Datavisualisering: 3 måder at fortælle historier med data på

Ved at arbejde direkte med et af verdens største telekommunikationsbrands har jeg på første hånd set, hvordan præsentation af rå numeriske data for den øverste ledelse førte til tabte muligheder, misforståelser og modstand mod at bakke op om større projekter. 

Lær venligst af mine fejl.

I denne artikel deler jeg tre typer af datavisualisering—grafer, diagrammer og kort— og hvordan man omsætter komplekse data til enkle illustrationer uden at være dataforsker.

Hvorfor er datavisualisering vigtig?

Fra de mindste selvfinansierede indie-startups til enorme SaaS-giganter er der behov for at forstå og fortolke de data, virksomheden modtager, for at analysere resultater og træffe beslutninger. 

Software til datavisualisering kan samle data i dashboards, der både kan bruges til regelmæssig rapportering samt præsentationer og møder på højt niveau. Her er de primære gevinster, som velpræsenterede datavisualiseringer kan skabe for din virksomhed: 

1. Forenkling af komplekse data: Store datamængder kan være overvældende og svære at forstå, når de præsenteres i rå, numeriske formater. Datavisualisering forenkler denne kompleksitet ved at repræsentere data i et visuelt format, hvilket gør dem lettere at forstå og fortolke.
2. Identifikation af mønstre og tendenser: Visuelle repræsentationer af data kan hjælpe brugere med hurtigt at identificere mønstre, tendenser og sammenhænge, som ellers muligvis ikke ville blive opdaget i tekstbaserede data. Et linjediagram over salg over tid kan for eksempel tydeligt vise, om salget stiger, falder eller forbliver stabilt.
3. Hurtigere beslutningstagning: Ved at præsentere data visuelt kan datavisualisering hjælpe beslutningstagere med at forstå data hurtigere og dermed fremskynde beslutningsprocessen. I stedet for at gennemgå regneark eller rapporter kan de kaste et blik på en visuel repræsentation for at få de oplysninger, de har brug for.
4. Bedre fastholdelse af information: Folk husker generelt visuel information bedre end tekstbaseret information. Datavisualiseringer kan derfor forbedre hukommelsen og genkaldelsen af vigtige datapunkter og tendenser.
5. Understøttelse af kommunikation: Datavisualiseringer kan kommunikere komplekse data på en forståelig måde til forskellige interessenter, herunder personer, der måske ikke er dataeksperter. Det kan lette diskussioner og beslutningsprocesser.
6. Fremme af handling: Ved at gøre data mere forståelige og tilgængelige kan datavisualisering hjælpe virksomheder med at identificere områder, der kræver opmærksomhed eller forbedring, og dermed sætte handling bag. Et varmekort, der viser kunders aktivitet på et website, kan for eksempel hjælpe med at identificere områder, hvor brugerne er mest engagerede, og informere beslutninger om, hvor marketingindsatsen skal fokuseres.

De 3 kategorier af datavisualisering

De tre mest almindelige kategorier af datavisualisering er grafer, diagrammer og kort.

Ved at vælge den rigtige type visualisering til dine data kan du afdække indsigter, fortælle en historie og guide beslutningstagningen. Så lad os undersøge, hvilke visualiseringer der passer til dine data.

Grafer

Grafer indtager en særlig plads inden for datavisualisering. De fungerer som en bro, der forbinder rå data med de indsigter, vi søger.

Der findes flere typer grafer, hver med sine unikke styrker:

Linjegrafer: Linjegrafer er fremragende til at vise tendenser over tid. De gør det muligt for os at følge datapunkternes stigning og fald og dermed afsløre mønstre, der ellers kunne gå ubemærket hen.

Søjlegrafer: Søjlegrafer er perfekte til at sammenligne forskellige datasæt. De giver en tydelig, visuel sammenligning, som gør det nemt at se, hvilket datasæt der er størst, mindst, eller om de omtrent er lige store. Der findes også stablede søjlegrafer, som udvider det almindelige søjlediagram fra at se på numeriske værdier på tværs af én kategorisk variabel til to.

Bulletdiagrammer: Et bulletdiagram er en søjle med ekstra markeringer, der viser fremskridt hen imod et mål eller præstation i forhold til en referencelinje. Det er tilsyneladende inspireret af traditionelle termometerdiagrammer og statuslinjer, som findes i dashboards.

Radialgrafer: Radialgrafer er grafer med flere akser, der viser en række lignende idéer i én grafisk præsentation. De kaldes sådan, fordi akserne, som normalt er fem eller seks, stråler ud fra et centralt punkt.

