top of page

Gdy Tw贸j wykres wygl膮da na spaghetti a Twoi odbiorcy niekoniecznie s膮 g艂odni 馃槈

Zaktualizowano: 30 lis 2023

Wykresy liniowe spaghetti s膮 popularnym narz臋dziem wizualizacji danych, kt贸re pozwalaj膮 na przedstawienie wielu serii danych na jednym wykresie. Cho膰 s膮 one przydatne do analizy trend贸w i zmian w czasie, cz臋sto mo偶na spotka膰 si臋 z problemem, kt贸ry wp艂ywa na czytelno艣膰 tych wykres贸w. Wykres spaghetti jest wykresem liniowym, gdzie poszczeg贸lne serie cz臋sto nak艂adaj膮 si臋 na siebie. Przyk艂ad takiego wykresu przedstawiono poni偶ej.


Rysunek 1. Wykres spaghetti

Wykres swoj膮 nazw臋 zawdzi臋cza widokowi puszczonego makaronu spaghetti na ziemi臋 oraz przypadkowemu st膮pni臋ciu nog膮 na 贸w makaron. Wtedy taki makaron 艣rednio nadaje si臋 ju偶 do spo偶ycia i podobn膮 rol臋 taki wykres r贸wnie偶 spe艂nia w wizualizacji, czyli cokolwiek chcemy pokaza膰 takim wykresem 鈥 to 艣rednio nam to wyjdzie.

Wykresy liniowe spaghetti stanowi膮 wyzwanie wizualizacyjne z kilku powod贸w. Po pierwsze, na jednym wykresie nak艂adaj膮 si臋 r贸偶ne serie danych, co mo偶e prowadzi膰 do chaosu wizualnego. Kiedy linie si臋 krzy偶uj膮 i przecinaj膮, trudno jest odczyta膰 warto艣ci punkt贸w danych. To utrudnia analiz臋 i wnioskowanie.

Po drugie, wykresy spaghetti mog膮 by膰 trudne do zrozumienia, szczeg贸lnie dla os贸b niezaawansowanych w analizie danych. Cz臋sto brakuje odpowiednich etykiet, co sprawia, 偶e trudno jest zidentyfikowa膰, kt贸re serie danych odpowiadaj膮 konkretnym danym. To mo偶e prowadzi膰 do b艂臋dnych interpretacji i z艂ych decyzji.

Pierwsz膮 metod膮, kt贸ra umo偶liwi poprawienie czytelno艣ci wykresu spaghetti jest sprawienie by taka wizualizacja nie by艂a przyt艂aczaj膮ca wizualnie. Mo偶emy w bardzo prosty spos贸b nakierowa膰 naszych odbiorc贸w na jeden konkretny aspekt. W omawianym przyk艂adzie chcia艂bym pokierowa膰 swoich odbiorc贸w za pomoc膮 koloru i przetwarzania mimowolnego na aspekt zwi膮zany z malej膮c膮 mar偶owo艣ci膮 w kanale sprzeda偶y Przemys艂 (rysunek 2).



Rysunek 2. Zaakcentuj jedn膮 lini臋

Pozbywamy si臋 r贸wnie偶 legendy, linii siatek, dodajemy obja艣nienie danych jednej serii i dbamy by wykres zaczyna艂 si臋 od lewej osi. Domy艣lnie, niestety Excel cz臋sto przedstawia ze zb臋dnym odst臋pem od osi pionowej (tak jak na rysunku 1). Wszystkie te zabiegi s膮 wskaz贸wkami wizualnymi, dzi臋ki kt贸rym mo偶emy pokierowa膰 uwag臋 naszych odbiorc贸w. Istotnym wydaje si臋 podkre艣lenie, i偶 taka narracja przedstawiania danych ma sens w momencie kiedy robimy to na 偶ywo i mo偶emy dopowiedzie膰 ustnie swoje uwagi do wykres贸w. Wykres w takiej formie mo偶e by膰 mniej przydatny dla kogo艣, kto nie by艂 na prezentacji danych i otrzyma艂 te informacje w postaci przes艂anego pliku.

Kolejn膮 mo偶liwo艣ci膮 przeobra偶enia wykresu spaghetti to odsuni臋cie od siebie tych linii i przedstawienie ich w pionie lub poziomie. Poni偶ej przyk艂ad rozpl膮tania spaghetti w wersji pionowej.



Rysunek 3. Odsuwamy od siebie linie

W przedstawionym rozwi膮zaniu stworzone zosta艂y cztery odr臋bne diagramy typu Sparkline, sprawiaj膮cych wra偶enie jednej sp贸jnej wizualizacji. Oznaczenia na osiach x (na pocz膮tku i ko艅cu) daj膮 relatywnie szeroki kontekst, dlatego nie ma wi臋kszej potrzeby pokazywa膰 osi y.

