Zyski:
- Możliwość wyboru typu wykresu na podstawie zadawanego pytania (porównanie, trend, relacja, część-całość, rozkład), a nie na podstawie kształtu danych
- Możliwość poprawy czytelności dzięki sortowaniu według wartości, pojedynczemu podświetleniu koloru i bezpośredniemu etykietowaniu
- Możliwość uniknięcia fałszywych dopasowań, takich jak ciasto 3D, ciasto z wieloma kawałkami i kij relacji
Wykres jest zasadniczo zdaniem: „Te dane to mówią”. Niewłaściwy typ wykresu sprawi, że zdanie stanie się niezrozumiałe lub skłamie. W tym module dowiemy się, jak wybrać odpowiedni typ wykresu dla danego pytania i jak wykorzystać sztuczną inteligencję jako doradcę w tym wyborze. Zasada jest taka: najpierw dowiedz się, co chcesz powiedzieć, później wybierz grafikę.
Najpierw pytanie, potem wykres
Typ wykresu zależy od zadawanego pytania, a nie od „kształtu” danych. Pięć podstawowych rodzin pytań:
- Porównanie: „Co jest większe?” → wykres słupkowy.
- Zmiana w czasie (trend): „Jak to się zmieniło?” → wykres liniowy.
- Część-całość (skład): „Jaki jest jej udział w całości?” → batonik ułożony w stosy, czasem ciasto (z małą ilością plasterków).
- Związek (korelacja): „Czy dwie zmienne poruszają się razem?” → wykres punktowy.
- Dystrybucja: „Jak rozkładają się wartości?” → histogram, wykres pudełkowy.
Kilka terminów: dane kategoryczne to klasy (miasto, produkt); dane liczbowe to wartości zmierzone (dochód, temperatura); szeregi czasowe to pomiary w czasie (sprzedaż miesięczna).
chcesz zapytać
Typ danych
poprawny wykres
Należy unikać
Porównaj kategorie
kategoryczne + numeryczne
Pasek poziomy/pionowy
Ciasto 3D
trend w czasie
szeregi czasowe
linia
Ciasto wieloczęściowe
Część-całość (2-4 części)
kategoryczny udział
Ułożony batonik/ciasto funtowe
Ciasto na 8 kawałków
Związek dwóch liczb
numeryczny + numeryczny
Rozproszyć
pręt
Rozkład liczby nieparzystej
numeryczny
Histogram/wykres pudełkowy
linia
Pojedyncza liczba znacząca
pojedyncza wartość
Duża liczba (karta KPI)
grafika na siłę
Wskazówka: wykres kołowy działa tylko dla 2-4 wycinków i jeśli udziały znacznie się różnią. Jeśli potrzeba więcej niż 5 plasterków, poziomy pasek jest prawie zawsze bardziej czytelny.
Krok po kroku: wybór odpowiedniego wykresu
- Zapisz pytanie w jednym zdaniu. „Który region rozwinął się najbardziej?” tak jak.
- Zidentyfikuj rodzinę pytań. Porównanie, trend, związek?
- Policz liczbę i typ zmiennych. Ile jest wymiarów, kategorycznych czy liczbowych?
- Wybierz wykres kandydata (z tabeli).
- Upraszczać. Odrzuć niepotrzebne osie, siatki, kolory i efekty.
- – Czy to widać na pierwszy rzut oka? wykonaj test; Daj komuś 5 sekund i zapytaj, co rozumie.
Aby sprawdzić typ wykresu dla AI, podaj strukturę danych i swoje pytanie (nie surowe dane wrażliwe):
Twoja rola: konsultant ds. wizualizacji danych. Mam dane o następującej strukturze: [nazwy i typy kolumn, np. „miesiąc (data), region (kategoria), sprzedaż (liczba)”]. Liczba linii ~[N]. Pytanie, na które chcę odpowiedzieć, to: „[pojedyncze zdanie]”. Zadanie: Zaproponuj typ wykresu, który w najbardziej uczciwy i czytelny sposób wyświetli to pytanie. Podaj 1 podstawową, 1 alternatywną i napisz DLACZEGO jest to właściwe/niewłaściwe dla każdego z nich. Powiedz mi również, dlaczego powinienem unikać opcji, które mogą wprowadzać w błąd (np. tort 3D).
