Toolkit seseorang: cara memilih visualisasi data yang tepat

Spreadsheet telah menjadi andalan dalam bisnis begitu lama sehingga beberapa orang kesulitan melepaskannya. Namun, sebagian besar bisnis saat ini telah bergerak melewati tarikan nostalgia yang cepat dalam mendukung alat intelijen bisnis mandiri (BI) yang lebih kuat. Ada banyak alasan alat-alat ini lebih unggul dari spreadsheet, tetapi yang paling jelas adalah kemampuan untuk dengan mudah menghasilkan visualisasi data yang efektif dan menarik. Bahwa satu faktor sangat melebihi argumen apa pun yang mendukung spreadsheet karena satu alasan sederhana: Otak manusia menyerap dan memproses representasi visual dari informasi lebih cepat dan lebih baik daripada jumlah yang mereka lakukan.

Kecintaan manusia pada gambar di atas angka jauh dari penemuan baru-baru ini. Sejarah menunjukkan kepada kita bahwa konsep tersebut telah berhasil diuji dari waktu ke waktu, dari gambar gua awal hingga rambu lalu lintas universal modern yang diakui di seluruh dunia tanpa memandang bahasa. Sepintas pada pesan berbasis gambar dan informasinya dipahami tidak peduli bahasa Anda atau kemampuan matematika. Visualisasi data modern membawa media komunikasi yang kuat itu ke tingkat yang sama sekali baru, memasukkan grafik kaya dan grafik yang dihasilkan dengan data kaya.

Namun, memilih visualisasi data yang tepat bukan hanya soal memilih diagram lingkaran dari grafik batang atau sebar plot. Ini tidak sesederhana memilih visualisasi tradisional daripada avant garde, seperti penggambaran realitas virtual 3D (VR). Ada lebih dari sekadar selera dan preferensi pribadi yang dimainkan.

Setiap elemen visualisasi menyampaikan bagian dari pesan keseluruhan. Dari pilihan warna dan rasio tinta hingga data itu sendiri (dan semua lapisan yang dapat Anda telusuri), visualisasi data merupakan representasi tunggal, sederhana, sederhana dari wawasan bisnis yang kompleks dan digerakkan oleh data.

Jadi visualisasi apa yang harus Anda pilih? Pada akhirnya pilihan terserah pada Anda untuk mengidentifikasi representasi visual yang paling sesuai dengan pesan yang Anda coba kirim dengan data yang Anda sajikan. Berikut adalah hal-hal yang perlu Anda ketahui untuk membuat keputusan yang terinformasi dan strategis.

Jenis Visualisasi

Saya tidak akan membuat Anda bosan dengan mengulang semua percobaan dan kesalahan. Jika Anda telah menjalankan bisnis untuk jumlah waktu yang cukup lama atau bekerja dengan data di luar hanya memasukkannya dalam perangkat lunak, maka Anda sudah terbiasa dengan bentuk visualisasi tradisional: diagram lingkaran, diagram batang, diagram garis, diagram sebaran, dan peta dengan simbol. Ini, di antara representasi grafis lainnya, umumnya diatur oleh dua atau tiga fitur termasuk waktu, jumlah unit, dan biaya atau penjualan.

Tidak ada yang salah dengan kelompok visualisasi ini. Mereka telah digunakan untuk waktu yang lama karena alasan yang baik: mereka bekerja.

Memang, keakraban mereka berarti audiens Anda tidak harus berhenti dan mencari tahu formulirnya sebelum mereka dapat memahami pesannya. Itulah tepatnya yang Anda inginkan terjadi. Jadi mengapa Anda tidak berhenti di sini dan memilih salah satunya? Atau, seperti opsi di banyak aplikasi BI, biarkan perangkat lunak memilihnya untuk Anda?

