikkerhetssystemer begrense innhold eller bilder. Da vil ikke publikum kunne forstå den grafiske representasjonen av data. Derfor er merking viktig slik at publikum kan forstå historien direkte fra de visuelle elementene.
Du kan utvilsomt visualisere fra bunnen av ved hjelp av regnearkapper som Microsoft Excel eller Google Sheets. Imidlertid er det mer avanserte og intelligente datavisualiseringsverktøy tilgjengelig på markedet.
I slike verktøy importerer du bare rådataene, definerer et brukstilfelle og får formaterte visualiseringer på noen få sekunder. Du kan sjekke ut verktøy som Tableau Public, Looker Studio, Microsoft Power BI, Open Refine, etc.
Innpakning
Så langt har du gått gjennom det grunnleggende om datavisualisering, som definisjon, typer, arbeidsmetode, viktighet, brukstilfeller og eksempler. Videre har du lært de beste fremgangsmåtene for datavisualisering som du må følge for å fortelle en overbevisende og engasjerende historie ved å bruke forretningsdata.
Neste opp er de beste business intelligence-verktøyene og FusionCharts datavisualiseringsverktøy som du kanskje ikke vil gå glipp av.