आंकड़े अपने आप में सब कुछ नहीं बता देते। आंकड़ों से भरी एक स्प्रेडशीट तब तक आपके दर्शकों को कुछ नहीं बताती जब तक कोई व्यक्ति कोई निर्णय नहीं लेता: इसका वास्तव में क्या मतलब है, और इसे दिखाने का सबसे अच्छा तरीका क्या है?
यह निर्णय जितना लोग समझते हैं, उससे कहीं अधिक महत्वपूर्ण है। एक ही डेटासेट को तालिका, रेखा ग्राफ़ या स्कैटर प्लॉट के रूप में प्रस्तुत करने पर तीन बिल्कुल अलग-अलग बातें सामने आती हैं। गलत प्रारूप चुनने पर आप अपना प्रभाव खो देते हैं। सही प्रारूप चुनने पर, बिना कुछ कहे ही आपको महत्वपूर्ण जानकारी मिल जाती है।
यहां डेटा प्रस्तुत करने के दस तरीके दिए गए हैं, और यह भी बताया गया है कि प्रत्येक तरीके का उपयोग कब करना चाहिए।
1. टेबल्स
तालिकाएँ डेटा को पंक्तियों और स्तंभों में व्यवस्थित करती हैं, जिससे सटीक मान आसानी से संदर्भ और तुलना के लिए प्रस्तुत किए जाते हैं। ये तब सबसे उपयुक्त होती हैं जब आपके दर्शकों को विशिष्ट संख्याओं को देखना हो या कई श्रेणियों में अनेक डेटा बिंदुओं की तुलना करनी हो।
इसके लिए सबसे उपयुक्त: वित्तीय रिपोर्ट, इन्वेंट्री सूची, कई चर वाले सर्वेक्षण परिणाम, या कोई भी ऐसी स्थिति जहां पैटर्न की पहचान से अधिक सटीकता मायने रखती है।
उदाहरण: पांच उत्पाद श्रेणियों में चौथी तिमाही के राजस्व की सटीक आंकड़ों के साथ तुलना। प्रत्येक श्रेणी में उत्पाद का नाम, बेची गई इकाइयाँ, राजस्व, लाभ मार्जिन और वार्षिक वृद्धि दर्शाई गई है। हितधारक संपूर्ण संदर्भ देखते हुए विशिष्ट विवरणों का गहन अध्ययन कर सकते हैं।
सीमा: सारणियाँ अन्य प्रारूपों की तुलना में रुझानों को प्रभावी ढंग से प्रकट नहीं करतीं या असामान्यताओं को उजागर नहीं करतीं। घनी सारणियाँ जल्दी ही बोझिल हो जाती हैं। स्पष्टता के लिए अधिकतम सात पंक्तियाँ और छह स्तंभ ही रखें।
2. पाठ-आधारित डेटा
कभी-कभी सबसे महत्वपूर्ण डेटा बिंदु प्रवाहमय गद्य में समाहित एक संख्या या आँकड़ा होता है। पाठ-आधारित डेटा उन कथाओं के लिए उपयुक्त होता है जहाँ आप संदर्भ समझा रहे होते हैं, न कि केवल आंकड़े प्रस्तुत कर रहे होते हैं।
इसके लिए सबसे उपयुक्त: कार्यकारी सारांश, कहानी सुनाना, केस स्टडी या शोध निष्कर्षों को संप्रेषित करना जहां व्याख्या उतनी ही महत्वपूर्ण है जितनी कि वास्तविक संख्याएँ।
उदाहरण: "पिछले तीन वर्षों में, हमारे ग्राहक प्रतिधारण दर में 73% से 91% तक सुधार हुआ है, जिसका मुख्य कारण हमारे ऑनबोर्डिंग कार्यक्रम का पुनर्रचना है। 18 अंकों की यह वृद्धि वार्षिक राजस्व में $2.3 मिलियन की बचत के बराबर है।" संदर्भ से ही इन आंकड़ों का अर्थ स्पष्ट होता है।
सीमा: पाठ-आधारित डेटा को ध्यानपूर्वक पढ़ना आवश्यक है। पैराग्राफों में संख्याओं के दबे होने पर महत्वपूर्ण बिंदुओं को नज़रअंदाज़ करना आसान होता है। इस विधि का उपयोग केवल उन स्थितियों में करें जहाँ वर्णनात्मक व्याख्या अनिवार्य हो।
3. पाई चार्ट