Podobnie mo偶na to przedstawia膰 w Power BI (rysunek 4)

Rysunek 4. Odsuwamy od siebie linie 鈥 przyk艂ad wizualizacji w Power BI

Mo偶na r贸wnie偶 u偶y膰 metody kombinowanej u偶ywaj膮c separacji przestrzennej odr贸偶niaj膮c jedn膮 lini臋 od pozosta艂ych (rysunek 5). Tak samo jak w przypadku Sparkline przedstawionych wy偶ej 鈥 odsuwamy poszczeg贸lne kategorie od siebie dla wi臋kszej przejrzysto艣ci i zrozumia艂o艣ci wizualizacji.



Rysunek 5. Metoda kombinowana: separacja w pionie


Podej艣cie na rysunku 5 jest dobrym rozwi膮zaniem, je艣li kontekst wszystkich prezentowanych danych mo偶e by膰 istotny i u偶yteczny dla wszystkich odbiorc贸w, natomiast skupienie odbywa si臋 na ka偶dej jednej zaznaczonej linii w poszczeg贸lnych kategoriach co zdecydowanie zwi臋ksza zrozumienie wizualizacji. Przyk艂ad ten jest dobrym pomys艂em na prezentowanie danych odbiorcom, kt贸rzy nie uczestnicz膮 w prezentacji na 偶ywo, a s膮 post factum informowani o zawarto艣ci ca艂ej wizualizacji. Dlatego taka prezentacja danych w formie kombinowanej z pewno艣ci膮 b臋dzie przydatna w raportach lub materia艂ach przekazywanych odbiorcom, kt贸rzy nie uczestniczyli w prezentacji na 偶ywo.

Podsumowuj膮c, nale偶y zaznaczy膰, i偶 istnieje kilka mo偶liwo艣ci przeobra偶enia wykresu spaghetti w wizualizacj臋 bardziej sprzyjaj膮ca naszym odbiorcom. Nale偶y przemy艣le膰 sw贸j storytelling danych i przedstawi膰 najistotniejsze historie oraz zastanowi膰 si臋 jakie narz臋dzia wizualizacje b臋d膮 najtrafniejsze w kontek艣cie sposobu prezentowania wizualizacji.

A na sam koniec rekomendacja od chata GPT, kt贸re w mojej ocenie s膮 do艣膰 trafne 馃槈

Aby poprawi膰 czytelno艣膰 wykres贸w spaghetti, warto rozwa偶y膰 nast臋puj膮ce rekomendacje:

  1. Korzystaj z r贸偶nych kolor贸w: Przypisanie r贸偶nym seriom danych r贸偶nych kolor贸w u艂atwi identyfikacj臋 i 艣ledzenie trend贸w. Unikaj jednak nadmiernego u偶ycia kolor贸w, kt贸re mog膮 sprawi膰, 偶e wykres stanie si臋 zbyt chaotyczny.

  2. Dodawaj etykiety: Dla kluczowych punkt贸w danych lub serii danych warto doda膰 czytelne etykiety. Mo偶esz to zrobi膰 na wykresie lub w legendzie. Etykiety pomog膮 zrozumie膰, co reprezentuj膮 dane linie.

  3. Zgrupuj podobne serie: Je艣li masz wiele serii danych, kt贸re wykazuj膮 podobne wzorce, rozwa偶 grupowanie ich w jedn膮 lini臋 lub wykorzystanie wykres贸w punktowych, kt贸re pozwalaj膮 na bardziej czyteln膮 reprezentacj臋 danych.

  4. U偶ywaj interaktywnych narz臋dzi: Je艣li pracujesz z danymi online, wykorzystaj interaktywne narz臋dzia, kt贸re pozwalaj膮 na wyb贸r i wy艂膮czenie wybranych serii danych. To u艂atwi u偶ytkownikom analiz臋 danych wed艂ug w艂asnych potrzeb.

  5. Opisuj dane w tek艣cie: Nie zapominaj o opisie i interpretacji wykresu w tek艣cie towarzysz膮cym. Dostarcz czytelnych i klarownych wniosk贸w z analizy danych, aby u偶ytkownicy zrozumieli, co wykres ma do przekazania.

Wykresy spaghetti mog膮 by膰 przydatnym narz臋dziem analizy danych, ale wymagaj膮 odpowiedniego podej艣cia, aby by膰 czytelnymi i zrozumia艂ymi. Poprzez zastosowanie rekomendacji dotycz膮cych kolor贸w, etykiet, grupowania serii danych oraz u偶ycia narz臋dzi interaktywnych, mo偶na znacz膮co poprawi膰 czytelno艣膰 tych wizualizacji. Wa偶ne jest, aby dostarcza膰 u偶ytkownikom zrozumia艂e kontekstualne informacje i interpretacj臋 danych, aby pom贸c im w w艂a艣ciwej analizie. Dbanie o czytelno艣膰 wizualizacji danych to klucz do efektywnej analizy i podejmowania trafnych decyzji.


108 wy艣wietle艅0 komentarzy

Comments


bottom of page