Numerot eivät puhu puolestaan. Täynnä dataa oleva taulukko ei kerro yleisöllesi mitään, ennen kuin joku tekee päätöksen: mitä tämä oikeastaan tarkoittaa ja mikä on paras tapa osoittaa se?
Tuo päätös on tärkeämpi kuin useimmat ihmiset ymmärtävät. Sama datajoukko taulukkona, viivakaaviona tai sirontakaaviona kertoo kolme täysin erilaista tarinaa. Väärä muoto ja menetät tilanteen. Oikea muoto ja oivallukset ilmaantuvat ennen kuin ehdit sanoa sanaakaan.
Tässä on kymmenen tapaa esittää tietoja ja tarkalleen milloin kutakin käytetään.
1. Pöydät
Taulukot järjestävät tiedot riveihin ja sarakkeisiin esittäen tarkat arvot helppoa hakua ja vertailua varten. Ne toimivat parhaiten, kun yleisösi tarvitsee etsiä tiettyjä lukuja tai vertailla useita datapisteitä useista eri luokista.
Sopii parhaiten: Talousraportteihin, varastoluetteloihin, useita muuttujia sisältäviin kyselytuloksiin tai mihin tahansa tilanteeseen, jossa tarkkuus on tärkeämpää kuin hahmontunnistus.
Esimerkki: Viiden tuotelinjan neljännen vuosineljänneksen liikevaihdon vertailu tarkoilla luvuilla. Jokaisella rivillä näkyy nimi, myydyt yksiköt, liikevaihto, voittomarginaali ja kasvu edellisvuoteen verrattuna. Sidosryhmät voivat tarkastella yksityiskohtia ja samalla nähdä koko kontekstin.
Rajoitus: Taulukot eivät paljasta trendejä tai korosta poikkeavia havaintoja yhtä tehokkaasti kuin muut muodot. Tiheät taulukot käyvät nopeasti ylivoimaisiksi. Selkeyden vuoksi käytä enintään seitsemää riviä ja kuutta saraketta.
2. Tekstipohjainen data
Joskus tärkein datapiste on yksittäinen numero tai tilastotieto, joka on upotettu sujuvaan tekstiin. Tekstipohjainen data toimii kertomuksissa, joissa selitetään kontekstia, ei vain esitetä lukuja.
Sopii parhaiten: Tiivistelmiin, tarinankerrontaan, tapaustutkimuksiin tai tutkimustulosten viestimiseen, joissa tulkinta on yhtä tärkeää kuin raa'at luvut.
Esimerkki: "Viimeisten kolmen vuoden aikana asiakaspysyvyysasteemme on parantunut 73 prosentista 91 prosenttiin, mikä johtui pääasiassa perehdytysohjelmamme uudelleensuunnittelusta. Tämä 18 prosenttiyksikön nousu tarkoittaa 2.3 miljoonaa dollaria vuosittaisia kertyneitä tuloja." Luvut saavat merkityksensä kontekstin kautta.
Rajoitus: Tekstipohjainen data vaatii huolellista lukemista. Keskeiset asiat on helppo ohittaa, kun numerot ovat hautautuneet kappaleiden sisään. Käytä tätä menetelmää tilanteissa, joissa kerronta on olennaista.
3. Ympyräkaaviot
Ympyräkaaviot näyttävät kokonaisuuden osat viipaleina, ja kunkin viipaleen koko on verrannollinen sen prosenttiosuuteen kokonaismäärästä. Ne ovat erinomaisia sommittelun näyttämisessä, kun jaat jotain, jonka summa on 100 %.
Sopii parhaiten: Budjetin kohdentamiseen, markkinaosuuksien jakautumiseen, kyselyvastausten jakamiseen luokkiin tai resurssin jakautumisen näyttämiseen.
Esimerkki: Markkinointibudjetin kohdentaminen, jossa 40 % digitaaliselle mainonnalle, 25 % tapahtumille, 20 % sisällölle, 10 % työkaluille ja 5 % testaukselle. Kaavio näyttää välittömästi digitaalisen dominoinnin ja suhteelliset osuudet.