पाई चार्ट किसी संपूर्ण वस्तु के भागों को स्लाइस के रूप में दर्शाते हैं, जिसमें प्रत्येक स्लाइस का आकार कुल योग के उसके प्रतिशत के अनुपात में होता है। 100% योग वाली किसी वस्तु को विभाजित करते समय संरचना दर्शाने में पाई चार्ट उत्कृष्ट होते हैं।
इसके लिए सर्वोत्तम: बजट आवंटन, बाजार हिस्सेदारी वितरण, सर्वेक्षण प्रतिक्रियाओं को श्रेणियों में विभाजित करना, या यह दिखाना कि किसी संसाधन को कैसे विभाजित किया गया है।
उदाहरण: मार्केटिंग बजट का आवंटन डिजिटल विज्ञापन के लिए 40%, इवेंट्स के लिए 25%, कंटेंट के लिए 20%, टूल्स के लिए 10% और टेस्टिंग के लिए 5% दर्शाता है। पाई चार्ट से डिजिटल प्रभुत्व और सापेक्ष अनुपात तुरंत स्पष्ट हो जाते हैं।
सीमा: पाई चार्ट केवल 2-5 श्रेणियों के साथ ही काम करते हैं। इससे अधिक होने पर, उन्हें समझना और तुलना करना मुश्किल हो जाता है। 3D प्रभावों का प्रयोग कभी न करें, क्योंकि वे देखने के तरीके को बिगाड़ देते हैं। कई डेटा विशेषज्ञ पाई चार्ट के उपयोग का पूरी तरह से विरोध करते हैं, जबकि बार चार्ट कई श्रेणियों में तुलना के लिए उपयुक्त होते हैं।
4. बार चार्ट
बार चार्ट विभिन्न श्रेणियों के मानों को दर्शाने के लिए आयताकार पट्टियों का उपयोग करते हैं। संदर्भ के अनुसार क्षैतिज या ऊर्ध्वाधर दोनों प्रकार के चार्ट उपयुक्त होते हैं। बार चार्ट मानों की तुलना करने में उत्कृष्ट होते हैं और निस्संदेह डेटा विज़ुअलाइज़ेशन का सबसे बहुमुखी प्रारूप हैं।
इसके लिए सर्वोत्तम: विभिन्न क्षेत्रों में बिक्री की तुलना करना, विभिन्न टीमों के लिए प्रदर्शन मेट्रिक्स दिखाना, सर्वेक्षण प्रतिक्रिया आवृत्तियों को प्रदर्शित करना, या किसी भी श्रेणीबद्ध डेटा की तुलना करना।
उदाहरण: कंपनी के पांच विभागों में ग्राहक संतुष्टि स्कोर (0-10 के पैमाने पर) दर्शाए गए हैं। बार से यह तुरंत स्पष्ट हो जाता है कि संचालन विभाग का स्कोर सबसे अधिक (8.2) और आईटी विभाग का स्कोर सबसे कम (6.8) है। दर्शक रैंकिंग और अनुमानित मान तुरंत देख सकते हैं।
सीमा: बार चार्ट समय के साथ होने वाले परिवर्तन को दर्शाने में कम प्रभावी होते हैं, विशेषकर जब आपके पास कई समयावधियाँ हों। साथ ही, वे बहुत बड़े डेटासेट के साथ भी ठीक से काम नहीं कर पाते हैं, जिनमें सैकड़ों बार चार्ट की आवश्यकता होती है।
5. हिस्टोग्राम
हिस्टोग्राम बार चार्ट के समान होते हैं, लेकिन ये एक सतत चर के वितरण को दर्शाते हैं। बार चार्ट में बार के बीच अंतराल होते हैं, जबकि हिस्टोग्राम में बार आपस में जुड़े होते हैं क्योंकि ये अंतरालों में विभाजित एक सतत सीमा को दर्शाते हैं।
इसके लिए सर्वोत्तम: यह दर्शाना कि जनसंख्या कैसे वितरित है, जैसे कि आयु वितरण, वेतन सीमा, प्रतिक्रिया समय वितरण, या परीक्षा स्कोर आवृत्तियाँ।
