Datavisualisering: 3 måter å fortelle historier med data på

Ved å jobbe direkte med en av verdens største telekommunikasjonsmerkevarer har jeg på nært hold sett hvordan presentasjon av rå numeriske data for toppledelsen førte til tapte muligheter, misforståelser og motstand mot å slutte opp om store prosjekter. 

Lær av feilene mine.

I denne artikkelen deler jeg tre typer datavisualisering—grafer, diagrammer og kart— og hvordan du kan oversette komplekse data til enkle illustrasjoner uten å være dataforsker.

Hvorfor er datavisualisering viktig?

Fra de minste egenfinansierte indie-oppstartsbedriftene til gigantiske SaaS-kjemper er det nødvendig å forstå og tolke dataene selskapet mottar, for å analysere resultater og ta beslutninger. 

Programvare for datavisualisering kan hente data inn i dashbord som kan brukes både til regelmessig rapportering, presentasjoner og møter på høyt nivå. Her er de viktigste fordelene godt presenterte datavisualiseringer kan utløse for virksomheten din: 

1. Forenkling av komplekse data: Store datamengder kan være overveldende og vanskelige å forstå når de presenteres i rå, numeriske formater. Datavisualisering forenkler denne kompleksiteten ved å representere data i et visuelt format, noe som gjør dem enklere å forstå og tolke.
2. Identifisering av mønstre og trender: Visuelle datarepresentasjoner kan hjelpe brukere med raskt å identifisere mønstre, trender og korrelasjoner som kanskje ikke blir lagt merke til i tekstbaserte data. Et linjediagram over salg over tid kan for eksempel tydelig vise om salget øker, synker eller holder seg stabilt.
3. Raskere beslutningstaking: Ved å presentere data visuelt kan datavisualisering hjelpe beslutningstakere med å forstå dataene raskere og dermed fremskynde beslutningsprosessen. I stedet for å lete gjennom regneark eller rapporter kan de kaste et blikk på en visuell representasjon for å få informasjonen de trenger.
4. Bedre hukommelse: Folk husker vanligvis visuell informasjon bedre enn tekstbasert informasjon. Derfor kan datavisualiseringer styrke hukommelsen og gjenkallingen av viktige datapunkter og trender.
5. Tilrettelegging for kommunikasjon: Datavisualiseringer kan kommunisere komplekse data på en forståelig måte til ulike interessenter, inkludert personer som kanskje ikke er dataeksperter. Dette kan legge til rette for diskusjoner og beslutningsprosesser.
6. Utløsning av handling: Ved å gjøre data mer forståelige og tilgjengelige kan datavisualisering hjelpe virksomheter med å identifisere områder som trenger oppmerksomhet eller forbedring, og dermed utløse handling. Et varmekart som viser kundeaktivitet på et nettsted, kan for eksempel bidra til å identifisere områdene der brukerne er mest engasjerte, og gi grunnlag for beslutninger om hvor markedsføringsinnsatsen bør fokuseres.

De tre kategoriene av datavisualisering

De tre vanligste kategoriene av datavisualisering er grafer, diagrammer og kart.

Ved å velge riktig type visualisering for dataene dine kan du avdekke innsikter, fortelle en historie og veilede beslutningstaking. La oss derfor se nærmere på hvilke visualiseringer som passer for dataene dine.

Grafer

Grafer har en særskilt plass innen datavisualisering. De fungerer som en bro som knytter rådata sammen med innsikten vi søker.

Det finnes flere typer grafer, hver med sine unike styrker:

Linjegrafer: Linjegrafer er utmerkede for å vise trender over tid. De lar oss følge hvordan datapunkter stiger og synker, og avdekker mønstre som ellers kanskje ikke ville blitt lagt merke til.

Søylediagrammer: Søylediagrammer er perfekte for å sammenligne ulike datasett. De gir en tydelig, visuell sammenligning som gjør det enkelt å se hvilket datasett som er større, mindre eller omtrent like stort. Det finnes også stablede søylediagrammer, som utvider det standardiserte søylediagrammet fra å vise numeriske verdier på tvers av én kategorisk variabel til to.

Punktdiagrammer: Et punktdiagram er en søyle med ekstra markeringer som viser fremgang mot et mål eller prestasjon sammenlignet med en referanselinje. Det er tilsynelatende inspirert av tradisjonelle termometerdiagrammer og fremdriftslinjer i dashbord.

Radialgrafer: Radialgrafer er grafer med flere akser som viser flere lignende ideer i én grafisk fremstilling. De kalles det fordi aksene, som vanligvis er fem eller seks, stråler ut fra et sentralt punkt.