Rajoitus: Ympyräkaaviot toimivat vain 2–5 kategorian kanssa. Tämän lisäksi niitä on vaikea tulkita ja vertailla. Älä koskaan käytä 3D-tehosteita, jotka vääristävät havainnointia. Monet data-asiantuntijat vastustavat täysin ympyräkaavioita, vaikka pylväskaaviot toimisivatkin ja ne sopivat vertailuun monien kategorioiden välillä.
4. Pylväskaaviot
Pylväskaaviot käyttävät suorakaiteen muotoisia palkkeja arvojen näyttämiseen eri luokissa. Sekä vaaka- että pystysuuntainen suunta toimivat asiayhteydestä riippuen. Pylväskaaviot ovat erinomaisia arvojen vertailussa ja ne ovat luultavasti monipuolisin datan visualisointimuoto.
Sopii parhaiten: Myynnin vertailuun eri alueiden välillä, eri tiimien suorituskykymittareiden näyttämiseen, kyselyihin vastaamisen tiheyksien näyttämiseen tai minkä tahansa kategorisen datan vertailuun.
Esimerkki: Näytetään asiakastyytyväisyyspisteet (asteikolla 0–10) viidellä yrityksen osastolla. Palkit osoittavat heti, että operatiivinen osasto saa korkeimman pistemäärän (8.2) ja IT-osasto alhaisimman pistemäärän (6.8). Katsojat voivat nähdä sijoituksen ja likimääräiset arvot välittömästi.
Rajoitus: Pylväsdiagrammit toimivat vähemmän tehokkaasti ajan kuluessa tapahtuvan muutoksen esittämisessä, varsinkin jos ajanjaksoja on useita. Ne kamppailevat myös erittäin suurten tietojoukkojen kanssa, jotka vaatisivat satoja palkkeja.
5. Histogrammit
Histogrammit muistuttavat pylväsdiagrammeja, mutta ne kuvaavat jatkuvan muuttujan jakaumaa. Toisin kuin tavallisissa pylväsdiagrammeissa, joissa on aukkoja palkkien välillä, histogrammeissa palkit koskettavat toisiaan, koska ne kuvaavat jatkuvaa aluetta, joka on jaettu väleihin.
Sopii parhaiten: Populaation jakautumisen, kuten ikäjakauman, palkkaluokkien, vastausajan jakauman tai testitulosten frekvenssien, näyttämiseen.
Esimerkki: Asiakkaiden ikäjakauma, jossa asiakkaiden keskittymä on 25–34-vuotiaita (huippu), ja nuorempien ja vanhempien ikäryhmien osuudet pienenevät. Tämä paljastaa ydindemografiasi välittömästi.
Rajoitus: Histogrammit vaativat sopivan aikavälin koon valitsemisen. Liian kapeat intervallit aiheuttavat kohinaa. Liian leveät intervallit aiheuttavat merkityksellisten yksityiskohtien menetyksen. Niitä ei myöskään ymmärretä laajalti ei-tekninen yleisö.
6. Viivadiagrammit
Viivakaaviot yhdistävät datapisteitä viivoilla ja näyttävät trendejä ja muutoksia ajan kuluessa. Ne sopivat täydellisesti sellaisten muuttujien seuraamiseen, jotka vaihtelevat tai etenevät peräkkäin.
Paras käyttötarkoitus: Osakekurssien liikkeet, verkkosivustojen liikenne kuukausien aikana, lämpötilan vaihtelut, tuottojen trendit, käyttäjämäärän kasvu tai mikä tahansa muu mittari, jota haluat seurata ajan kuluessa.
Esimerkki: Viimeisen vuoden kuukausittainen verkkosivuston liikenne, jossa näkyy lasku heinäkuussa (kesän hidastuminen) ja piikki lokakuussa (tuotelanseeraus). Useat rivit voivat näyttää eri kanavia: orgaaninen haku trendissä, sosiaalisen median pysyvyys, maksettujen mainosten kasvu. Trendit ja yhtymäkohdat kertovat tarinan välittömästi.
Rajoitus: Viivakaaviot näyttävät kuvioita, mutta peittävät tarkat arvot taulukoihin verrattuna. Ne myös täyttyvät liian monista päällekkäisistä viivoista. Rajoita kolmeen tai neljään samanaikaiseen viivaan.
