Smb-työkalupakki: kuinka valita oikea datanäyttö

Laskentataulukot ovat olleet liiketoiminnan keskeinen perusta niin kauan, että joillakin ihmisillä on vaikeuksia päästää heidät liikkeelle. Useimmat yritykset ovat kuitenkin siirtyneet ohitetun nostalgian ohi tehokkaampien itsepalveluyritysten (Business Intelligence - BI) työkalujen hyväksi. On monia syitä, miksi nämä työkalut ovat parempia kuin laskentataulukko, mutta selvin on kyky tuottaa helposti tehokkaita ja vakuuttavia tietojen visualisointeja. Tämä yksi tekijä on suurempi kuin mikä tahansa argumentti laskentataulukoiden tueksi yhdestä yksinkertaisesta syystä: Ihmisen aivot absorboivat ja käsittelevät tiedon visuaalisia esityksiä nopeammin ja paremmin kuin numerot.

Tämä ihmisten viihtyvyys numeroiden yli liittyvien kuvien suhteen on kaukana viimeaikaisesta löytöstä. Historia osoittaa meille, että konsepti on testattu menestyksekkäästi ajan myötä, varhaisista luolapiirroksista moderneihin yleisiin liikennemerkeihin, jotka tunnustetaan ympäri maailmaa kielestä riippumatta. Yksi silmäys kuvapohjaisiin viesteihin ja tietoon ymmärretään kielestäsi tai matematiikasta riippumatta. Nykyaikaiset tiedon visualisoinnit vievät tämän tehokkaan viestintävälineen aivan uudelle tasolle infusoimalla rikkaat kaaviot ja kuvaajat rikkaalla datalla.

Oikean datanäkymän valitseminen ei kuitenkaan ole vain valintakaavion valitseminen pylväskaavion tai sirontakaavion yli. Se ei ole niin yksinkertaista kuin perinteisten avantgarde-visualisointien, kuten 3D-virtuaalitodellisuuden (VR) kuvien valitseminen. Pelissä on paljon enemmän kuin henkilökohtainen maku ja mieltymykset.

Jokainen visualisoinnin elementti välittää osan kokonaisviestistä. Värivaihtoehdoista ja mustesuhteesta itse tietoihin (ja kaikki kerrokset, joihin voit syventää sitä), tietojen visualisoinnit ovat yksi, harhaanjohtava yksinkertainen esitys monimutkaisista, tietopohjaisista liikeideoista.

Joten minkä visualisoinnin sinun pitäisi valita? Viime kädessä valinta on sinun määrittää visuaalinen esitys, joka parhaiten vastaa viestiä, jota yrität lähettää esitettävien tietojen kanssa. Tässä on asiat, jotka sinun on tiedettävä tietoisen ja strategisen päätöksen tekemiseksi.

Visualisointityypit

En tylsytä sinua kokoamaan kaikki kokeilut. Jos olet toiminut yrityksessä huomattavan määrän aikaa tai työskennellyt datalla, joka on enemmän kuin pelkästään sen syöttäminen ohjelmistoon, tunnet jo perinteiset visualisointimuodot: ympyräkaaviot, pylväskaaviot, viivakaaviot, sirontakaaviot ja kartat symboleja. Nämä, muiden graafisten esitysten joukossa, on yleensä järjestetty kahteen tai kolmeen ominaisuuteen, mukaan lukien aika, yksikkömäärä ja kustannukset tai myynti.

Tässä visualisointiryhmässä ei ole mitään vikaa. Ne ovat olleet pitkään käytössä syystä: ne toimivat.

Itse asiassa heidän hyvin perehtyneisyys tarkoittaa sitä, että yleisön ei tarvitse pysähtyä ja selvittää lomaketta ennen kuin he voivat ymmärtää viestin. Juuri sen haluat tapahtua. Joten miksi et lopettaa täällä ja valita yksi näistä? Tai, kuten useissa BI-sovelluksissa on vaihtoehto, anna ohjelmistojen valita sinulle yksi?