Spredningsdiagrammer: Spredningsdiagrammer er en annen type graf som egner seg godt til å vise forholdet mellom to variabler. De hjelper oss med å se korrelasjoner, klynger og avvikere.

Boksplott: Boksplott viser fordelingen av data basert på et sammendrag med fem tall. De kan fortelle deg om avvikerne dine og verdiene deres, om dataene dine er symmetriske, hvor tett dataene dine er gruppert, og om og hvordan dataene dine er skjevfordelte.

Valget om å bruke en graf fremfor andre former for datavisualisering avhenger ofte av hva slags data du har, og hvilken historie du ønsker å fortelle. Hvis du arbeider med trender over tid, forhold mellom variabler eller sammenligninger, er en graf ofte det beste valget.

Grafer har flere fordeler. De forenkler komplekse data, slik at de blir enklere å forstå og tolke. De avdekker mønstre, trender og korrelasjoner som kan være vanskelige å oppdage i rådata. Og de formidler denne informasjonen på en måte som er visuelt tiltalende og enkel å forstå.

Grafer er et kraftig (om ikke det kraftigste) verktøyet i verktøykassen for datavisualisering.

Diagrammer

Diagrammer er et annet grunnleggende verktøy innen datavisualisering. De tilbyr en unik måte å representere data på, slik at det blir enklere å sammenligne, kategorisere og forstå dem med et blikk.

Det finnes flere typer diagrammer, og hver av dem har sine egne styrker og bruksområder:

Kakediagrammer: Disse er utmerkede for å vise andeler eller prosentandeler. De gir en tydelig, visuell fremstilling av hvordan hver del bidrar til helheten. Dette er en av de mest populære og enkleste diagramtypene å forstå.

Smultringdiagrammer: Smultringdiagrammer er i hovedsak det samme som kakediagrammer, men med området i midten skåret ut. Det er en av de enkleste måtene å fremstille data på, og en sirkulær statistisk grafikk som er delt inn i sektorer for å illustrere numeriske andeler eller prosentandeler.

Stolpediagrammer: Ideelle for å sammenligne ulike datasett eller kategorier. De gir en visuell sammenligning, slik at det blir enkelt å se hvilken kategori som er større, mindre eller omtrent like stor. Det finnes også stablede stolper, som viser sammensetningen og sammenligningen av flere variabler, enten relativt eller absolutt, over tid.

Søylediagrammer: Skiller seg bare fra stolpediagrammer når det gjelder orienteringen. Et stolpediagram er orientert horisontalt, mens et søylediagram er orientert vertikalt. Selv om de ligner på hverandre, kan de ikke alltid brukes om hverandre på grunn av forskjellen i orientering.

Histogrammer: Disse er nyttige for å vise fordelingen av data. De bidrar til å identifisere mønstre, for eksempel om dataene er normalfordelte eller skjeve.

Arealdiagrammer: Disse er spesielt nyttige når du ønsker å visualisere volum eller mengde over tid. De kan også brukes til å vise den kumulative verdien av flere dataserier, noe som gjør dem ideelle for å forstå andelen de enkelte komponentene utgjør av helheten, eller for å sammenligne flere relaterte dataserier.

Boblediagrammer: Boblediagrammer er utmerkede for å visualisere data som har tre dimensjoner av variabler. Hver boble representerer et datapunkt, der boblens posisjon gjenspeiler to dataverdier (vanligvis på x- og y-aksene), og boblens størrelse gjenspeiler den tredje verdien. Dette gjør boblediagrammer nyttige for å sammenligne og visualisere komplekse sammenhenger mellom datasett.

Linjediagrammer: Linjediagrammer er ideelle for å vise trender over tid. De kobler datapunkter sammen med en linje, noe som gjør det enkelt å se om numeriske verdier øker, synker eller forblir uendret over tid. Dette gjør linjediagrammer til et godt valg for å følge endringer i data over intervaller som måneder, kvartaler eller år.

Traktdiagrammer: Traktdiagrammer kan være spesielt relevante for CFO-er og CRO-er, ettersom de brukes til å representere stadier i en salgsprosess og vise hvor store potensielle inntekter hvert stadium representerer.

Fossefallsdiagrammer: Et fossefallsdiagram bidrar til å forstå den kumulative effekten av sekvensielt innførte positive eller negative verdier. Det kan bidra til å forstå hvordan en startverdi blir til en sluttverdi over en tidsperiode gjennom en rekke mellomliggende tillegg og fratrekk.