उदाहरण: ग्राहकों की आयु वितरण से पता चलता है कि 25-34 आयु वर्ग के ग्राहकों की संख्या सबसे अधिक है (पीक), जबकि कम और अधिक आयु वर्ग के ग्राहकों की संख्या धीरे-धीरे कम होती जाती है। इससे आपके मुख्य जनसांख्यिकीय समूह का तुरंत पता चल जाता है।
सीमा: हिस्टोग्राम के लिए उपयुक्त अंतराल आकार का चयन आवश्यक है। बहुत संकीर्ण होने पर शोर दिखाई देता है। बहुत चौड़ा होने पर महत्वपूर्ण विवरण खो जाता है। साथ ही, गैर-तकनीकी दर्शकों द्वारा इन्हें व्यापक रूप से समझा नहीं जाता है।
6. रेखा ग्राफ़
लाइन ग्राफ डेटा बिंदुओं को रेखाओं से जोड़ते हैं, जिससे समय के साथ रुझान और परिवर्तन दिखाई देते हैं। ये उन चरों को ट्रैक करने के लिए एकदम सही हैं जो क्रमिक रूप से बदलते या प्रगति करते हैं।
इसके लिए सबसे उपयुक्त: शेयर की कीमतों में उतार-चढ़ाव, महीनों के दौरान वेबसाइट का ट्रैफिक, तापमान में बदलाव, राजस्व के रुझान, उपयोगकर्ता वृद्धि, या कोई भी ऐसा मीट्रिक जिसे आप समय के साथ देखना चाहते हैं।
उदाहरण: पिछले वर्ष के मासिक वेबसाइट ट्रैफ़िक में जुलाई में गिरावट (गर्मी के मौसम में मंदी) और अक्टूबर में उछाल (उत्पाद लॉन्च) दिखाई देती है। कई लाइनें अलग-अलग चैनलों को दिखा सकती हैं: ऑर्गेनिक सर्च में वृद्धि, सोशल मीडिया में कोई बदलाव नहीं, और सशुल्क विज्ञापनों में वृद्धि। रुझान और उनके आपसी संबंध तुरंत पूरी कहानी बयां कर देते हैं।
सीमा: रेखा ग्राफ़ पैटर्न तो दिखाते हैं, लेकिन तालिकाओं की तुलना में सटीक मानों को स्पष्ट रूप से नहीं दर्शा पाते। साथ ही, इनमें बहुत सारी रेखाएँ एक-दूसरे पर चढ़ी होने के कारण ये अव्यवस्थित हो जाते हैं। एक साथ चलने वाली रेखाओं की संख्या तीन या चार तक सीमित रखें।
एक और महत्वपूर्ण प्रारूप है: प्रस्तुतियों के दौरान लाइव डेटा विज़ुअलाइज़ेशन। AhaSlides जैसे टूल आपको वास्तविक समय में पोल, वर्ड क्लाउड और प्रश्नोत्तर सत्र आयोजित करने की सुविधा देते हैं, और जैसे-जैसे दर्शक प्रतिक्रिया देते हैं, परिणाम स्क्रीन पर प्रदर्शित होते जाते हैं। यह न केवल आकर्षक है, बल्कि पहले से कोई चार्ट तैयार किए बिना दर्शकों का डेटा एकत्र करने और प्रदर्शित करने का सबसे तेज़ तरीका भी है। पूरा हॉल ही डेटासेट बन जाता है।
7. चित्रलिपि
पिक्टोग्राम डेटा बिंदुओं को दर्शाने के लिए आइकन या चित्रों का उपयोग करते हैं, जिससे वे आसानी से समझ में आने वाले और आकर्षक बन जाते हैं। प्रत्येक आइकन एक इकाई या एक बड़ी मात्रा को दर्शाता है। ये छोटे डेटासेट के लिए सबसे उपयुक्त होते हैं जिन्हें आप देखने में आकर्षक बनाना चाहते हैं।
इसके लिए सबसे उपयुक्त: इन्फोग्राफिक्स, आम दर्शकों के लिए प्रस्तुतियाँ, या कोई भी ऐसी स्थिति जहाँ डेटा को सहज और सुलभ बनाना महत्वपूर्ण हो।
उदाहरण: एक सर्वेक्षण जिसमें पूछा गया है, "आप प्रति सप्ताह कितने घंटे व्यायाम करते हैं?" छोटे-छोटे आंकड़े दिखाएं, जिनमें प्रत्येक आंकड़ा पांच लोगों को दर्शाता हो। जिन दस लोगों ने "बिल्कुल नहीं" उत्तर दिया है, उनके लिए दो आंकड़े दिखाएं। यह केवल संख्या बताने की तुलना में अधिक रुचिकर है।