Karena tidak setiap keluaran analitik dapat atau harus dinyatakan dalam pengangkutan yang terlalu disederhanakan. Lampu lalu lintas dikurangi menjadi tiga fitur karena hanya ada tiga pesan untuk disampaikan: pergi, memperlambat, dan berhenti. Jika Anda ingin mengatakan sesuatu yang lain, maka Anda harus menambahkan visual lainnya. Mungkin pertanda yang bertuliskan "Tidak menyala dengan benar merah" atau mungkin Anda akan menambahkan lampu merah lain hanya untuk jalur belokan. Di dasbor dan laporan, semua visual yang ditambahkan dapat menumpuk dan, pada saat audiens Anda sampai di akhir tumpukan, mereka sudah lupa bagaimana informasi itu berhubungan dengan visual pertama atau lainnya dalam tumpukan. Itu tidak efisien atau instruktif. Lebih jauh, penggunaan terlalu banyak visualisasi dapat menyebabkan kelelahan pengguna. Pesan itu hilang di benak yang mengembara.

Bagaimanapun, Anda sudah tahu visualisasi ini. Mari kita lanjutkan dan pertimbangkan formulir yang lebih baru.

'Twixt dan' Tween

Kelas visualisasi ini menggambarkan lebih banyak fitur daripada kelompok tradisional tetapi pesannya cenderung memiliki satu dorongan. Misalnya, pertimbangkan "kata cloud." Visualisasi ini mengukur banyak kata dalam kaitannya satu sama lain sehingga setiap kata digambarkan dalam ukuran sebanding dengan penggunaannya dibandingkan dengan kata-kata lain. Warna dapat digunakan untuk menggambarkan subkelompok dalam grup, atau informasi lainnya, atau hanya untuk membuatnya lebih mudah untuk melihat ukuran kata secara sekilas.

Kapan visualisasi kata cloud baik untuk digunakan? Ada beberapa kasus penggunaan termasuk suasana hati pelanggan / pengguna di media sosial, meningkatnya dan / atau menghilangkan masalah pelanggan di call center, pertanyaan pelanggan tentang produk tertentu, penjualan produk, dan kasus lainnya. Contoh-contoh lain dari jenis ini sering terlihat dalam infografis ketika mereka menggambarkan data berdasarkan suatu tema.

Ramah Vendor Tetapi Pengguna-Averse

Lalu ada visualisasi yang dengan bangga ditawarkan oleh vendor BI tetapi hanya sedikit pembeli dan pengguna yang mengerti. Tapi tunggu dulu, bisa dibilang begitu. Jika saya tidak bisa melihat visualisasi dan mengetahui cara kerjanya, lalu bagaimana audiens saya mengetahui apa yang dikatakan data kepada mereka?

Memang benar bahwa kadang-kadang visualisasi berisi informasi tetapi gagal menyampaikannya. Ambil contoh, "The Starry Night" karya Vincent van Gogh yang ia lukis pada tahun 1889. Karya ikonik ini secara akurat menggambarkan turbulensi angin tetapi tidak ada ahli matematika atau ilmuwan yang memahami pemahaman itu sampai berabad-abad kemudian. Bicara tentang kegagalan menyampaikan informasi.

"Para ilmuwan telah berjuang selama berabad-abad untuk menggambarkan aliran turbulen - beberapa dikatakan menganggap masalah lebih sulit daripada mekanika kuantum, " menurut sebuah laporan di Nature. "Beberapa karya van Gogh menunjukkan penskalaan Kolmogorov dalam distribusi probabilitas pencahayaannya. Bagi mata, pola ini dapat dilihat sebagai pusaran dari berbagai ukuran, termasuk pusaran besar dan pusaran kecil yang diciptakan oleh sapuan kuas."

Sementara setiap keberhasilan visualisasi sebagian tergantung pada perspektif dan pengetahuan pemirsa, kadang-kadang informasinya sangat kompleks sehingga membutuhkan visualisasi yang lebih canggih dan tepat. Kalau tidak, informasi akan hilang dalam transportasi atau terjemahan.

Beberapa vendor BI menawarkan tingkat kecanggihan dalam palet visualisasi mereka. Diagram Sankey, yang sangat berguna dalam menggambarkan aliran informasi dalam kumpulan data, adalah salah satu contohnya.