Różne pytania wymagają różnych wykresów z tych samych danych:
Wygeneruj 3 RÓŻNE pytania dla tego samego zestawu danych i dopasuj najbardziej odpowiedni typ wykresu dla każdego pytania. Pokaż mi więc zasadę „odejmowania typu wykresu od pytania”. Struktura danych: [ ... ].
Kolorowanie, sortowanie i etykietowanie
Właściwy rodzaj nie wystarczy; Czytelność tkwi w szczegółach:
- Sortuj: sortuj słupki według wartości (od największej do najmniejszej), a nie alfabetycznie; W ten sposób oko dokonuje porównania.
- Kolor wyróżnienia: nie koloruj wszystkiego; Podświetl pojedynczą kreskę/linię, którą chcesz wyrazić, resztę pozostaw na szaro.
- Etykieta bezpośrednia: jeśli to możliwe, wpisz nazwę na końcu wiersza; widz nie musi przeglądać paska legendy (pole opisu koloru).
- Niska siatka: niech linie tła będą słabe; Zaznacz dane.
Podaj sugestie dotyczące czytelności wykresu słupkowego: sortowanie (według wartości?), wybór pojedynczego koloru podświetlenia, bezpośrednie etykietowanie, usuwanie niepotrzebnej siatki/osi. Moim celem jest pokazanie: „[region X wyraźnie wyprzedza]”. Powiedz to konkretnie.
trzy mini etui
Przypadek 1 – Od ciasta do patyczka. Jeden zespół pokazał udział w rynku 9 produktów na 9-częściowym wykresie kołowym; Plasterki były blisko siebie i nic nie można było zrozumieć. Przeszli na poziomy pasek posortowany według wartości. Widzowie od razu zauważyli, że 3 najlepsze produkty stanowiły 61% całości.
Przypadek 2 — Złe pytanie, zły wykres. Jeden z analityków próbował pokazać „zależność między wydatkami na reklamę a sprzedażą” za pomocą wykresu słupkowego; Zależności nie było widać. Sztuczna inteligencja stwierdziła, że jest to pytanie dotyczące związku i wymagany jest wykres punktowy. Kiedy przeszliśmy na Scatter, pozytywny, ale słaby związek (nasycenie po punkcie) stał się wyraźny.
Przypadek 3 — Kolor akcentujący. Jeden z menedżerów pokazał wszystkie 12 słupków w różnych kolorach; Oko nie wiedziało, gdzie patrzeć. Zrobili tylko pasek do wyjaśnienia na pomarańczowo, a resztę na szaro. „Prawdziwe przesłanie” spotkania zostało uchwycone w pierwszej sekundzie; Dyskusja toczyła się wokół prawego paska.
Słaba zachęta/silna zachęta
Słabe:
Narysuj te dane.
Żadnych pytań; model losowo (i często błędnie) wybiera typ.
Mocny:
Twoja rola: konsultant ds. wizualizacji danych. Struktura danych: miesiąc (data), kanał (kategoria: 4 wartości), przychód (liczba). Moje pytanie: „Który kanał rozwijał się najszybciej w ciągu ostatnich 12 miesięcy?” To jest pytanie TREND + PORÓWNANIE. Zaproponuj najuczciwszy typ wykresu, powiedz jak wyświetlić 4 kanały na jednym wykresie, który z nich zaznaczyć i czy oś zaczynać od 0. Wyeliminuj wprowadzające w błąd opcje wraz z uzasadnieniem.
Drugi obejmuje pytanie, strukturę danych i kwestię uczciwości (oś); Sugestia byłaby trafna.
Mały multigraf: bardzo mały zamiast pojedynczego dużego
Kiedy dopasujesz do wykresu zbyt wiele linii/kategorii, pojawi się „wykres spaghetti”; Żadne wiersze nie są czytane. Skuteczną alternatywą są małe wielokrotności: powtarzanie tego samego wykresu, małego i obok siebie, dla każdej kategorii osobno. Na przykład możesz pokazać trend sprzedaży 8 regionów obok siebie w postaci 8 małych wykresów liniowych, a nie 8 linii na pojedynczym wykresie. Wszystkie miniatury mają tę samą skalę, więc oko może łatwo porównać.
