Vil du nemt sælge en idé, et produkt eller en tjeneste? Du skal adoptere datavisualiseringshistoriefortællingskonceptet!
At fortælle en overbevisende historie ved at skære og skære data er blevet en væsentlig færdighed for enhver karriere og virksomhed. Hvis du vil sikre dig et job i et velrenommeret brand, skal du bevise, hvad du kan gøre for virksomheden ved at vise databaserede fakta.
Eller, hvis dit brand sælger noget, skal du, understøttet af data, prale med, hvordan dit produkt/tjeneste kan gøre en forskel.
Har du også lyst til at få benene våde i datavisualisering og få succes som professionel eller virksomhed? Læs denne artikel til slutningen!
Indholdsfortegnelse
Hvad er datavisualisering?
Når du grafisk repræsenterer data i et let forståeligt visuelt format, er det datavisualisering. I denne proces bruger dataforskere og analytikere forskellige datavisualiseringselementer som grafer, diagrammer, pivoter, varmekort, kort og mere.
Målet er at gøre data mere tilgængelige og forståelige for publikum. Medarbejdere, ledere og interessenter kan nemt påpege mønstre, tendenser og outliers i korrekt visualiserede dataslides.
Du finder datavisualisering overalt i dit personlige og professionelle liv. De farverige dashboards, som du ser i trænings-, økonomi-, aktiemarkedet, smart home-værktøj, trafiknavigation osv., apps er resultaterne af datavisualisering.
Hvordan fungerer datavisualisering?
Datavisualisering fungerer ved at omdanne tal til let forståelige billeder. Hvis du forklarer den stigende tendens i omgivelsestemperaturen på en dag ved hjælp af simple tal, vil folk næppe forstå det.
Men når du tegner et linjediagram fra inputdataene og viser, at temperaturen bliver ved med at stige fra morgenstunden, når et højdepunkt og derefter falder, når natten nærmer sig, vil grafen skabe en omvendt V-form. Publikum vil nu let forstå bevægelsen af temperaturen i løbet af dagen.
Datavisualisering fungerer fordi:
- Folk fordøjer nemt billeder som former, farver, fotos, tegninger osv. sammenlignet med tal og tekster i et regneark.
- Grafer, kort, diagrammer osv. er visuelle metaforer. Da mennesker behandler billeder hurtigere end tekster, kan de nemt forbinde prikkerne under datavisualisering.
- Rådata i sig selv i et database- eller regnearksværktøj har ingen værdi. Når du organiserer de rå data og visualiserer dem, tilføjer du værdi til dataene. Visualiseret data er brugbar information, og publikum kan bruge dem til at løse problemer eller træffe beslutninger.
Hvorfor er datavisualisering vigtig?
- Det hjælper med at absorbere information hurtigt.
- Da du får visuelle køer, bliver informationsbehandling, indsigtsudtrækning og beslutningstagning ubesværet.
- Du kan dele visualiseringer med eksterne og interne samarbejdspartnere med få klik.
- Identifikation af sammenhænge mellem uafhængige variabler bliver en let opgave.
- Du kan opdele komplicerede data i simple bidder og derefter visualisere dem, så de nemt giver mening.
Forskellige typer og eksempler på datavisualisering
#1. Linjegrafer
Du skal bruge linjediagrammer eller grafer til at visualisere tidsseriedata. De minder meget om scatterplot, men viser datapunkter, der er adskilt via tidsintervaller. Linjegrafer forbinder segmenter ved hjælp af linjer og deraf navnet.
#2. Områdediagrammer
I lighed med linjediagrammer bruger dataforskere områdediagrammer til at spore data over tid. Værktøjet farver dog det plottede område mellem linjerne for flere elementer. For at måle overordnede mængder, som mængder af forskellige produkter, der sælges i forskellige lande, kan du bruge denne datavisualiseringstype.
#3. Netværksgrafer
Netværksgrafer består af netværk, noder, interaktioner mellem netværk og veje til at danne meget kompleks grafik. Hvis du har brug for at se mønstre mellem netværk af klynger, så kan du bruge dette datavisualiseringsformat.
#4. Geografiske kort
Billedkredit: UBS.com
Du kan præsentere og forklare lokationsspecifikke data nemt og meningsfuldt ved hjælp af en datavisualisering af geografisk korttype. Du vil for det meste se fordelingen af volumenbaserede data om mennesker, såsom stemmeandel, kønsandel, internetdækning, eldækning af sanitet osv., i geografiske kort.
#5. Trækort
Trækort bruger indlejrede rektangler til at visualisere hierarkiske data. Sådanne diagrammer bruger skærmplads effektivt. Derfor kan du sammenligne hundredvis af grupper og deres præstationstal på en enkelt skærm. Visualiseringsmodellen bruger også forskellige nuancer og temperaturer af farver til at repræsentere de præstationstal, hver gruppe bærer.