"Sebagai contoh, visualisasi ini dapat menunjukkan proses melalui mana pelanggan perbankan mentransfer uang, dengan mengukur arus kas per transaksi. Diagram Sankey berguna setiap kali Anda ingin menunjukkan aliran informasi melintasi langkah-langkah berbeda dalam suatu proses, " jelas Daphne Tan, Manajer Pemasaran Produk di MicroStrategy, yang menghasilkan visualisasi Diagram Sankey di bawah ini.

Mungkin perlu upaya untuk mengajari audiens Anda cara membaca beberapa visualisasi yang lebih canggih. Namun, itu sangat berharga jika Anda perlu secara teratur menyampaikan lebih dari informasi umum dan tidak ingin menarik van Gogh. Namun, Anda akan menemukan banyak pemirsa yang sudah terbiasa dengan metrik dan representasi data yang lebih tepat ini, termasuk ahli statistik, insinyur, dan banyak profesional yang bekerja di bidang sains.

Berikut ini deskripsi singkat beberapa visualisasi dalam kategori ini yang layak dipertimbangkan dan di mana Anda ingin menggunakannya:

1. Arc Diagram: Diagram ini secara unik mampu mewakili pola kompleks dalam data string, yang berarti urutan yang sering juga mengandung urutan berulang. Pikirkan data DNA dan streaming dari Internet of Things (IoT). Anda akan menemukan informasi lebih mendalam tentang Arc Diagram dalam makalah ini oleh IBM Research.

2. Sunburst Chart: Juga disebut diagram lingkaran multi-level, ini terutama digunakan untuk memvisualisasikan data hierarki menggunakan lingkaran konsentris. Anda dapat membuatnya di Microsoft Excel, misalnya. Di bawah ini adalah contohnya:

3. Streamgraph: Microsoft dan GitHub menggambarkan streamgraph sebagai "bagan area bertumpuk dengan interpolasi yang halus, sering digunakan untuk menampilkan nilai dari waktu ke waktu." Bentuk organik yang mengalir terbentuk dalam grafik ini dan hasilnya dapat menjadi rewel dan menjengkelkan. Namun, ia memiliki kegunaan yang sangat valid seperti menampilkan set data volume tinggi untuk menemukan tren dan pola dari waktu ke waktu di berbagai kategori. Ya, ini adalah visualisasi open-source sehingga Anda bisa mendapatkannya di toko Microsoft Office atau di GitHub.

4. Hiperbolik Pohon: Juga disebut hypertree, visualisasi ini terinspirasi oleh geometri hiperbolik dan pada dasarnya cara menggambar pohon yang sangat besar di ruang terbatas sambil menghindari membuat gumpalan. Anda meletakkan semuanya pada disk daripada pada bidang datar sehingga cabang lebih jauh tampak lebih kecil. Tapi Anda bisa menyeretnya ke Anda, membuatnya lebih besar dan lebih mudah untuk diperiksa. Pohon hiperbolik menunjukkan informasi besar dengan detail dan konteks dalam satu tampilan (sebagai lawan paging atau memanggil dan menggambarkan detail granular di tampilan lain).

Visualisasi muncul dari Teknologi Baru

Ada begitu banyak jenis visualisasi yang tersedia saat ini, Anda mungkin berharap bahwa setiap cara yang memungkinkan untuk menggambarkan data secara visual telah tersedia. Sayangnya, tidak. Teknologi baru dan kasus penggunaan pasti menghasilkan bentuk visualisasi baru juga.

Sistem augmented reality (AR) dan virtual reality (VR) langsung terlintas di benak saya. Vendor BI sudah mengerjakan visualisasi unik untuk sistem ini. Salah satu contohnya adalah sistem visualisasi data baru Vantage Data Center dalam sistem tur virtual 3D yang diaktifkan VR. Ini terlihat seperti ini:

"Kami pertama kali meluncurkan platform concept3D pada Mei 2017 untuk membantu kami mempromosikan fasilitas pusat data baru kami di Santa Clara yang, saat itu, sedang dibangun. Platform ini luar biasa ketika Anda mencoba memasarkan bangunan yang tidak ada., "kata Steve Lim, Wakil Presiden dan Kepala Pemasaran di Vantage Data Center.

Data muncul sebagai overlay pada layar dalam VR tetapi venue itu sendiri akan terlalu membatasi.