सीमा: चित्रलिपि केवल पूर्ण संख्याओं और अपेक्षाकृत छोटे डेटासेट के साथ ही काम करती हैं। बड़ी मात्रा में डेटा होने पर इन्हें पढ़ना कठिन होता है। साथ ही, ये अन्य प्रारूपों की तुलना में अधिक स्थान घेरती हैं।
8. रडार चार्ट
रडार चार्ट, जिन्हें स्पाइडर चार्ट भी कहा जाता है, एक केंद्रीय बिंदु से निकलने वाली कई अक्षों पर बहुभिन्नरूपी डेटा प्रदर्शित करते हैं। प्रत्येक अक्ष एक अलग चर का प्रतिनिधित्व करता है, जिसके मानों को एक बहुभुज के रूप में दर्शाया जाता है।
इसके लिए सर्वोत्तम: एक साथ कई आयामों में प्रोफाइल या प्रदर्शन की तुलना करना, कौशल मूल्यांकन करना, या एक नजर में ताकत और कमजोरियों को दिखाना।
उदाहरण: दो प्रतिस्पर्धी उत्पादों की छह आयामों पर तुलना करना: मूल्य, गुणवत्ता, उपयोग में आसानी, ग्राहक सहायता, सुविधाओं की समग्रता और सुरक्षा। एक उत्पाद मूल्य और उपयोग में आसानी में उत्कृष्ट हो सकता है लेकिन सुविधाओं में पिछड़ सकता है। दूसरा उत्पाद गुणवत्ता और सुविधाओं में उत्कृष्ट हो सकता है लेकिन महंगा हो सकता है। आकृतियाँ प्रत्येक प्रोफ़ाइल को तुरंत प्रकट करती हैं।
सीमा: रडार चार्ट अन्य प्रारूपों की तुलना में कम सटीक होते हैं और इनसे अपरिचित दर्शकों के लिए इन्हें समझना कठिन होता है। ये 3-7 अक्षों के साथ सबसे अच्छा काम करते हैं। इससे अधिक अक्ष होने पर ये देखने में अव्यवस्थित हो जाते हैं।
यदि आप स्प्रेडशीट के बजाय लाइव दर्शकों के सुझावों से स्लाइड बनाना चाहते हैं, तो AhaSlides का उपयोग करें। रडार स्लाइड यह सिस्टम सभी को अपने फोन पर समान तीन से आठ मानदंडों को रेट करने की अनुमति देता है, और फिर रेटिंग प्राप्त होने पर प्रत्येक मानदंड के लिए कमरे के औसत को एक स्पाइडर चार्ट पर प्लॉट करता है।
9. हीट मैप
हीट मैप डेटा घनत्व या आवृत्ति को दर्शाने के लिए रंग की तीव्रता का उपयोग करते हैं। गहरे या गर्म रंग आमतौर पर उच्च मान या अधिक सांद्रता को इंगित करते हैं। ये दो आयामों में पैटर्न और असामान्यताओं को उजागर करने के लिए उत्कृष्ट हैं।
इसके लिए सर्वोत्तम: समय-आधारित पैटर्न (घंटे और दिन के हिसाब से वेबसाइट ट्रैफ़िक), भौगोलिक डेटा, गतिविधि मैट्रिक्स, या कोई भी डेटा जिसमें आप एकाग्रता और समूहों को उजागर करना चाहते हैं।
उदाहरण: दिन के समय और सप्ताह के दिन के अनुसार वेबसाइट ट्रैफ़िक का विश्लेषण दर्शाता है कि मंगलवार को सुबह 10 बजे सबसे अधिक ट्रैफ़िक होता है, रविवार को कम ट्रैफ़िक रहता है और रात में ट्रैफ़िक धीमा होता है। रंगों का क्रमिक उपयोग (नीला रंग कम ट्रैफ़िक के लिए और लाल रंग अधिक ट्रैफ़िक के लिए) संख्याओं को पढ़े बिना ही पैटर्न को स्पष्ट रूप से समझने में मदद करता है।
सीमा: हीट मैप विशिष्ट प्रकार के डेटा के साथ सबसे अच्छा काम करते हैं और जब मानों में बहुत अधिक बदलाव नहीं होता है तो उनकी प्रभावशीलता कम हो जाती है। रंग की व्याख्या दर्शक की रंग धारणा पर भी निर्भर करती है, इसलिए सुगमता महत्वपूर्ण है।
