نمودارهای نوار: خوب ، بد و زشت

مشاور تحلیلی در Biztory. من به شما کمک می کنم تا از داده های خود بینش بگیرید. آسان تر. سریعتر

نمودارهای نوار: خوب ، بد و زشت

"مهمتر از همه ، داده ها را نشان دهید."- ادوارد توفت ، 1983

یکی از وظایف مهم در تجزیه و تحلیل بصری ، پرداختن به این سؤال است که چگونه می توان اطلاعات را به منظور پیشبرد تصمیم گیری بهتر تجسم کرد. با داشتن ابزارهای قدرتمند تحلیلی بصری در آماده ، ما قادر به ساخت داشبورد با سرعت بالا و با تنوع بسیار زیادی از نظر انواع نمودار هستیم. اما با وجود واژگان بصری رو به رشد ما ، به نظر می رسد یک نمودار وجود دارد که همه آنها را حاکم می کند: نمودار نوار. نمودارهای نوار در همه جا یافت می شود ، از داشبوردهای تجاری معمولی گرفته تا ارائه داده های علمی (بیشتر در مورد آن بعداً) و به ظاهر یک راه حل استاندارد برای تجسم داده های مؤثر است.

در این پست وبلاگ ، ما می خواهیم به این سؤال بپردازیم که چرا نمودارهای نوار می توانند بسیار مؤثر باشند و نحوه استفاده از آنها. اما ما همچنین به احتیاط های احتمالی خواهیم پرداخت ، و چگونه می توانیم با فراتر از نمودار نوار ، غیر منتظره را کشف کنیم.

خوب

در کنار نمودارهای خط ، نمودار نوار به عنوان بلوک اصلی ساختمان در نظر گرفته شده است که از آن انواع نمودار پیشرفته تر ساخته می شود (به عنوان مثال ، نمودار نوار گروهی ، نمودار نوار انباشته ، نمودار نوار واگرا ، نمودار گلوله ، نمودار آبشار ،.). دلایل مختلفی وجود دارد که این مورد است.

وقتی داده های خود را نمایش می دهیم ، به این فکر می کنیم که چگونه می خواهیم داده ها را رمزگذاری کنیم. با استفاده از رنگ ، شکل ، اندازه و سایر ویژگی ها ، می توانیم تجسم های خود را قالب بندی کنیم ، نشانه های بصری را برای بیننده فراهم کنیم و توجه را راهنمایی کنیم. این رمزگذاری بصری از توانایی ذاتی ما در پردازش اطلاعات بصری بسیار کارآمد به دلیل ویژگی های پیش از پیش استفاده می کند. نمودار نوار با رمزگذاری مقادیر کمی به عنوان طول (یا ارتفاع) از یک پایه مشترک ، استفاده بسیار مؤثر را از این کار می کند. علاوه بر این ، تغییر موقعیت میله ها با مرتب سازی آنها از چپ به راست یا از بالا به پایین ، به روشی که اکثر مردم یک نمودار می خوانند ، می شود.

ظاهر کلی یک نمودار نوار بیشتر به درک داده هایی که در حال بررسی آن هستیم ، می افزاید. با استفاده از فضای سفید بین ستون ها ، نمودار نوار تأکید می کند که ما با دسته های گسسته سر و کار داریم و هر نوار از عرض مساوی برخوردار است زیرا فقط فرکانس در معرض خطر است. هر دو ویژگی برخلاف هیستوگرام است ، جایی که عدم وجود فضای سفید ، تداوم داده ها را برجسته می کند ، و ممکن است عرض میله ها متفاوت باشد تا چیزی در مورد تراکم فرکانس به ما بگوید. مبنای مشترک مشترک با شروع صفر ، بر هماهنگی بین طول نوار و مقدار گسسته (یعنی یک مجموعه محدود) تأکید می کند و از ایجاد تفاوت نسبی بین دسته ها جلوگیری می کند.

واضح است که نمودار مشهور نوار برای مقایسه و رتبه بندی بسیار مؤثر است و الگوهای بین داده های طبقه بندی و منظم را تشخیص می دهد. با ترکیب تنها دو ویژگی اساسی ، طول و موقعیت ، همه چیز را با سادگی ضرب می کند. اما همه جانبه آن نشان می دهد که نمودار نوار اغلب به روشی نادرست استفاده می شود و از هدف خود فراتر می رود.

