Как правильно визуализировать данные, чтобы принимать эффективные решения? Часть 1

Согласно исследованию «Data Age 2025», проведенному аналитической компанией IDC (International Data Corporation), объем данных в мире к 2025 году вырастет до 175 зеттабайт (175 триллионов ГБ). Большую часть этих данных генерирует бизнес.

Это огромное количество информации, которое включает в себя данные о клиентах, транзакциях, конкурентах, процессах и операциях, данные из социальных сетей и онлайн-платформ, сенсоров, IoT и многие другие. Все они представлены в разных форматах: электронных таблицах, текстах, изображениях, видео.

Анализ данных - мощный инструмент для принятия обоснованных и эффективных решений в бизнесе, но интерпретация данных в исходном виде может быть сложной:

Для того чтобы данные были понятны даже для неподготовленного человека, их можно представить в виде визуализаций: графиков, диаграмм, таблиц, карт.

В статье рассказываем, как создавать эффективные визуализации:

Согласно исследованиям Калифорнийского университета в области вербального и невербального общения зрительное восприятие информации обычно составляет около 90%.

Правильно подобранные визуальные образы воспринимаются более однозначно, чем текст, что делает визуализации ключевыми для понимания и запоминания информации.

Путем использования различных цветов, форм и размеров, визуализация поможет выделить ключевую информацию, что упрощает ее анализ.

Если вы корректно используете визуализации:

Обратите внимание на примеры ниже. На обоих из них - информация о 7560 спутниках, которые в настоящее время вращаются вокруг Земли.

Для того, чтобы создать визуализацию, которая привлечет внимание пользователя и облегчит анализ, стоит придерживаться ряда рекомендаций:

Ниже разберем каждую из рекомендаций подробнее.

Визуализации создаются не просто для красоты, как правило, у каждого набора данных существует минимум 2–3 варианта визуализации для ответа на разные бизнес-запросы.

Графики и диаграммы помогают быстро обозначить ключевые тренды или аномалии. Таблицы используются для точного отображения конкретных числовых значений.

Самая известная схема выбора визуализаций (чарт-чузер) была предложена еще в 2006 году Эндрю В. Абела, создателем методики разработки презентаций Extreme Presentation™ Method.

Она основана на разделении диаграмм по видам анализа (сравнение, распределение, соотношение, структура), количеству категорий, переменных и периодов.

Помимо схемы Абела существуют и другие чарт-чузеры, которые могут быть хорошей подсказкой для выбора подходящей визуализации.

Рассмотрим некоторые типы диаграмм по основным категориям, которые чаще всего используются для визуализации данных.

Сходство и различие между переменными в один момент времени. Например, сравнение результатов маркетинговых кампаний, план-факт продаж.

Также известна как столбчатая или полосчатая диаграмма, отображающая информацию в виде баров (столбцов). Длина столбца – значение параметра.

Используется для сравнения двух или нескольких наборов данных. Каждый набор данных выделен своим цветом.

Используется для отображения изменений значения относительно предыдущего. Верхний – исходное значение, нижний – итоговое.

Значение параметра отображено длиной линий, на верхушке каждой добавлен кружок. Вид диаграммы позволяет добавлять сноски и пояснения.

Деление на категории, частотность в пределах интервала, группировка по признаку. Например, распределение населения по возрастам, продаж по регионам, процентное соотношение успешных и провальных событий.

Визуализирует распределение данных в рамках непрерывного интервала или ограниченного периода времени.

Также известна как Диаграмма размаха, «ящик с усами». Показывает статистические показатели: медиану, верхний и нижний квартили, минимумы и максимумы, выбросы.

Известна также, как точечная карта плотности распределения. Отображает географические паттерны или распределение данных по географическим регионам.

Демонстрирует распределение данных за непрерывный или определенный интервал времени. Отображает более гладкое распределение за счет сглаживания изменений параметров.

Соотношение части к целому, состав, деление категорий на подкатегории и их отношение к общей величине. Например, доля филиалов в общей выручке, влияние увеличения продаж и сокращения расходов на рост прибыли.

Отражает соотношение категорий к целому при помощи сегментов окружности. Вся окружность означает общую сумму, 100%.

Показывает, как крупная категория делится на более мелкие, и какое отношение имеет каждая часть в рамках общей величины.

Показывает процентное соотношение подкатегорий и общего показателя, изменение частей от целого во времени.

Отображает иерархические данные, полезна при необходимости визуализировать большие объемы данных.

Взаимосвязь между переменными, которую можно описать как "когда изменяется переменная X, изменяется и переменная Y ". Например, сегментация клиентов по частоте обращений, возрасту и покупательской способности.

Отображает трехмерные данные в двумерном пространстве. Размер каждого пузырька является третьим измерением.

