એકમો
1. પ્રસ્તુતિ અને ડેટા વિઝ્યુલાઇઝેશનમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સનો પરિચય: ભૂમિકાઓ, સીમાઓ, માન્યતા અને નીતિશાસ્ત્ર 2. પ્રેઝન્ટેશન સ્ટ્રક્ચર એન્ડ નેરેટિવ ફિક્શન: ટેકીંગ ધ ઓડિયન્સ ઓન એ જર્ની 3. સ્લાઇડ ટેક્સ્ટ અને સામગ્રી ઉત્પાદન: શીર્ષક, લેખ, સ્પીકર નોંધ 4. સ્લાઇડ ડિઝાઇન અને વિઝ્યુઅલ પ્રોડક્શન: લેઆઉટ, કલર, આઇકન અને આર્ટિફિશિયલ ઇન્ટેલિજન્સ વિઝ્યુઅલ 5. ડેટાને સમજવો અને યોગ્ય ચાર્ટ પ્રકાર પસંદ કરવો 6. આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે ગ્રાફિક્સ જનરેટ કરવું: કોડથી વિઝ્યુઅલ સુધી, ચકાસણી સાથે 7. ડેશબોર્ડ ડિઝાઇન: મોટી સંખ્યાઓને સ્ક્રીન પર સમજી શકાય તેવી બનાવવી 8. ડેટા સ્ટોરીટેલિંગ: નંબરોને નેરેટિવમાં ફેરવવું 9. ઇન્ફોગ્રાફિક પ્રોડક્શન: સિંગલ વિઝ્યુઅલમાં કોમ્પ્રીહેન્સિબલ માહિતી 10. ભ્રામક વિઝ્યુલાઇઝેશન ટાળવું: ગ્રાફિક એથિક્સ અને અખંડિતતા 11. એન્ડ-ટુ-એન્ડ ફ્લો: બ્રીફિંગથી લઈને રિહર્સલ, વેરિફિકેશન, ગોપનીયતા અને ડિલિવરી
એકમ 5 / 11

ડેટાને સમજવો અને યોગ્ય ચાર્ટ પ્રકાર પસંદ કરવો

નફો:

  • ડેટાના આકારને બદલે પૂછવામાં આવેલા પ્રશ્નમાંથી ચાર્ટનો પ્રકાર પસંદ કરવાની ક્ષમતા (સરખામણી, વલણ, સંબંધ, ભાગ-સંપૂર્ણ, વિતરણ)
  • મૂલ્ય, સિંગલ હાઇલાઇટ રંગ અને ડાયરેક્ટ લેબલિંગ દ્વારા વર્ગીકરણ સાથે વાંચનક્ષમતા સુધારવાની ક્ષમતા
  • 3D કેક, મલ્ટી-સ્લાઈસ કેક અને રિલેશનશીપ સ્ટીક જેવા ખોટા મેચોને ટાળવાની ક્ષમતા

ગ્રાફ એ એક વાક્ય છે: "આ ડેટા આ કહે છે." ખોટા પ્રકારનો ગ્રાફ કાં તો તે વાક્યને અસ્પષ્ટ બનાવશે અથવા તેને અસત્ય બનાવશે. આ એકમમાં, આપણે શીખીશું કે હાથમાં પ્રશ્ન માટે કયો ચાર્ટ પ્રકાર યોગ્ય છે તે કેવી રીતે પસંદ કરવું અને આ પસંદગીમાં સલાહકાર તરીકે આર્ટિફિશિયલ ઇન્ટેલિજન્સનો ઉપયોગ કરવો. નિયમ છે: તમે પહેલા શું કહેવા માગો છો તે જાણો, પછી ગ્રાફિક પસંદ કરો.

પ્રથમ પ્રશ્ન, પછી ચાર્ટ

ચાર્ટનો પ્રકાર તમે પૂછેલા પ્રશ્ન પર આધાર રાખે છે, ડેટાના "આકાર" પર નહીં. પાંચ મૂળભૂત પ્રશ્નો પરિવારો:

  • સરખામણી: "કયું મોટું છે?" → બાર ચાર્ટ.
  • સમય સાથે બદલો (ચલણ): "તે કેવી રીતે બદલાયું છે?" → રેખા ચાર્ટ.
  • ભાગ-સંપૂર્ણ (રચના): "કુલમાં તેનો હિસ્સો શું છે?" → સ્ટેક્ડ બાર, ક્યારેક કેક (થોડી સંખ્યામાં સ્લાઇસ સાથે).
  • સંબંધ (સંબંધ): "શું બે ચલો એકસાથે ખસે છે?" → સ્કેટર પ્લોટ.
  • વિતરણ: "મૂલ્યો કેવી રીતે ફેલાય છે?" → હિસ્ટોગ્રામ, બોક્સ પ્લોટ.