Koska kaikkia analyyttisiä tuloksia ei voida tai pitäisi ilmaista sellaisella liian yksinkertaistetulla välityksellä. Liikennevalo pienenee kolmeen ominaisuuteen, koska välitettäviä viestejä on vain kolme: mene, hidasta ja pysähdy. Jos haluat sanoa jotain muuta, sinun on lisättävä uusi visio. Ehkä merkki, jossa lukee "Ei oikealle kääntyä punaiseksi", tai ehkä lisäät uuden valonheittimen vain kääntymiskaistalle. Kojetauluissa ja raporteissa kaikki nämä lisätyt visuaalit voivat kasaantua ja siihen mennessä, kun yleisö pääsee kasan loppuun, he ovat unohtaneet, kuinka nämä tiedot liittyvät kasaan kuuluvaan ensimmäiseen tai muuhun visuaaliseen kuvaan. Se ei ole tehokasta eikä opettavaista. Lisäksi liian monien visualisointien käyttö voi aiheuttaa käyttäjän väsymystä. Viesti menetetään mielessä, joka vaeltaa.

Joka tapauksessa tiedät nämä visualisoinnit jo. Siirrytään eteenpäin ja harkitaan uudempia muotoja.

'Twixt ja' Tween

Tämä visualisointiluokka kuvaa enemmän ominaisuuksia kuin perinteinen ryhmä, mutta viestillä on taipumus olla yksi ainoa työntövoima. Harkitse esimerkiksi "sanapilvi". Tämä visualisointi mittaa monia sanoja toisiinsa nähden, joten jokainen sana on kuvattu kooltaan suhteessa sen käyttöön muihin sanoihin verrattuna. Värejä voidaan käyttää kuvaamaan ryhmän alaryhmiä tai muuta tietoa tai yksinkertaisesti helpottamaan yksittäisten sanakokojen näkemistä yhdellä silmäyksellä.

Milloin sanapilvien visualisointi voisi olla hyvä käyttää? Useita käyttötapauksia ovat asiakkaan / käyttäjän mielialat sosiaalisessa mediassa, asiakaskysymysten lisääntyminen ja / tai vähentäminen puhelinkeskuksissa, asiakaskyselyjen tekeminen tietyistä tuotteista, tuotemyynti ja muut tapaukset. Muita tämän tyyppisiä esimerkkejä on usein nähtävissä infografiassa, koska ne kuvaavat aiheeseen perustuvaa tietoa.

Myyjäystävällinen, mutta käyttäjäystävällinen

Sitten on visualisointeja, joita BI-myyjät tarjoavat ylpeänä, mutta harvat ostajat ja käyttäjät ymmärtävät. Mutta odota, saatat sanoa. Jos en osaa katsoa visualisointia ja kertoa miten se toimii, miten yleisöni voi selvittää, mitä tiedot heille kertovat?

On totta, että joskus visualisointi sisältää tietoa, mutta ei toimita sitä. Otetaan esimerkiksi Vincent van Goghin "Tähdenyö", jonka hän maalasi vuonna 1889. Ikoninen teos kuvaa tarkasti tuulen turbulenssia, mutta kukaan matemaatikko tai tutkija ei tunnustanut tätä ymmärrystä vasta vuosisatoja myöhemmin. Puhuta tietojen toimittamatta jättämisestä.

"Tutkijat ovat kamppailleet vuosisatojen ajan kuvaamaan turbulenttia virtausta - joidenkin sanotaan pitäneen ongelmaa vaikeampana kuin kvanttimekaniikka", sanotaan Nature-lehden raportissa. "Useat van Goghin teokset osoittavat Kolmogorovin skaalauksen niiden luminanssin todennäköisyysjakaumissa. Silmälle tämä kuvio voidaan nähdä erikokoisina pyörreinä, mukaan lukien sekä suuret pyörteet että pienet pyörteet, jotka on luotu harjatyöllä."

Vaikka minkä tahansa visualisoinnin onnistuminen riippuu ainakin osittain katsojan näkökulmasta ja tiedosta, joskus tieto on niin monimutkainen, että se vaatii kehittyneempiä ja tarkempia visualisointeja. Muuten tiedot katoavat kuljetuksessa tai käännöksessä.

Jotkut BI-myyjät tarjoavat tämän hienostuneisuuden visualisointipaletteissaan. Sankey-kaavio, joka on erittäin hyödyllinen kuvaamalla tietovirta tietojoukossa, on yksi esimerkki.

"Esimerkiksi tämä visualisointi voi näyttää prosessin, jonka kautta pankkiasiakkaat siirtävät rahaa mittaamalla kassavirta tapahtumaa kohden. Sankey-kaaviot ovat hyödyllisiä aina, kun haluat näyttää tiedonkulun prosessin eri vaiheissa", Daphne Tan selitti. Tuotemarkkinointipäällikkö MicroStrategyssä, joka tuotti alla olevan Sankey Diagram -visuaalin.