Yksi erikseen mainitsemisen arvoinen muoto: reaaliaikainen datan visualisointi esitysten aikana. Työkalut, kuten AhaSlides, antavat sinun suorittaa kyselyitä, sanapilviä ja kysymys- ja vastausosioita reaaliajassa, ja tulokset visualisoituvat näytöllä yleisösi vastausten mukaan. Se ei ole vain kiinnostavaa, vaan myös nopein tapa kerätä ja näyttää yleisötietoja ilman, että sinun tarvitsee laatia yhtäkään kaaviota etukäteen. Huoneesta tulee tietojoukko.
7. Piktogrammit
Piktogrammit käyttävät kuvakkeita tai kuvia datapisteiden esittämiseen, mikä tekee niistä helppokäyttöisiä ja kiinnostavia. Jokainen kuvake edustaa yksikköä tai suurempaa määrää. Ne toimivat parhaiten pienempien datajoukkojen kanssa, joista haluat tehdä visuaalisesti houkuttelevia.
Sopii parhaiten: Infografiikkaan, esityksiin suurelle yleisölle tai mihin tahansa tilanteeseen, jossa datan esittäminen käyttäjäystävällisenä ja helposti lähestyttävänä on tärkeää.
Esimerkki: Kysely, jossa kysytään "Kuinka monta tuntia viikossa liikut?" Näytä pieniä juoksevia numeroita, joissa jokainen numero edustaa viittä henkilöä. Kymmenen henkilöä, jotka vastasivat "ei yhtään", näyttäisivät kaksi numeroa. Tämä on kiinnostavampaa kuin yksinkertainen numero.
Rajoitus: Piktogrammit toimivat vain kokonaislukujen ja suhteellisen pienten tietojoukkojen kanssa. Niitä on vaikeampi lukea suurten määrien kanssa. Ne myös vievät enemmän tilaa kuin muut muodot.
8. Tutkakaaviot
Sädekaaviot, joita kutsutaan myös hämähäkkikaavioiksi, näyttävät monimuuttujadataa useilla keskipisteestä lähtevillä akseleilla. Jokainen akseli edustaa eri muuttujaa, jonka arvot piirretään monikulmiona.
Paras käyttötarkoitus: Profiilien tai suorituskyvyn vertailuun useilla eri ulottuvuuksilla samanaikaisesti, taitoarviointeihin tai vahvuuksien ja heikkouksien näyttämiseen yhdellä silmäyksellä.
Esimerkki: Kahden kilpailevan tuotteen vertailu kuuden ulottuvuuden osalta: hinta, laatu, helppokäyttöisyys, asiakastuki, ominaisuuksien täydellisyys ja turvallisuus. Toinen tuote saattaa olla erinomainen hinnan ja helppokäyttöisyyden suhteen, mutta ominaisuuksiltaan jäljessä. Toinen saattaa loistaa laadun ja ominaisuuksien suhteen, mutta maksaa enemmän. Muodot paljastavat jokaisen profiilin välittömästi.
Rajoitus: Säteilykaaviot ovat epätarkempia kuin muut muodot ja vaikeampia tulkita yleisölle, joka ei ole niihin perehtynyt. Ne toimivat parhaiten 3–7 akselilla. Jos akselia on enemmän, niistä tulee visuaalisesti sekavaa.
Jos haluat mieluummin rakentaa sellaisen live-yleisön syötteestä kuin laskentataulukosta, AhaSlides Tutkaluiska antaa kaikkien arvioida samat kolmesta kahdeksaan kriteeriä puhelimellaan ja piirtää sitten huoneen keskiarvon kullekin kriteerille hämähäkkikaavioon arvioiden saapuessa.
9. Lämpökartat
Lämpökartoissa käytetään värien intensiteettiä datatiheyden tai -taajuuden esittämiseen. Tummemmat tai lämpimämmät värit osoittavat tyypillisesti suurempia arvoja tai suurempaa pitoisuutta. Ne sopivat erinomaisesti kahden ulottuvuuden kaavojen ja poikkeavuuksien paljastamiseen.