"Dalam waktu dekat, kami mengantisipasi sebagian besar klien dan karyawan kami menggunakan sistem tanpa VR di desktop atau ponsel mereka. Sangat mengesankan untuk melihat untuk pertama kalinya, dan ada potensi besar untuk bagaimana sistem ini dapat membantu kami dengan operasi dan mengakses secara nyata -waktu data dari mana saja di dunia, "tambah Lim.

Pilih Menurut Tugas

Setiap jenis visualisasi dibangun untuk tugas analitis tertentu seperti distribusi, komposisi, hubungan, atau perbandingan. Pastikan Anda memahami setiap tugas dan memilih visualisasi yang sesuai. Misalnya, memahami penjualan produk pada hari libur seperti Natal adalah studi hubungan. Pilihan visualisasi yang baik untuk itu adalah plot pencar, kata cloud, dan diagram Venn.

Memahami apakah mantel atau ban lebih laku adalah gambaran perbandingan. Grafik batang, diagram lingkaran, grafik garis, dan grafik garis adalah pilihan yang baik di sini. Menggambarkan pangsa pasar dan analisis kompetitif adalah tugas komposisi. Pertimbangkan grafik batang / area yang ditumpuk, diagram lingkaran, air terjun, atau peta pohon mana pun, tergantung pada seberapa banyak informasi dalam konteks yang perlu Anda tampilkan.

Tugas distribusi meliputi memahami jenis barang apa yang dikirim ke toko dan / atau disimpan di gudang mana, serta memvisualisasikan bagaimana sumber daya didistribusikan oleh pemerintah per berbagai demografi. Pilihan visualisasi yang baik termasuk histogram, plot strip, dan plot kotak.

"Dalam hal ini, kami ingin tampilan di mana kami dapat melihat semua data sekaligus dan mencoba menemukan kisaran nilai, bentuk, atau outlier, " jelas Patrik Lundbald, Visualisasi Advokat di BI dan perusahaan perangkat lunak visualisasi Qlik.

Daftar Periksa untuk Memilih Visualisasi

1. Kenali Audiens Anda: Pilih visualisasi yang kemungkinan besar akan diminati dan menarik perhatian audiens. Jadi, jika hotdog lucu dalam infografis menggambarkan penjualan vendor trotoar Anda yang terbaik, lakukan saja. Tetapi jangan berhemat pada informasi jika Anda menyampaikannya kepada audiens yang sarat dengan statistik, ilmu data, teknik, atau keterampilan rak atas lainnya. Pilih visualisasi yang akan memberikan detail dan konteks yang mereka butuhkan untuk bertindak berdasarkan informasi, tanpa harus memilah-milah tumpukan visualisasi terkait yang tampaknya tak berujung.

2. Jadikan Kejelasan Prioritas Utama Anda: Jelas dan ringkas, bahkan dengan informasi yang sangat terperinci dan kompleks. Tujuan Anda adalah untuk menghasilkan visualisasi yang mudah dibaca bahkan jika kontennya bukan apa-apa.

3. Perhatikan Setiap Detail: Jadi Anda ingin grafik batang di aplikasi BI ini untuk menyampaikan informasi ini. Tetapi apakah bar dengan benar berhubungan satu sama lain atau apakah timbangannya turun? Detail penting. Segala sesuatu dalam setiap visualisasi menceritakan sebuah kisah. Pastikan Anda menceritakan kisah yang ingin Anda sampaikan.

4. Berencana untuk Mencegah Kelelahan Pengguna: Terlalu banyak visualisasi melelahkan pemirsa, seperti penggambaran yang tidak dikenal atau grafik yang terlalu rumit. Kirimkan informasi dalam narasi yang tepat dan singkat sehingga pengunjung tetap terlibat dan mengingat apa yang mereka pelajari. Batasi jumlah visualisasi di dasbor dan laporan.