Se voi viedä jonkin verran vaivaa opettaaksesi yleisöllesi lukemaan joitain hienostuneempia visualisointeja. Se on kuitenkin sen arvoista, jos joudut välittämään säännöllisesti enemmän kuin yleistä tietoa etkä halua vetää van Goghia. Löydät kuitenkin monia yleisöjä, jotka ovat jo tuttuja näistä tarkemmista muuttujista ja tietojen esityksistä, mukaan lukien tilastotieteilijät, insinöörit ja monet tieteen alalla työskentelevät ammattilaiset.

Tässä on lyhyt kuvaus joihinkin tämän luokan visualisoinneista, joita kannattaa harkita ja missä niitä haluat käyttää:

1. Kaarikaaviot: Nämä kaaviot kykenevät ainutlaatuisesti esittämään monimutkaisia ​​kuvioita merkkijonossa, mikä tarkoittaa sekvenssejä, jotka usein sisältävät myös toistuvia sekvenssejä. Ajattele DNA: ta ja virtaustietoa esineiden Internetistä (IoT). Löydät tarkempia tietoja kaarikaavioista tässä IBM Researchin julkaisussa.

2. Sunburst -diagrammi : Kutsutaan myös monitasoisiksi ympyräkaavioiksi, näitä käytetään ensisijaisesti hierarkkitiedon visualisointiin samankeskisten ympyröiden avulla. Voit luoda ne esimerkiksi Microsoft Excel -sovelluksessa. Alla on esimerkki:

3. Suorakuva: Microsoft ja GitHub kuvaavat suoratoistona "pinottua aluekarttaa, jolla on sujuva interpolointi, jota käytetään usein arvojen näyttämiseen ajan myötä". Tässä kaaviossa muodostuu virtaava orgaaninen muoto, ja tulos voi olla sekä vaativia että inhoavia. Silti sillä on erittäin päteviä käyttötarkoituksia, kuten esimerkiksi suuren määrän tietojoukkojen näyttäminen trendejen ja kuvioiden löytämiseksi ajan myötä monista luokista. Kyllä, tämä on avoimen lähdekoodin visualisointi, joten voit hankkia sen Microsoft Office -kaupasta tai GitHubista.

4. Hyperbolinen puu: Hyperbolinen puu, jota kutsutaan myös hypertreeksi, on tämän kuvauksen inspiroima hyperbolinen geometria, ja se on pohjimmiltaan tapa piirtää erittäin suuri puu rajoitettuun tilaan välttäen möykkyn tekemistä. Laitat kaiken levylle eikä tasaiselle tasolle, jotta kauempana olevat oksat näyttäisivät pienemmiltä. Mutta voit vetää ne itseesi, mikä tekee niistä suurempia ja helpompaa tutkia. Hyperboliset puut esittävät suurta tietoa yksityiskohtaisesti ja kontekstin ollessa yhdessä näkymässä (toisin kuin hakuun tai muuten kutsuun ja esittämiseen rakeisia yksityiskohtia toisessa näkymässä).

Visualisoinnit syntyivät uudesta tekniikasta

Nykyään on tarjolla niin monia erityyppisiä visualisointeja, saatat odottaa, että kaikki mahdolliset keinot tietojen visuaaliseksi kuvaamiseksi on jo saatavana. Valitettavasti ei. Uusi tekniikka ja käyttötapaukset synnyttävät väistämättä myös uusia visualisointimuotoja.

Lisätyn todellisuuden (AR) ja virtuaalitodellisuuden (VR) järjestelmät tulevat heti mieleen. BI-toimittajat työskentelevät jo näiden järjestelmien ainutlaatuisten visualisointien parissa. Yksi esimerkki on Vantage Data Centersin uusi tietojen visualisointijärjestelmä 3D, VR-yhteensopivassa virtuaalikierrosjärjestelmässä. Se näyttää tältä:

"Käynnistimme ensimmäisen kerran concept3D-alustan toukokuussa 2017 auttaaksemme meitä mainostamaan uutta datakeskuksamme Santa Clarassa, joka tuolloin oli rakenteilla. Alusta on uskomaton, kun yrität markkinoida rakennusta, jota ei ole olemassa ", sanoi Steve Lim, johtaja ja markkinointijohtaja Vantage Data Centerissä.