Flytskjemaer: Et flytskjema er en type diagram som representerer en arbeidsflyt eller prosess. Vanligvis viser det trinnene som bokser av ulike typer, og rekkefølgen deres ved å koble dem sammen med piler

Radardiagrammer: Radardiagrammer (også kjent som spindeldiagrammer, polardiagrammer, nettdiagrammer eller stjerneplott) er en måte å visualisere multivariate data i et todimensjonalt diagram på.

Gantt-diagram: Et Gantt-diagram er en annen variant av et stolpediagram som illustrerer en prosjektplan. Denne typen diagram brukes ofte av prosjektledere og lignende.

Beslutningen om å bruke et diagram fremfor andre former for datavisualisering avhenger ofte av hva slags data du har, og hvilken historie du ønsker å fortelle. Hvis du arbeider med proporsjoner, sammenligninger mellom kategorier eller fordelinger, er et diagram ofte det beste valget.

Det er viktig å merke seg at selv om alle grafer er diagrammer, er ikke alle diagrammer grafer. Grafer er en underkategori av diagrammer som representerer datapunkter forbundet med linjer i et todimensjonalt område. Diagrammer er derimot en bredere kategori som omfatter grafer, men også andre typer datarepresentasjoner, som sektordiagrammer og histogrammer. Selv om de to begrepene diagrammer og grafer ofte brukes om hverandre, finnes det altså noen nyanserte forskjeller, og derfor kategoriseres de som de gjør.

Kart

Kart er datavisualiseringens geografiske helter. De forvandler romlige data til visuelle historier og avdekker mønstre og fordelinger som ellers kanskje ville forblitt skjult.

Det finnes flere typer kart, og hver av dem har sine egne styrker:

Koroplettkart: Disse er utmerkede for å vise data som er delt inn i geografiske regioner, for eksempel land, delstater eller fylker. De bruker ulike farger eller mønstre for å representere data, noe som gjør det enkelt å se variasjoner på tvers av regionene.

Varmekart: Ideelle for å vise tetthet eller intensitet i et geografisk område. De bruker fargegraderinger for å representere data, der ulike farger eller nyanser angir ulike intensitetsnivåer.

Punktfordelingskart: Disse er nyttige for å vise plasseringen og fordelingen av individuelle hendelser eller egenskaper. Hvert punkt representerer et datapunkt, noe som gjør det enkelt å se hvor hendelser eller egenskaper er konsentrert.

Trekart: Trekart er spesielt effektive når du trenger å vise hierarkiske data på tvers av to dimensjoner. De gjør det mulig å visualisere store mengder nestede data, noe som gjør dem ideelle for å vise proporsjoner mellom variabler eller kategorier i et datasett. 

Beslutningen om å bruke et kart fremfor andre former for datavisualisering avhenger ofte av hva slags data du har. Når du har data om geografisk plassering, er kartlegging det opplagte valget. Husk likevel at kartlegging også omfatter romlige mønstre, og dette er et område som virkelig kan gi innsikt i ulike kategorier ved å tilby en måte å se data på som man ikke har hatt tidligere. 

For å utdype dette poenget gir kartlegging av data flere viktige fordeler:

• De gir en geografisk kontekst, noe som gjør det enklere å forstå og tolke romlige data.
• De avdekker mønstre og fordelinger knyttet til plassering, som kan være vanskelige å oppdage i rådata.
• De formidler denne informasjonen på en visuelt tiltalende og lettfattelig måte.

Det finnes absolutt et riktig tidspunkt og sted for å lage datavisualiseringer på denne måten, men når de utføres riktig, kan de gi innsikt på mange ulike områder.

Datadrevne beslutninger gir bedre resultater

Selv om det finnes mange flere typer datavisualiseringer, er disse tre kategoriene de mest brukte og noen av de mest effektive.

• Grafer, med sin evne til å vise trender og sammenhenger, er perfekte for å følge endringer over tid eller sammenligne ulike variabler.
• Diagrammer er på sin side utmerkede for å sammenligne datapunkter, vise proporsjoner og kategorisere data.
• Kart, de geografiske heltene, er uvurderlige for å avdekke mønstre og fordelinger knyttet til plassering.

Å velge riktig verktøy for å vise frem de beste dataene dine er et avgjørende trinn i prosessen med datavisualisering. Det handler om å forstå dataene dine, historien du ønsker å fortelle, og den beste måten å formidle denne historien på.

Vil du ha flere tips og innsikter som dette? Sørg for å abonnere på nyhetsbrevet til The CRO Club!