10. स्कैटर प्लॉट
स्कैटर प्लॉट दो संबंधित चरों को xy अक्ष पर अलग-अलग बिंदुओं के रूप में दर्शाते हैं, जिससे उनके बीच संबंध और सहसंबंध प्रकट होते हैं। वे "क्या ये दोनों चर एक साथ गति करते हैं?" जैसे प्रश्नों के उत्तर देते हैं।
इसके लिए सर्वोत्तम: सहसंबंध विश्लेषण, आउटलायर की पहचान, चरों के बीच संबंधों की पहचान करना, या गुणवत्ता नियंत्रण चार्ट बनाना।
उदाहरण: ग्राहक के जीवनकाल मूल्य (y-अक्ष) और उत्पाद अपनाने की गति (दिनों में मापी गई x-अक्ष) का ग्राफ बनाने से पता चलता है कि क्या तेज़ गति से उत्पाद अपनाने से उच्च मूल्य प्राप्त होता है। ऊपरी बाएँ कोने में एकत्रित बिंदु यह दर्शाते हैं कि तेज़ गति से उत्पाद अपनाने वाले ग्राहक अधिक खर्च करते हैं। नीचे के बिंदु यह दर्शाते हैं कि कुछ तेज़ गति से उत्पाद अपनाने वाले ग्राहक उच्च मूल्य वाले ग्राहक नहीं बन पाते। यह जानकारी ग्राहक अधिग्रहण रणनीति को बेहतर बनाने में सहायक होती है।
सीमा: स्कैटर प्लॉट सहसंबंध दर्शाते हैं, कारण-कार्य संबंध नहीं। बड़े डेटासेट के साथ ये जटिल हो सकते हैं और सटीक मानों को अस्पष्ट कर सकते हैं। बार या लाइन चार्ट की तुलना में ये आम दर्शकों के लिए कम सहज होते हैं।
सही तरीका चुनना
कोई भी एक फॉर्मेट हर चीज़ के लिए कारगर नहीं होता। सही चुनाव तीन बातों पर निर्भर करता है: आपका डेटा वास्तव में क्या है, इसे कौन पढ़ रहा है, और आप चाहते हैं कि वे इसे पढ़कर क्या समझें।
डेटा से शुरुआत करें। श्रेणियों की तुलना करने के लिए बार चार्ट का उपयोग करें। समय के साथ किसी चीज़ को ट्रैक करने के लिए लाइन ग्राफ़ का उपयोग करें। संरचना दर्शाने के लिए पाई चार्ट उपयुक्त है। दो चरों के बीच संबंधों का पता लगाने के लिए स्कैटर प्लॉट का उपयोग करें।
फिर अपने पाठकों पर विचार करें। हीट मैप और रडार चार्ट उन तकनीकी पाठकों के लिए उपयुक्त हैं जो अपरिचित प्रारूपों को समझने में सहज हैं। सामान्य पाठकों के लिए बार, लाइन और पाई चार्ट का उपयोग करें। परिचितता हमेशा जटिलता से बेहतर होती है।
अंत में, कुछ बातें जो किसी भी फॉर्मेट पर लागू होती हैं: 3D इफेक्ट्स का इस्तेमाल न करें, वे प्रभाव डालने के बजाय बिगाड़ते हैं। हर चीज़ पर लेबल लगाएं। स्रोत का उल्लेख करें। और अगर कोई सजावटी तत्व जानकारी नहीं जोड़ रहा है, तो वह जानकारी को कम कर रहा है।
डेटा विज़ुअलाइज़ेशन का मतलब सिर्फ़ संख्याओं को सुंदर दिखाना नहीं है। इसका मतलब है उन्हें इस तरह से प्रस्तुत करना कि उन्हें नज़रअंदाज़ करना असंभव हो जाए।
सही प्रारूप आपके लिए खुद ही तर्क प्रस्तुत करता है। आपके श्रोता बिना कुछ समझाए ही पैटर्न को पहचान लेते हैं, अंतर को महसूस कर लेते हैं और रुझान को समझ लेते हैं। अगर आप इसे सही ढंग से कर लें, तो डेटा को किसी प्रवक्ता की आवश्यकता नहीं होती। वह स्वयं ही अपनी बात कह देता है।