Sopii parhaiten: Aikaperusteisiin malleihin (verkkosivuston liikenne tunneittain ja päivittäin), maantieteellisiin tietoihin, aktiviteettimatriiseihin tai mihin tahansa tietoon, jonka keskittymistä ja klustereita haluat korostaa.
Esimerkki: Verkkosivuston liikenteen jakautuminen kellonajan ja viikonpäivän mukaan paljastaa, että tiistaisin klo 10 on ruuhka-aikoja, sunnuntaisin hiljaista ja öisin hiljaista. Värisävyt (viileä sininen vähäiselle liikenteelle, kuuma punainen suurelle liikenteelle) saavat kuviot erottumaan ilman numeroiden lukemista.
Rajoitus: Lämpökartat toimivat parhaiten tiettyjen tietotyyppien kanssa ja menettävät tehokkuuttaan, kun arvot eivät vaihtele paljon. Värien tulkinta riippuu myös katsojan värihavainnosta, joten saavutettavuudella on merkitystä.
10. Hajontakaaviot
Hajontakaaviot näyttävät kaksi toisiinsa liittyvää muuttujaa yksittäisinä pisteinä xy-akselilla, paljastaen niiden väliset suhteet ja korrelaatiot. Ne vastaavat kysymyksiin, kuten "Liikkuvatko nämä kaksi muuttujaa yhdessä?".
Sopii parhaiten: Korrelaatioanalyysiin, poikkeavien arvojen tunnistamiseen, muuttujien välisten yhteyksien tunnistamiseen tai laadunvalvontakaavioihin.
Esimerkki: Asiakkaan elinkaaren arvon (y-akseli) kuvaaja suhteessa tuotteen käyttöönotton nopeuteen päivinä (x-akseli) paljastaa, ennustaako nopeampi käyttöönotto suurempaa arvoa. Vasemmassa yläkulmassa olevat pisteet viittaavat siihen, että nopeat käyttöönottajat käyttävät enemmän rahaa. Alla olevat poikkeamat viittaavat siihen, että jotkut nopeat käyttöönottajat eivät konvertoidu arvokkaiksi asiakkaiksi. Tämä tieto ohjaa asiakashankintastrategiaa.
Rajoitus: Hajontakaaviot näyttävät korrelaation, eivät kausaliteettia. Ne voivat täyttyä suurista tietojoukoista ja peittää tarkkoja arvoja. Ne ovat myös vähemmän intuitiivisia suurelle yleisölle verrattuna pylväs- tai viivakaavioihin.
Oikean menetelmän valinta
Mikään yksittäinen formaatti ei toimi kaikkeen. Oikea valinta riippuu kolmesta asiasta: mitä datasi oikeastaan on, kuka sitä lukee ja mitä heidän on ymmärrettävä.
Aloita datasta. Luokkien vertailu ohjaa sinua kohti pylväsdiagrammeja. Jonkin seuraaminen ajan kuluessa tarkoittaa viivadiagrammeja. Koostumuksen esittäminen vaatii ympyrädiagrammia. Kahden muuttujan välisten suhteiden tutkiminen on hajontakaavioiden tehtävä.
Mieti sitten kohdeyleisöäsi. Lämpökartat ja tutkadiagrammit sopivat hyvin teknisille lukijoille, jotka osaavat tulkita vieraita formaatteja. Suurelle yleisölle kannattaa käyttää palkkeja, viivoja ja ympyrädiagrammeja. Tuttuus voittaa aina hienostuneisuuden.
Lopuksi muutama asia, jotka pätevät formaatista riippumatta: jätä 3D-tehosteet väliin, ne vääristävät enemmän kuin tekevät vaikutuksen. Nimeä kaikki. Sisällytä lähteesi. Ja jos koriste-elementti ei lisää tietoa, se vie jotain pois.
Datan visualisoinnissa ei ole kyse numeroiden näyttämisestä kauniilta. Kyse on siitä, että ne tehdään mahdottomiksi olla huomiotta.
Oikea formaatti hoitaa argumentoinnin puolestasi. Yleisösi näkee kaavan, tuntee kuilun ja ymmärtää trendin, ennen kuin olet selittänyt mitään. Jos se onnistuu, data ei tarvitse edustajaa. Se puhuu puolestaan.