કેટલીક શરતો: સ્પષ્ટ ડેટા વર્ગો (શહેર, ઉત્પાદન); સંખ્યાત્મક ડેટા માપેલા મૂલ્યો છે (આવક, તાપમાન); સમય શ્રેણી સમય પર માપન છે (માસિક વેચાણ).

તમે પૂછવા માંગો છો

ડેટા પ્રકાર

સાચો ચાર્ટ

ટાળવા માટે

શ્રેણીઓની તુલના કરો

વર્ગીકૃત + સંખ્યાત્મક

આડી/ઊભી પટ્ટી

3D કેક

સમય જતાં વલણ

સમય શ્રેણી

રેખા

મલ્ટી-સ્લાઈસ કેક

ભાગ-સંપૂર્ણ (2-4 ભાગો)

સ્પષ્ટ શેર

સ્ટેક્ડ બાર/પાઉન્ડ કેક

8 સ્લાઇસ કેક

બે સંખ્યાનો સંબંધ

સંખ્યાત્મક + સંખ્યાત્મક

સ્કેટર

લાકડી

એકી સંખ્યાનું વિતરણ

સંખ્યાત્મક

હિસ્ટોગ્રામ/બોક્સ પ્લોટ

રેખા

એક નોંધપાત્ર સંખ્યા

એક મૂલ્ય

મોટો નંબર (KPI કાર્ડ)

બળ ગ્રાફિક્સ

ટીપ: પાઇ ચાર્ટ ફક્ત 2-4 સ્લાઇસ માટે જ કામ કરે છે અને જો શેર નોંધપાત્ર રીતે અલગ હોય. જો 5+ સ્લાઇસેસ જરૂરી હોય, તો આડી પટ્ટી લગભગ હંમેશા વધુ વાંચી શકાય તેવી હોય છે.

પગલું દ્વારા પગલું: યોગ્ય ચાર્ટ પસંદ કરી રહ્યા છીએ

  1. પ્રશ્નને એક વાક્યમાં લખો. "કયો પ્રદેશ સૌથી વધુ વિકસ્યો છે?" જેમ
  2. પ્રશ્ન પરિવારને ઓળખો. સરખામણી, વલણ, સંબંધ?
  3. ચલોની સંખ્યા અને પ્રકાર ગણો. ત્યાં કેટલા પરિમાણો છે, સ્પષ્ટ અથવા સંખ્યાત્મક?
  4. ઉમેદવારનો ચાર્ટ પસંદ કરો (કોષ્ટકમાંથી).
  5. સરળ બનાવો. બિનજરૂરી અક્ષો, ગ્રીડ, રંગો અને અસરોને કાઢી નાખો.
  6. "શું તે એક નજરમાં સ્પષ્ટ છે?" પરીક્ષણ કરો; કોઈને 5 સેકન્ડ બતાવો અને પૂછો કે તેઓ શું સમજે છે.

AI માટે ગ્રાફ પ્રકારનો સંપર્ક કરવા માટે, ડેટાનું માળખું અને તમારો પ્રશ્ન આપો (કાચો સંવેદનશીલ ડેટા નહીં):

તમારી ભૂમિકા: ડેટા વિઝ્યુલાઇઝેશન કન્સલ્ટન્ટ. મારી પાસે નીચેના માળખા સાથેનો ડેટા છે: [કૉલમના નામ અને પ્રકારો, દા.ત. "મહિનો (તારીખ), પ્રદેશ (શ્રેણી), વેચાણ (નંબર)"]. લીટીઓની સંખ્યા ~[N]. હું જે પ્રશ્નનો જવાબ આપવા માંગુ છું તે છે: "[એક વાક્ય]". કાર્ય: ચાર્ટનો પ્રકાર સૂચવો જે આ પ્રશ્નને સૌથી પ્રામાણિક અને વાંચી શકાય તેવી રીતે પ્રદર્શિત કરશે. 1 પ્રાથમિક, 1 વૈકલ્પિક આપો અને શા માટે તે દરેક માટે યોગ્ય/અયોગ્ય છે તે લખો. મને એ પણ જણાવો કે મારે સંભવિત રીતે ગેરમાર્ગે દોરનારા વિકલ્પો (દા.ત. 3D કેક) શા માટે ટાળવા જોઈએ.