#6. Søjlediagram
Søjlediagrammer eller diagrammer hjælper dig med at visualisere kategoriske data mod forskellige værdier. På X-aksen skal du placere de genstande, du observerer. På Y-aksen plotter du derefter værdierne af de tilsvarende elementer. Således får du lodrette stænger. Jo mere værdien af en vare er, jo højere er baren.
#7. Gantt kort
Gantt-diagram er den mest almindelige type datavisualisering, du kan finde i projektledelse.
Det er den vandrette variant af søjlediagrammet. Gantt-diagram visualiserer opgaver og deres progression i forhold til varigheden af hver opgave. Den vandrette længde af søjlerne afhænger af starten, progressionen og slutningen af en opgave.
#8. Lagkagediagram
Denne datavisualiseringstype præsenterer data i en cirkelformet graf. Når du skal sammenligne forskellige produkter eller tjenester i henhold til deres indtjening, kan du bruge dette diagram. Her betragter du hele cellearealet som 100%. Derefter fordeler du dem i henhold til den procentvise værdi af hvert element i hele celleområdet.
Use Cases of Data Visualization
Identifikation af trends og spidser
Den primære use case er at identificere trends, mønstre, relationer mellem produkter/tjenester osv. fra et rådatasæt. Hvis du ser en pludselig stigning i tendenser gennem et langsigtet datasæt, kan du overveje, at hændelser stiger i disse intervaller.
For eksempel kan du under Black Friday-begivenheden hurtigt bemærke en stigning i salget af produkter/tjenester på tværs af e-handelsplatforme.
Overvågning af mål
Dataforskere skaber interaktive dashboards ved hjælp af datavisualisering. Disse dashboards kan vise dig produktivitet, ressourceudnyttelse, præstationsmålinger, salg, marketing ROI osv. Du kan også foretage mindre valg og ændringer i dashboardet til tilpasset visualisering af datapunkter.
Adgang til data
Virksomheder skal levere information til deres medarbejdere i et fordøjeligt format. Her kan du også bruge datavisualisering. I stedet for rådata kan du sende forskellige diagrammer og grafer til salg, marketing, budget, indtjening, overhead-udgifter osv.
Find nu nedenfor de bedste praksisser, du bør følge for at gøre dit datavisualiseringshistoriefortællingsprojekt vellykket:
Målgruppespecifikation
Du skal lave en datavisualiseringspræsentation ved at analysere målgruppen. Hvis publikum kommer fra en stærk teknisk baggrund, kan du inkludere komplekse visualiseringsværktøjer som netværksgrafer, histogrammer, trækort, Gantt-diagrammer osv.
Disse grupper af deltagere kan være fagfolk, lærere, videnskabsmænd, ledere osv., og de er opmærksomme på komplekse datavisualiseringsværktøjer.
Tværtimod, hvis du præsenterer dine resultater for et ikke-teknisk publikum, skal du holde dig til simple diagrammer som Scatter Plots, Bar Charts, Line Charts osv.
Denne målgruppegruppe slutter for det meste brugere, tilskuere i en marketingbegivenhed, kundeemner, kundeemner osv., som forstår data med visuelle køer. De kender måske ikke de underliggende principper for de diagrammer og grafer, du bruger.
Definer formålet
Uanset om du bruger et eller flere visuelle diagrammer i din præsentation, skal du sørge for at definere formålet med hver grafik. Overlad det ikke til publikum. Hvis du gør det, får du muligvis ikke den opmærksomhed, du ønsker fra dem.
For eksempel, i ovenstående Google Analytics Marketing Website datavisualisering, er der fire grafikker: linjediagrammer, geografiske kort, vandrette søjlediagrammer, osv. Nu, hvis du ser på billedet omhyggeligt, vil du se forskellige definitioner for hver visualisering.
- Et linjediagram for webstedssessionstrend
- Et geografisk kort for landemæssig trend
- Et vandret søjlediagram for kanalbaseret trend
Brug af de rigtige visualiseringselementer
Forskellige diagrammer har forskellige anvendelsestilfælde. Du kan ikke bruge en netværksgraf i stedet for en søjlegraf. Forstå derfor dataene og vælg derefter en visualiseringsmetode. Se afsnittet “Datavisualiseringstyper og -eksempler” ovenfor for mere vejledning om valg af den rigtige graf.
I disse dage leverer mange datamanipulationsværktøjer som Google Sheets, Excel osv. 3D-versioner af mange almindelige diagrammer og grafer. For eksempel et 3D-cirkeldiagram. Brug af 3D-diagrammer har dog forskellige begrænsninger.