Tiedot näkyvät päällekkäisyytenä VR: n näytöllä, mutta se pelkkä paikka olisi liian rajoittava.

"Odotamme lähitulevaisuudessa useimpien asiakkaidemme ja työntekijöidemme käyttävän järjestelmää ilman VR: tä työpöydällään tai mobiililaitteellaan. Se on vaikuttava nähdä ensimmäistä kertaa, ja on paljon potentiaalia, kuinka tämä järjestelmä voi auttaa meitä toiminnassa ja käyttää todellista - Aika tietoja mistä päin maailmaa tahansa ", Lim lisäsi.

Valitse tehtävän mukaan

Jokainen visualisointityyppi on rakennettu tiettyä analyyttistä tehtävää varten, kuten jakelu, koostumus, suhde tai vertailu. Varmista, että ymmärrät jokaisen tehtävän, ja valitse visualisoinnit sen mukaan. Esimerkiksi tuotemyynnin ymmärtäminen lomalla, kuten jouluna, on suhteiden tutkimus. Hyviä visualisointivaihtoehtoja tälle olisivat sirontakuviot, sanat pilvet ja Venn-kaaviot.

Ymmärtäminen, myyvätkö päällystakit vai renkaat paremmin, vertailukuvaus. Pylväskaaviot, ympyräkaaviot, luettelotaulut ja viivakaaviot ovat täällä hyviä valintoja. Markkinaosuuden ja kilpailututkimuksen esittäminen on koostumustehtävä. Harkitse pinottuja palkki- / aluekarttoja, ympyräkaavioita, vesiputouksia tai mitä tahansa puukarttoja sen mukaan, kuinka paljon tietoa asiayhteydessä on näytettävä.

Jakelutehtäviin kuuluu ymmärtää, minkä tyyppisiä tavaroita lähetetään mihin varastoihin ja / tai mihin varastoihin varastoidaan, sekä visualisoida, kuinka hallitukset jakavat resursseja eri väestötietoja kohden. Hyviä visualisointivaihtoehtoja ovat histogrammit, nauhatkaaviot ja laatikkokaaviot.

"Tässä tapauksessa haluamme näkymän, jossa voimme nähdä kaikki tiedot kerralla ja yrittää löytää arvo-, muoto- tai poikkeavuusalueen", kertoo Patrik Lundbald, BI: n ja visualisointiohjelmistoyrityksen Qlikin visualisoinnin edustaja.

Tarkistuslista visuaalisuuden valitsemiseksi

1. Tunne yleisösi : Valitse visualisointi, jonka yleisösi todennäköisesti löytää relatable ja kiinnostava. Joten, jos hauskat hotdogit kuvaavat infografiassasi parhaiten jalkakäytävämyyjäsi, siirry siihen. Mutta älä säästä tietoa, jos välität sen tilastoinnin, tietotekniikan, tekniikan tai muun huipputason taitoihin täyttävälle yleisölle. Valitse visualisointi, joka tuottaa yksityiskohdat ja kontekstin, jota he tarvitsevat toimimaankseen tiedon joutumatta lajittelemaan näennäisesti loputtoman kasaan liittyviä visualisointeja.

2. Tee selkeys ensisijaiseksi prioriteediksi: Ole selkeä ja ytimekäs, vaikka sinulla olisi erittäin yksityiskohtaisia ​​ja monimutkaisia ​​tietoja. Tavoitteesi on tuottaa helposti luettavia visualisointeja, vaikka sisältö olisi kaikkea muuta.

3. Kiinnitä huomiota kaikkiin yksityiskohtiin: Joten haluat tämän BI-sovelluksen pylväskaavion välittävän tämän tiedon. Mutta liittyvätko palkit oikein toisiinsa vai onko vaaka pois päältä? Yksityiskohdilla on merkitystä. Jokaisessa visualisoinnissa kaikki kerrotaan tarina. Varmista, että kerrot tarinan, jonka tarkoitit kertoa.

4. Suunnittele käyttäjien väsymyksen estäminen: Liian monet visualisoinnit väsyttävät katsojaa, samoin kuin vieraat kuvat tai liian monimutkaiset grafiikat. Toimita tiedot tarkalla ja lyhyellä kertomuksella, jotta katsoja pysyy kiinnostuneena ja muistaa oppimansa. Rajoita visualisointien määrää kojetauluissa ja raporteissa.