વિવિધ પ્રશ્નો માટે સમાન ડેટામાંથી જુદા જુદા ગ્રાફની જરૂર છે:

સમાન ડેટા સેટ માટે 3 જુદા જુદા પ્રશ્નો બનાવો અને દરેક પ્રશ્ન માટે સૌથી યોગ્ય ચાર્ટ પ્રકાર સાથે મેળ કરો. તો મને 'પ્રશ્નમાંથી ચાર્ટ પ્રકાર બાદ કરો'નો સિદ્ધાંત બતાવો. ડેટા માળખું: [... ].

રંગ, સૉર્ટિંગ અને લેબલિંગ

યોગ્ય પ્રકાર પૂરતું નથી; વાંચનક્ષમતા વિગતોમાં છે:

  • સૉર્ટ કરો: મૂલ્ય દ્વારા બારને સૉર્ટ કરો (સૌથી મોટાથી નાના), મૂળાક્ષરો પ્રમાણે નહીં; આ રીતે આંખ સરખામણી કરે છે.
  • હાઇલાઇટ રંગ: દરેક વસ્તુને રંગ આપશો નહીં; તમે વ્યક્ત કરવા માંગો છો તે સિંગલ બાર/લાઇનને હાઇલાઇટ કરો, બાકીની રાખોડી રાખો.
  • ડાયરેક્ટ લેબલ: જો શક્ય હોય તો લીટીઓના અંતે નામ લખો; દર્શકે દંતકથા (રંગ વર્ણન બોક્સ)માંથી બારને સ્કિમ કરવાની જરૂર નથી.
  • નીચી ગ્રીડ: પૃષ્ઠભૂમિ રેખાઓ અસ્પષ્ટ રાખો; ડેટા હાઇલાઇટ કરો.

બાર ચાર્ટ માટે વાંચનક્ષમતા સૂચનો આપો: સૉર્ટિંગ (મૂલ્ય દ્વારા?), સિંગલ હાઇલાઇટ રંગ પસંદગી, ડાયરેક્ટ લેબલિંગ, બિનજરૂરી ગ્રીડ/અક્ષને દૂર કરવું. મારો ધ્યેય બતાવવાનો છે: "[પ્રદેશ X સ્પષ્ટ રીતે આગળ છે]". નક્કર રીતે કહો.

ત્રણ નાના કેસો

કેસ 1 - કેકથી સ્ટીક સુધી. એક ટીમે 9-સ્લાઈસ પાઈ ચાર્ટમાં 9 ઉત્પાદનોનો બજાર હિસ્સો દર્શાવ્યો; ટુકડાઓ એકબીજાની નજીક હતા અને કંઈપણ સમજી શકાતું ન હતું. તેઓ મૂલ્ય દ્વારા સૉર્ટ કરેલ આડી પટ્ટી પર સ્વિચ કરે છે. પ્રેક્ષકોએ એક નજરમાં જોયું કે ટોચના 3 ઉત્પાદનોનો કુલ હિસ્સો 61% છે.

કેસ 2 — ખોટો પ્રશ્ન, ખોટો ગ્રાફ. એક વિશ્લેષક બાર ચાર્ટ સાથે "જાહેરાત ખર્ચ અને વેચાણ વચ્ચેનો સંબંધ" બતાવવાનો પ્રયાસ કરી રહ્યો હતો; સંબંધ દેખાતો ન હતો. આર્ટિફિશિયલ ઈન્ટેલિજન્સે કહ્યું કે આ સંબંધનો પ્રશ્ન છે અને સ્કેટર પ્લોટની જરૂર છે. જ્યારે અમે સ્કેટર પર સ્વિચ કર્યું, ત્યારે એક સકારાત્મક પરંતુ નબળા સંબંધ (બિંદુ પછી સંતૃપ્તિ) સ્પષ્ટ થઈ ગયો.

કેસ 3 — ઉચ્ચાર રંગ. એક મેનેજરે તમામ 12 બાર જુદા જુદા રંગોમાં પ્રદર્શિત કર્યા હતા; આંખને ખબર ન હતી કે ક્યાં જોવું. તેઓએ સમજાવવા માટે માત્ર બારને નારંગી અને બાકીનો ગ્રે બનાવ્યો. મીટિંગનો "વાસ્તવિક સંદેશ" પ્રથમ સેકન્ડમાં કેપ્ચર કરવામાં આવ્યો હતો; ચર્ચા જમણી પટ્ટીની આસપાસ ફરતી હતી.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા:

આ ડેટાનો ગ્રાફ બનાવો.