Демонстрирует, существуют ли связи между двумя переменными. Степень взаимосвязи определяется плотностью расположения точек.

Два набора данных располагаются по разным сторонам оси для удобства сравнения и поиска взаимосвязей.

Визуализирует данные в цветовой гамме. Удобна для демонстрации вариативности переменных, выявления паттернов, отображения взаимосвязей между переменными.

Правильно выбранная визуализация помогает представить данные более понятно и наглядно, обнаружить скрытые тренды или аномалии в данных.

Цветовая палитра для визуализаций способна как помочь пользователю быстрее оценить ключевые показатели, так и создать хаос в данных.

Например, использование слишком ярких и насыщенных цветов может создать визуальный шум и отвлечь от самой информации. В то же время, слишком блеклые оттенки сливаются друг с другом и не позволят сконцентрироваться на разнице показателей.

Рассказываем о нескольких приемах использования цвета, которые помогут сделать ваши визуализации лучше:

Существует три основных типа цветовых палитр для визуализаций: категориальная (качественная), последовательная и расходящаяся.

Категориальная (качественная) палитра

Палитра состоит из разных цветов, которые не имеют упорядоченного или градиентного значения, с близкой яркостью и насыщенностью.

Категориальная цветовая палитра предназначена для представления категорий или классов данных без какого-либо внутреннего порядка или значений между категориями.

Она используется для отображения дискретных категорий, таких как различные группы товаров, типы событий, категории пользователей и т. д.

Последовательная палитра

Градиент из одного цвета разной насыщенности.

Палитру используют для данных, где присутствует упорядоченная структура, явная прогрессия или различные уровни значений.

Например, такая палитра идеально подходит для отображения температурных карт, рейтингов, показателей продаж, или любых данных, которые имеют явное распределение от низких к высоким значениям или наоборот.

Расходящаяся палитра

Комбинация последовательных палитр с разрывом, диапазон значений с определенной серединой, от которой цвета уходят в разные направления.

Расходящаяся палитра подходит для визуализации данных, которые имеют явное различие между низкими и высокими значениями, с выделенной областью средних значений или уровнем концентрации.

Это может быть полезно при отображении данных о средней температуре, статистике доходов или других показателях, где центральное значение играет важную роль.

Выбор цветовой палитры также зависит от контекста визуализации и эстетических предпочтений. Например, для корпоративных отчетов можно использовать цвета, соответствующие фирменному стилю.

Для создания визуализаций лучше использовать не больше 5–6 цветов. Диаграмма будет выглядеть более профессионально, если использовать в ней только несколько оттенков и комплементарных цветов.

Во избежание хаоса в цветах рекомендуется стандартизировать несколько цветовых палитр, каждая из которых предназначена для определенных целей: несколько темных цветов, несколько светлых и нейтральные оттенки.

В случаях, когда необходимо использовать большее количество цветов, лучше заменить их оттенками серого или объединить несколько не ключевых категорий данных в одну.

Пастельные, ненасыщенные цвета лучше подходят для крупных элементов визуализации. Яркие, насыщенные – для мелких, в том числе, надписей, тонких линий.

Для корректного отображения маленьких элементов можно или прибавить насыщенность и яркость цветовой палитры в конкретной диаграмме, или попробовать увеличить масштаб элементов/ сделать линии толще.

Для компонентов таблиц и графиков, не относящихся к данным, стоит использовать нейтральные цвета, довольно контрастные, но, в то же время, не отвлекающие от данных.

Для обозначения осей и границ диаграмм лучше использовать тонкие, насыщенные серые линии, для фона универсальный вариант – белый.

Лиза Шарлотта Мут, руководитель отдела коммуникаций издания Datawrapper, в одной из статей о лучших практиках визуализации, предлагает цвета, которые чаще всего используют дизайнеры визуализаций: оттенки желтого/оранжевого/красного в сочетании с оттенками синего.

Эти цвета универсальны для любых видов данных и подходят под любые тематики.

Желтый, оранжевый и красный сочетаются, но, при этом, воспринимаются как разные цвета, что необходимо для отображения разных значений. Синий цвет всегда воспринимается приятно и даже профессионально.

К тому же контраст этих цветов доступен даже тем, кто страдает дальтонизмом и другими особенностями восприятия.

Итак, в первой части статьи мы узнали, что для создания эффективных визуализаций важно:

Qlever Solutions – компания-эксперт в области внедрения корпоративных систем бизнес-аналитики. Более 10 лет мы создаем наглядные дашборды для подразделений маркетинга, продаж, закупок, финансового отдела и топ-менеджмента.

Отраслевой опыт, накопленный нами на протяжении работы над проектами для ритейла, фудритейла, промышленности, строительства, энергетики, помогает нам создавать визуализации, отвечающие уникальным потребностям бизнеса.