Nogle gange visualiserer et 3D-cirkeldiagram ikke dataene, som du burde gøre det. I et 3D-plan skal du også sætte flere mærkninger. Endelig kunne du forvrænge visualiseringen og historien. Hold dig derfor til 2D-diagrammer og grafer, da publikum nemt forstår disse.
Korrekt mærkning
Glem ikke at mærke de grafer og diagrammer, du bruger i dit datavisualiseringsprojekt. For eksempel skal du nævne værdierne for X/Y-aksen, navnene på emnerne, forklaringer, tidsramme for dataindsamling osv.
I ovenstående billede finder du etiketter for hvert element i datavisualiseringsdias. Det hjælper publikum med at læse diagrammer, grafer og tabeller.
Når du bruger 2D søjler og diagrammer, skal du sørge for at starte grafen fra krydset X og Y, hvor begge er nul. Hvis du inverterer dette og starter fra et punkt, hvor Y-aksen ikke er nul, kan visualiseringen vildlede brugeren.
Fordøjelige og enklere datapunkter
Inkluder kun nogle få visualiseringer med data pr. skærm. Stol mest på billeder, illustrationer og videoer for at fortælle historien. Når du forklarer datapunkter, skal du bruge almindelige termer i stedet for brancheterminologi.
For eksempel har vi i ovenstående billede til Google Ads Oversigtsrapport kun brugt fire værktøjer til at visualisere data: dashboards, linjediagrammer, cirkeldiagrammer og en tabel.
Du kan dog forbedre den samme visualisering ved at forklare brancheudtryk som CTR’er, visninger, konverteringer osv.
Korrekt brug af farver og skrifttyper
Du skal bruge forskellige farver til at adskille datapunkter. Når du bruger farver, skal du sørge for, at den samlede slide ser beroligende ud for øjnene. Brug ikke stærkt kontrasterende farver. Publikum vil føle sig trætte i deres øjne, mens de ser på hitlisterne i lang tid.
Brug også let læselige skrifttyper til tallene og alfabeterne. Brug Sans Serif-skrifttyper, da de ser meget bedre ud, når du præsenterer store datasæt. Prøv desuden at bruge en stor og fed skrifttype, så publikum nemt kan visualisere dataene.
At skabe en fortælling
Din databaserede historiefortælling har brug for en fortælling eller historie. Start med et overbevisende problem, som publikum personligt kan relatere til. Begynd derefter at forklare de tal, som dit produkt/tjeneste genererer. Til sidst skal du bruge dit produkt/service som en løsning.
Du kan skabe en god fortælling ved at bruge følgende:
- En trendlinje til at visualisere tabene over tid
- Et sammenligningsdiagram for at vise, hvordan dit produkt adskiller sig fra de andre
- Opret en rangordenstabel for at vise, at dit produkt ligger øverst, når du sammenligner forskellige funktioner med andre produkter
- Et scatter plot for at vise, at kundens forretningsvækst er proportional med brugen af dine produkter eller tjenester
Følg standard visuelle designs
Dit publikum på den vestlige halvkugle læser fra venstre mod højre, derefter top til bund, igen fra venstre mod højre. Dette læsemønster er kendt som Z-mønsteret. Derfor, hvis du målretter mod vestlige lande, skal du placere din grafik i et Z-mønster.
Sæt derfor det første diagram i øverste venstre side af diaset. Derefter til dens umiddelbare højre, placer en anden datavisualisering, der relaterer til diagrammet på venstre side. Placer nu den næste relaterede graf i nederste venstre hjørne og det endelige diagram i højre side nederst.
Synkroniser Data Storytelling
De data, du præsenterer, skal understøtte din historie. Nogle gange kan hjemmesidefejl eller e-mailsikkerhedssystemer begrænse indhold eller billeder. Så vil publikum ikke være i stand til at forstå den grafiske repræsentation af data. Derfor er mærkning vigtig, så publikum kan forstå historien direkte fra de visuelle elementer.
Du kan uden tvivl visualisere fra bunden ved hjælp af regnearksapps som Microsoft Excel eller Google Sheets. Der findes dog mere avancerede og intelligente datavisualiseringsværktøjer på markedet.
I sådanne værktøjer importerer du bare de rå data, definerer en use case og får formaterede visualiseringer på få sekunder. Du kan tjekke værktøjer som Tableau Public, Looker Studio, Microsoft Power BI, Open Refine osv.
Afslutter
Indtil videre har du gennemgået det grundlæggende i datavisualisering, som dets definition, typer, arbejdsmetode, vigtighed, use cases og eksempler. Yderligere har du lært den bedste praksis for datavisualisering, som du skal følge for at fortælle en overbevisende og engagerende historie ved hjælp af forretningsdata.
Dernæst er de bedste business intelligence-værktøjer og FusionCharts-datavisualiseringsværktøjet, som du måske ikke vil gå glip af.