કોઈ પ્રશ્નો નથી; મોડેલ અવ્યવસ્થિત રીતે (અને ઘણીવાર ખોટી રીતે) એક પ્રકાર પસંદ કરે છે.

મજબૂત:

તમારી ભૂમિકા: ડેટા વિઝ્યુલાઇઝેશન કન્સલ્ટન્ટ. ડેટા માળખું: મહિનો (તારીખ), ચેનલ (કેટેગરી: 4 મૂલ્યો), આવક (સંખ્યા). મારો પ્રશ્ન: "છેલ્લા 12 મહિનામાં કઈ ચેનલે સૌથી ઝડપી વૃદ્ધિ કરી?" આ એક TREND + COMPARISON પ્રશ્ન છે. સૌથી પ્રામાણિક ચાર્ટ પ્રકાર સૂચવો, મને કહો કે એક ચાર્ટમાં 4 ચેનલો કેવી રીતે બતાવવી, કઈ એક હાઇલાઇટ કરવી અને શું ધરી 0 થી શરૂ કરવી. વાજબીતા સાથે ગેરમાર્ગે દોરનારા વિકલ્પોને દૂર કરો.

બીજામાં પ્રશ્ન, ડેટા માળખું અને ઔચિત્યની ચિંતા (અક્ષ)નો સમાવેશ થાય છે; સૂચન સચોટ હશે.

નાના મલ્ટિ-ગ્રાફ: સિંગલ લાર્જને બદલે ખૂબ નાનો

જ્યારે તમે ચાર્ટમાં ઘણી બધી રેખાઓ/શ્રેણીઓ ફિટ કરો છો, ત્યારે "સ્પાઘેટ્ટી ચાર્ટ" થાય છે; કોઈ લીટીઓ વાંચવામાં આવતી નથી. એક શક્તિશાળી વિકલ્પ નાના ગુણાંક છે: દરેક શ્રેણી માટે અલગ-અલગ, નાના અને બાજુ-બાજુ, સમાન ગ્રાફનું પુનરાવર્તન કરો. ઉદાહરણ તરીકે, તમે એક ચાર્ટમાં 8 લાઇન તરીકે નહીં, પરંતુ 8 નાના લાઇન ચાર્ટ તરીકે 8 પ્રદેશોના વેચાણના વલણને એકસાથે બતાવી શકો છો. તમામ થંબનેલ્સ સમાન સ્કેલ શેર કરે છે જેથી આંખ સરળતાથી તુલના કરી શકે.

તમારી ભૂમિકા: ડેટા વિઝ્યુલાઇઝેશન કન્સલ્ટન્ટ. મારી પાસે 8 પ્રદેશો માટે 12-મહિનાનો ટ્રેન્ડ ડેટા છે. એક ચાર્ટમાં 8 રેખાઓ મિશ્રિત. હું આને 'નાના ગુણાંક' તરીકે કેવી રીતે સેટ કરી શકું? સામાન્ય અક્ષ સ્કેલ, લેઆઉટ (કેટલા કૉલમ), દરેક નાના ચાર્ટમાં શું પ્રકાશિત કરવું તે જેવા નક્કર સૂચનો આપો. હેતુ: પ્રદેશોની સરળતાથી સરખામણી કરવા.

સંકેત: "શું મારે એક ચાર્ટમાં 8 લીટીઓ મુકવી જોઈએ?" જો તમે ખચકાટ અનુભવો છો, તો જવાબ સામાન્ય રીતે ના હોય છે. 4-5 લીટીઓ પછી, એક નાનો મલ્ટીપ્લોટ લગભગ હંમેશા વધુ વાંચી શકાય છે.

5 સેકન્ડ ટેસ્ટ અને સરળીકરણ

એકવાર તમે યોગ્ય પ્રકાર પસંદ કરી લો, પછી ચાર્ટને સરળ બનાવો. કાઢી શકાય છે તે બધું કાઢી નાખવામાં આવે છે: બિનજરૂરી ગ્રીડ રેખાઓ, બૉક્સની ધાર, પડછાયો, પૃષ્ઠભૂમિ રંગ, ત્રણ પરિમાણો. આને ઘણીવાર "ગ્રાફિક્સ શાહી ઘટાડવા" તરીકે ઓળખવામાં આવે છે; એટલે કે, કોઈપણ પિક્સેલ જે ડેટા પ્રદર્શિત કરતું નથી તે વિચલિત કરે છે. પછી 5 સેકન્ડ ટેસ્ટ કરો: 5 સેકન્ડ માટે કોઈને ગ્રાફ બતાવો, તેને બંધ કરો અને પૂછો "તમે શું સમજો છો?" પૂછો જો તે સાચો સંદેશ ન કહી શકે, તો ચાર્ટ કાં તો ખોટો પ્રકારનો છે અથવા તો ખૂબ ગીચ છે. આ કસોટી લાંબા ખુલાસા કરતાં સત્યને વધુ ઝડપથી કહે છે.