Twoja rola: konsultant ds. wizualizacji danych. Mam 12-miesięczne dane dotyczące trendów dla 8 regionów. 8 linii zmieszanych na jednym wykresie. Jak ustawić to jako „małe wielokrotności”? Podaj konkretne sugestie, takie jak wspólna skala osi, układ (ile kolumn), co wyróżnić na każdym małym wykresie. Cel: łatwe porównywanie regionów.
Wskazówka: „Czy powinienem umieścić 8 linii na jednym wykresie?” Jeśli się wahasz, odpowiedź zazwyczaj brzmi: nie. Po 4-5 liniach mały multiplot jest prawie zawsze bardziej czytelny.
5 sekundowy test i uproszczenie
Po wybraniu odpowiedniego typu uprość wykres. Wszystko, co można usunąć, zostaje usunięte: niepotrzebne linie siatki, krawędzie pudełek, cień, kolor tła, trzy wymiary. Nazywa się to często „zmniejszaniem ilości atramentu graficznego”; Oznacza to, że każdy piksel, który nie wyświetla danych, rozprasza. Następnie wykonaj 5-sekundowy test: pokaż komuś wykres na 5 sekund, zamknij go i zapytaj „co rozumiesz?” zapytać. Jeśli nie może przekazać prawidłowego komunikatu, oznacza to, że wykres jest niewłaściwego typu lub jest zbyt zatłoczony. Ten test powie prawdę znacznie szybciej niż długie wyjaśnienia.
Typowe błędy
- Wybór wykresu, zanim pytanie stanie się jasne: najpierw wybierz typ i spróbuj dopasować do niego dane.
- Ciasto dookoła: Ciasto z wieloma plasterkami lub podobnymi porcjami jest nieczytelne.
- Kolejność alfabetyczna: utrudnia porównanie; Sortuj według wartości.
- Inflacja kolorów: Kolorowanie każdej kategorii i zmniejszanie jej nacisku.
- Pasek do pytania o korelację: Korelacja wymaga wykresu punktowego.
- Wymuszenie na wykresie pojedynczej liczby: Duża karta KPI wystarczy na jedną cyfrę znaczącą.
Podsumowując
Typ wykresu nie wynika z kształtu danych, ale z zadawanego pytania: porównanie wymaga słupka, trend wymaga linii, część-całość wymaga ułożonego słupka/planety, relacja wymaga rozkładu, rozkład wymaga histogramu/pudełka. Sortuj według wartości, zaznacz jednolitym kolorem, oznacz bezpośrednio, odrzuć nadmiar. Biorąc pod uwagę strukturę danych i Twoje pytanie, sztuczna inteligencja dobrze sugeruje odpowiedni typ; Ale ty podejmujesz ostateczną decyzję i sprawdzasz uczciwość.
Zadanie aplikacji
Napisz 3 różne pytania do jednego ze swoich zbiorów danych. (1) Umieść każde pytanie w rodzinie pytań (porównanie/trend/relacja/część-całość/rozkład). (2) Przekaż strukturę danych i pytania sztucznej inteligencji i uzyskaj rekomendację dotyczącą typu wykresu. (3) Porównaj wykres z niewłaściwym typem (np. kołowym) i właściwym (np. słupkiem) i napisz jednym zdaniem, który z nich jaśniej przekazuje wiadomość.
lista kontrolna
- [ ] Przed wybraniem wykresu napisałem pytanie w jednym zdaniu.
- [ ] Umieściłem pytanie w rodzinie (porównanie/trend/związek/...).
- [ ] Typ odpowiedni do pytania i typu zmiennej.
- [ ] Posortowałem słupki według wartości.
- [ ] Użyłam jednego rozświetlającego koloru, a resztę zneutralizowałam.
- [ ] Unikałem typów wprowadzających w błąd (tort 3D, tort wielokrotkowy).