5. Testi visualisointilomakkeet: visualisoinnit ovat kuin vitsejä. Jos joudut selittämään heidät, epäonnistit. Sen on kyettävä välittämään tiedot mahdollisimman vähän tekstiä. Ennen kuin alat käyttää visualisointia rutiininomaisesti, testaa sitä ihmisille, jotka eivät ole lähellä kohdetta. Valitse mieluummin ihmiset, joiden on löydettävä tiedot visualisoinnista, kuin ne, jotka jo tietävät sen. Ovatko he valaistuneet vai hämmentyneet? Jos olet hämmentynyt, valitse toinen visualisointimuoto tai valmista kouluttamaan yleisöäsi.

"Ellei kyseessä ole erikoistunut tieto, joka vaatii syvää tietoa tekoälystä, lohkoketjuista, petehiaalisesta verenvuodosta tai kvanttifysiikasta, visualisointi palvelee lukijaa parhaiten, kun sitä voidaan tulkita yksinään, ei pelkästään artikkelikokoelmassa", sanoo varapuheenjohtaja Mark Nicholson. markkinoinnin ja liiketoiminnan kehittämisen aloitteesta NiceJobissa, sosiaalisen median / asiakasarvostelun maineita rakentavassa yrityksessä.

6. Muista van Gogh: Monimutkaiset tiedot voidaan kadottaa harhaanjohtavasta kuvauksesta. Siksi yksinkertainen visualisointi ei ehkä ole oikea valinta. Keskity tiedon välittämiseen, se on tärkeä asia. Lisäksi van Gogh opetti meille, että värit eivät ole ainoa tai edes paras tapa välittää tietoa nopeasti. Van Goghin "upeassa siveltimessä käytettiin ominaisuutta, joka tunnetaan luminanssina, mitattuna suhteellisen kirkkaudesta eri pisteiden välillä. Silmä on herkempi luminanssin muutokselle kuin värimuutokselle, mikä tarkoittaa, että reagoimme nopeammin kirkkauden muutoksiin kuin väreihin, " "raportoi NPR. Käytä erilaisia ​​kirkkaustasoja sekä värejä korostaaksesi tietoja tai näyttämällä liikettä.

7. Opi uusia toimittajan visualisointeja: Pyydä oppaita, esimerkkejä ja muita tietoja myyjän tarjoamista visualisoinneista, joita et ymmärrä. On parempi oppia työssä kuin pysyä jo tunnettujen visualisointien kanssa. Miksi? Koska tekniikka on muuttumassa, ja samalla tavalla, myös uudemmat visualisointimuodot ilmestyvät. Se on kuin koskaan päivitä tai päivitä puhelintasi. Ennemmin tai myöhemmin et pääse kenellekään.

8. Joskus Automated Is Best: Jotkut BI-myyjät harkitsevat paljon ajattelua automatisoituun visualisointiominaisuuteensa. Yksi esimerkki, joka mieleen tulee, on Salesforce Einstein Analytics. Yhtiöllä on vuosien kokemus asiakas-, myynti- ja markkinointianalyyseistä, jotka ovat peräisin heidän varhaisista asiakassuhteiden hallinnan (CRM) päivistä. Heidän automatisoidut visualisointinsa heijastavat kokemusta. Joten jos käytät myyntiä ja asiakastietoja päivittäin, Einsteinin luottaminen visualisointien käsittelyyn on älykäs ja käytännöllinen ratkaisu. Pyörän keksimiseen ei ole syytä.

9. Mieti Narratiivia: Valitse visualisoinnit, jotka parantavat kerrontasi ja kertovat tarinan. Muutoin olet palannut numeroiden kuvaamiseen, eikä työtoverisi tai pomo aio myös ottaa vastaan ​​ja säilyttää tietoja. Varmista, että esitykset ovat yhteydessä tilanteeseen, käytä oikeita mittauksia (esim. Absoluuttiset arvot verrattuna suhteellisiin) ja tarkista mittakaava. Käytä värejä korostamaan tärkeitä kohtia, mutta rajoita käytettävien värien määrää. Itse visualisoinnin ei tulisi olla katsojan painopiste, sisällön pitäisi olla.

10. Pidä tehtäväsi mielessä: Muista, että visualisoinnit on suunniteltu tietyille tehtäville, ja käytä niitä vastaavasti. Kuitenkin yksinkertainen on melkein aina parempi kuin monimutkainen. Tavoitteena on löytää paras, nopein ja selkein tapa siirtää tietoa koneista ihmisille.