Punktdiagrammer: Punktdiagrammer er en anden type graf, som er ideel til at vise forholdet mellem to variabler. De hjælper os med at se korrelationer, klynger og afvigere.

Boksplot: Boksplot viser fordelingen af data baseret på en femtalsopsummering. De kan fortælle dig om dine afvigere og deres værdier, om dine data er symmetriske, hvor tæt dine data er grupperet, og om og hvordan dine data er skæve.

Valget af at bruge en graf frem for andre former for datavisualisering afhænger ofte af dine datas karakter og den historie, du ønsker at fortælle. Hvis du arbejder med tendenser over tid, forhold mellem variabler eller sammenligninger, er en graf ofte det bedste valg.

Grafer har flere fordele. De forenkler komplekse data og gør dem nemmere at forstå og fortolke. De afslører mønstre, tendenser og korrelationer, som kan være svære at få øje på i rå data. Og de formidler disse oplysninger på en måde, der er visuelt tiltalende og nem at forstå.

Grafer er et effektivt – hvis ikke det mest effektive – værktøj i værktøjskassen til datavisualisering.

Diagrammer

Diagrammer er et andet grundlæggende værktøj inden for datavisualisering. De tilbyder en unik måde at repræsentere data på, hvilket gør det lettere at sammenligne, kategorisere og forstå dem med et enkelt blik.

Der findes flere typer diagrammer, hver med sine egne styrker og anvendelsesområder:

Cirkeldiagrammer: Disse er fremragende til at vise andele eller procenter. De giver en klar, visuel repræsentation af, hvordan hver del bidrager til helheden. Det er en af de mest populære og enkleste diagramtyper at forstå.

Ringdiagrammer: Ringdiagrammer er grundlæggende det samme som cirkeldiagrammer, men med det centrale område skåret ud. Det er en af de enkleste repræsentationer af data og en cirkulær statistisk grafik, der er opdelt i segmenter for at illustrere numeriske andele eller procenter.

Søjlediagrammer: Ideelle til at sammenligne forskellige datasæt eller kategorier. De giver en visuel sammenligning, som gør det let at se, hvilken kategori der er større, mindre, eller om de er omtrent lige store. Der findes også stablede søjler, som viser sammensætningen og sammenligningen af flere variabler, enten relativt eller absolut, over tid.

Kolonnediagrammer: Adskiller sig kun fra søjlediagrammer ved deres orientering. Et søjlediagram er orienteret vandret, mens et kolonnediagram er orienteret lodret. Selvom de ligner hinanden, kan de ikke altid bruges i flæng på grund af forskellen i deres orientering.

Histogrammer: Disse er nyttige til at vise fordelingen af data. De hjælper med at identificere mønstre, f.eks. om dataene er normalfordelte eller skæve.

Arealdiagrammer: Disse er særligt nyttige, når du vil visualisere volumen eller mængde over tid. De kan også bruges til at vise den kumulative værdi af flere dataserier, hvilket gør dem ideelle til at forstå de individuelle komponenters andel af helheden eller til at sammenligne flere relaterede dataserier.

Boblediagrammer: Boblediagrammer er fremragende til at visualisere data, der har tre dimensioner af variabler. Hver boble repræsenterer et datapunkt, hvor boblens position afspejler to dataværdier (normalt på x- og y-akserne), og boblens størrelse afspejler den tredje værdi. Det gør boblediagrammer nyttige til at sammenligne og visualisere komplekse relationer mellem datasæt.

Linjediagrammer: Linjediagrammer er ideelle til at vise tendenser over tid. De forbinder datapunkter med en linje, hvilket gør det nemt at se, om numeriske værdier stiger, falder eller forbliver de samme over tid. Det gør linjediagrammer til et godt valg til at spore ændringer i data over intervaller som måneder, kvartaler eller år.

Tragtdiagrammer: Tragtdiagrammer kan være særligt relevante for CFO'er og CRO'er, da de bruges til at repræsentere faser i en salgsproces og vise størrelsen af den potentielle omsætning for hver fase.

Vandfaldsdiagrammer: Et vandfaldsdiagram hjælper med at forstå den kumulative effekt af sekventielt introducerede positive eller negative værdier. Det kan hjælpe med at forstå, hvordan en startværdi bliver til en slutværdi over en periode gennem en række mellemliggende additioner og subtraktioner.