સામાન્ય ભૂલો

  • પ્રશ્ન સ્પષ્ટ થાય તે પહેલાં ચાર્ટ પસંદ કરવો: પ્રથમ પ્રકાર પસંદ કરવો અને તેમાં ડેટા ફિટ કરવાનો પ્રયાસ કરવો.
  • ચારે બાજુ કેક: બહુવિધ સ્લાઇસેસ અથવા સમાન ભાગોવાળી કેક વાંચી શકાય તેમ નથી.
  • આલ્ફાબેટીકલ ક્રમ: સરખામણી મુશ્કેલ બનાવે છે; મૂલ્ય દ્વારા સૉર્ટ કરો.
  • રંગ ફુગાવો: દરેક કેટેગરીને રંગીન કરવું અને તેના પર ભાર મૂકવો.
  • બાર થી સહસંબંધ પ્રશ્ન: સહસંબંધ માટે સ્કેટર પ્લોટની જરૂર છે.
  • ચાર્ટને એક નંબર પર દબાણ કરવું: એક નોંધપાત્ર આકૃતિ માટે મોટું KPI કાર્ડ પૂરતું છે.

સારાંશમાં

ચાર્ટનો પ્રકાર ડેટાના આકાર પરથી નથી, પરંતુ તમે પૂછો છો તે પ્રશ્ન પરથી પ્રાપ્ત થાય છે: સરખામણી માટે બારની જરૂર છે, વલણને એક રેખાની જરૂર છે, ભાગ-સંપૂર્ણને સ્ટેક કરેલ બાર/ગ્રહની જરૂર છે, સંબંધને વિતરણની જરૂર છે, વિતરણને હિસ્ટોગ્રામ/બોક્સની જરૂર છે. મૂલ્ય દ્વારા સૉર્ટ કરો, નક્કર રંગથી પ્રકાશિત કરો, સીધું લેબલ કરો, વધુ પડતા કાઢી નાખો. ડેટા સ્ટ્રક્ચર અને તમારા પ્રશ્નને જોતાં, AI યોગ્ય પ્રકાર સૂચવવામાં સારું છે; પરંતુ તમે અંતિમ નિર્ણય અને પ્રમાણિકતા તપાસો.

એપ્લિકેશન કાર્ય

તમારા ડેટા સેટમાંથી એક માટે 3 જુદા જુદા પ્રશ્નો લખો. (1) દરેક પ્રશ્નને પ્રશ્ન પરિવારમાં મૂકો (સરખામણી/ચલણ/સંબંધ/અંશ-સંપૂર્ણ/વિતરણ). (2) આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે ડેટા સ્ટ્રક્ચર અને પ્રશ્નો આપો અને ચાર્ટ પ્રકાર ભલામણ મેળવો. (3) ખોટા પ્રકાર (દા.ત., પાઇ) અને સાચા પ્રકાર (દા.ત., બાર) સાથે ચાર્ટની તુલના કરો અને એક વાક્યમાં લખો કે જે સંદેશ વધુ સ્પષ્ટ રીતે જણાવે છે.

ચેકલિસ્ટ

  • ચાર્ટ પસંદ કરતા પહેલા, મેં એક વાક્યમાં પ્રશ્ન લખ્યો.
  • [ ] મેં પ્રશ્ન કુટુંબમાં મૂક્યો (સરખામણી/ચલણ/સંબંધ/...).
  • પ્રશ્ન અને ચલ પ્રકાર માટે યોગ્ય પ્રકાર.
  • [ ] મેં મૂલ્ય દ્વારા બારને સૉર્ટ કર્યા છે.
  • [ ] મેં એક હાઇલાઇટ રંગનો ઉપયોગ કર્યો અને બાકીનાને તટસ્થ કર્યા.
  • [ ] મેં ભ્રામક પ્રકારો (3D કેક, મલ્ટી-સ્લાઈસ કેક) ટાળ્યા.