5. Uji Visualisasi Bentuk: Visualisasi seperti lelucon. Jika Anda harus menjelaskannya, maka Anda gagal. Itu harus dapat menyampaikan informasi dengan teks minimal. Sebelum Anda mulai menggunakan visualisasi secara rutin, ujilah pada orang-orang yang tidak dekat dengan materi pelajaran. Pilih orang yang harus menemukan informasi dalam visualisasi daripada mereka yang sudah mengetahuinya. Apakah mereka tercerahkan atau bingung? Jika bingung, maka pilih bentuk visualisasi lain atau bersiaplah untuk mengedukasi audiens Anda.

"Kecuali itu informasi khusus yang membutuhkan pengetahuan mendalam dalam kecerdasan buatan, blockchains, perdarahan petekie, atau fisika kuantum, visualisasi paling bermanfaat bagi pembaca ketika dapat diartikan sendiri, tidak hanya dengan konteks artikel, " kata Mark Nicholson, Wakil Presiden Pemasaran dan Pengembangan Bisnis di NiceJob, sebuah perusahaan sosial yang membangun reputasi ulasan pelanggan.

6. Ingat van Gogh: Informasi kompleks dapat hilang dalam penggambaran sederhana yang tampak. Oleh karena itu, visualisasi sederhana mungkin bukan pilihan yang tepat. Fokus pada penyampaian informasi, itulah yang penting. Juga, van Gogh mengajarkan kepada kita bahwa warna bukan satu-satunya atau bahkan cara terbaik untuk menyampaikan informasi dengan cepat. "Sapuan kuas yang luar biasa dari Van Gogh memanfaatkan properti yang dikenal sebagai luminance, ukuran kecerahan relatif antara titik-titik yang berbeda. Mata lebih sensitif terhadap perubahan luminance daripada perubahan warna, yang berarti kita merespons perubahan kecerahan dengan lebih cepat daripada dalam warna, "melaporkan NPR. Gunakan berbagai tingkat kecerahan serta warna untuk menyorot informasi atau menunjukkan gerakan.

7. Pelajari Visualisasi Vendor Baru: Mintalah tutorial, contoh, dan informasi lain tentang visualisasi apa pun yang ditawarkan oleh vendor yang tidak Anda mengerti. Lebih baik belajar di tempat kerja daripada bertahan dengan visualisasi yang sudah Anda ketahui. Mengapa? Karena teknologi berubah dan, sebagaimana adanya, bahkan bentuk visualisasi yang lebih baru akan muncul. Ini seperti tidak pernah memperbarui atau meningkatkan ponsel Anda. Cepat atau lambat Anda tidak akan dapat menjangkau siapa pun.

8. Terkadang Otomatis adalah yang Terbaik: Beberapa vendor BI menaruh banyak pemikiran dalam fitur visualisasi otomatis mereka. Salah satu contoh yang terlintas dalam pikiran adalah Salesforce Einstein Analytics. Perusahaan ini memiliki pengalaman bertahun-tahun dalam analisis pelanggan, penjualan, dan pemasaran, sejak masa manajemen hubungan pelanggan (CRM) awal mereka. Visualisasi otomatis mereka mencerminkan pengalaman itu. Jadi, jika Anda memanfaatkan data penjualan dan pelanggan hari demi hari, mengandalkan Einstein untuk menangani visualisasi adalah solusi cerdas dan praktis. Tidak ada alasan untuk menemukan kembali roda.

9. Pertimbangkan Narasi: Pilih visualisasi yang meningkatkan narasi Anda, yang menceritakan sebuah kisah. Jika tidak, Anda kembali ke penggambaran angka dan kolega atau bos bisnis Anda tidak akan menyerap dan menyimpan informasi juga. Pastikan representasi berada dalam konteks, gunakan ukuran yang benar (misalnya, nilai absolut versus relatif), dan periksa skala. Gunakan warna untuk menyorot poin-poin penting tetapi batasi jumlah warna yang Anda gunakan. Visualisasi itu sendiri seharusnya tidak menjadi fokus pemirsa, konten harus.

10. Ingat-ingat Tugas Anda: Ingatlah bahwa visualisasi dirancang untuk tugas-tugas tertentu dan gunakan sesuai kebutuhan. Namun, sederhana hampir selalu lebih baik daripada yang kompleks. Tujuannya adalah untuk menemukan cara terbaik, tercepat, dan paling jelas untuk mentransfer informasi dari mesin ke manusia.