Flowdiagrammer: Et flowdiagram er en type diagram, der repræsenterer en arbejdsgang eller proces. Typisk viser det trinene som bokse af forskellige slags samt deres rækkefølge ved at forbinde dem med pile

Radardiagrammer: Radardiagrammer (også kendt som edderkoppediagrammer, polardiagrammer, netdiagrammer eller stjerneplots) er en måde at visualisere multivariate data i et todimensionelt diagram på.

Gantt-diagram: Et Gantt-diagram er en anden version af et søjlediagram, der illustrerer en projektplan. Denne type diagram bruges ofte af projektledere og lignende.

Beslutningen om at bruge et diagram frem for andre former for datavisualisering afhænger ofte af dine datas karakter og den historie, du ønsker at fortælle. Hvis du arbejder med proportioner, sammenligninger mellem kategorier eller fordelinger, er et diagram ofte det bedste valg.

Det er vigtigt at bemærke, at selvom alle grafer er diagrammer, er ikke alle diagrammer grafer. Grafer er en underkategori af diagrammer, der repræsenterer datapunkter forbundet med linjer i et todimensionelt rum. Diagrammer er derimod en bredere kategori, der omfatter grafer, men også andre typer datarepræsentationer som cirkeldiagrammer og histogrammer. Så selvom de to betegnelser, diagrammer og grafer, ofte bruges som synonymer, er der nogle subtile forskelle, og derfor kategoriseres de som sådan.

Kort

Kort er datavisualiseringens geografiske helte. De omdanner rumlige data til visuelle historier og afslører mønstre og fordelinger, som ellers måske ville forblive skjulte.

Der findes flere typer kort, hver med deres unikke styrker:

Koroplethkort: Disse er fremragende til at vise data, der er opdelt i geografiske regioner såsom lande, delstater eller amter. De bruger forskellige farver eller mønstre til at repræsentere data, hvilket gør det nemt at se variationer på tværs af regionerne.

Varmekort: Ideelle til at vise tæthed eller intensitet i et geografisk område. De bruger farvegradienter til at repræsentere data, hvor forskellige farver eller nuancer angiver forskellige intensitetsniveauer.

Punktfordelingskort: Disse er nyttige til at vise placeringen og fordelingen af individuelle hændelser eller elementer. Hver prik repræsenterer et datapunkt, hvilket gør det nemt at se, hvor hændelser eller elementer er koncentreret.

Trædiagrammer: Trædiagrammer er særligt effektive, når du skal vise hierarkiske data på tværs af to dimensioner. De gør det muligt at visualisere store mængder indlejrede data, hvilket gør dem ideelle til at vise proportioner mellem variabler eller kategorier i et datasæt. 

Beslutningen om at bruge et kort frem for andre former for datavisualisering afhænger ofte af dine datas karakter. Når du har data om geografiske placeringer, er kortlægning det oplagte valg. Husk dog, at kortlægning også omfatter rumlige mønstre, og dette er et område, der virkelig kan give indsigt i forskellige kategorier ved at tilbyde en måde at se data på, som man ikke har gjort før. 

For at uddybe dette punkt giver kortlægning af data flere vigtige fordele:

• De giver en geografisk kontekst, hvilket gør det nemmere at forstå og fortolke rumlige data.
• De afslører mønstre og fordelinger relateret til placering, som kan være svære at få øje på i rå data.
• De formidler disse oplysninger på en visuelt tiltalende og letforståelig måde.

Der er bestemt et tidspunkt og et sted for at skabe datavisualiseringer på denne måde, men når de udføres korrekt, kan de give indsigt på mange forskellige områder.

Datadrevne beslutninger fører til bedre resultater

Selvom der findes mange flere typer datavisualisering, er disse tre kategorier de mest almindeligt anvendte og nogle af de mest effektive.

• Grafer er med deres evne til at vise tendenser og sammenhænge perfekte til at følge ændringer over tid eller sammenligne forskellige variabler.
• Diagrammer er derimod fremragende til at sammenligne datapunkter, vise proportioner og kategorisere data.
• Kort, de geografiske helte, er uvurderlige til at afsløre mønstre og fordelinger relateret til placering.

At vælge det rigtige værktøj til at vise dine bedste data er et afgørende trin i processen med datavisualisering. Det handler om at forstå dine data, den historie du ønsker at fortælle, og den bedste måde at formidle denne historie på.

Vil du have flere tips og indsigter som denne? Sørg for at abonnere på The CRO Club-nyhedsbrevet!