بد

در بسیاری از موارد ، از نمودارهای نوار برای گفتن چیزی در مورد ویژگی های کلی داده ها استفاده می شود ، در حالی که آنها در مورد چگونگی ظاهری داده ها به ما نشان می دهند. در حقیقت ، آنها چیزهای زیادی را برای تصور بیننده باقی می گذارند.

یک مقاله علمی در مورد استفاده از نمودارهای نوار در ادبیات علمی در دنیای دانشگاهی حمایت گسترده ای به دست آورد و باعث شد بسیاری از مجلات سیاست های تجسم جدیدی را اتخاذ کنند. این پیام بدون ابهام بود: نمودارهای نوار تفسیر دقیق از داده های اساسی ، به ویژه هنگامی که آمار خلاصه داده های مداوم را نشان می دهد.

همان آمارنمودارهای مشابهداده های کاملاً متفاوتمجموعه داده "DataSaurus Dozen" (با الهام از Datasaurus Alberto Cairo) که از اینجا بازیابی شده است.

هنگامی که ما شروع به مقایسه آمار خلاصه داده های مداوم (به عنوان مثال ، میانگین ، میانگین ، انحراف استاندارد ، حالت ، ...) می کنیم ، همه چیز پیچیده تر از داده های اسمی یا منظم می شود. جمع بندی داده ها با استفاده از اقدامات گرایش مرکزی ، چندین مسئله را ایجاد می کند. اول ، توزیع های مختلف داده ها ممکن است دقیقاً نمودار نوار را ایجاد کند. دوم ، با استفاده از اقدامات گرایش مرکزی به خودی خود ، ما باعث می شویم بیننده به اشتباه فرض کنیم که داده ها به طور عادی و بدون هیچ گونه فضای باز توزیع می شوند. و سوم ، هنگامی که ما با سری های زمانی یا داده های زوجی سر و کار داریم ، به اشتباه نشان می دهیم که گروه های مختلف یا سطل های زمانی مستقل از یکدیگر هستند.

می توان استدلال کرد که ، هنگام برخورد با موارد تجاری واقعی ، بیشتر این نگرانی ها اعمال نمی شود. به عنوان مثال ، ما با اندازه نمونه های کوچک که ممکن است باعث تحریف ساختار داخلی واقعی داده ها شود ، برخورد نمی کنیم. حتی می توان استدلال کرد که ، از آنجا که ما با مقادیر زیادی از داده ها سر و کار داریم ، نیازی نیست که به هیچ وجه به ساختار اساسی اهمیت دهیم. هر دو استدلال معتبر هستند ... گاهی اوقات. با این حال ، مسئله سوم کمتر تحت تأثیر ماهیت داده هایی است که با آنها سر و کار داریم. زمان را می توان به عنوان نظم و گسسته رفتار کرد. به روزهای هفته فکر کنید ، که می توانیم بیشتر در روزهای هفته و آخر هفته گروه بندی کنیم. اما در بیشتر مواقع ، زمان مداوم است و استقلال بین نقاط زمانی مختلف برآورده نمی شود. علاوه بر این ، آیا هفته کاری و آخر هفته شما واقعاً مستقل از یکدیگر هستند؟

زشت

این که آیا شما یک نمودار نوار زشت پیدا می کنید یا نه ، کاملاً به عهده شماست. با این وجود ، ما به سختی می توانیم با توجه به همه جا در Dataviz ، آن را اصلی یا خلاق بنامیم ،

"همه چیز نشان داده شده است یا به عنوان یک مشکل می تواند با قلم و کاغذ انجام شود. تنها ابزاری که تصویرگر از آن استفاده می کرد یک قلم و راست بود. هر یک از شما می توانستید عکس هایی بسازید که اگر به سختی سخت امتحان کنید ، تقریباً خوب هستند. "- جان توکی باعث شد خوانندگانش دست خود را کثیف کنند. تجزیه و تحلیل داده های اکتشافی ، 1977 ، ص. ایکس.

بیشتر افراد تمایل دارند که به دنبال راحت و آشنا باشند ، در اینجا به عنوان بی تحرکی از تمرین های معمول ساخته شده اند. هنگامی که ویلیام Playfair نمودار نوار را اختراع کرد ، در جایی در دهه 1870 ، تنها پیش نیازهای یک نمودار نوار موفق ، کاغذ ، مستقیم و مداد بود. و تاکنون ، ما به سختی از زبان گرافیکی و تکنیک هایی که جان توکی بزرگ در کار پیشگامانه وی در "تجزیه و تحلیل داده های اکتشافی" برای مقابله با چالش هایی که همراه با آن است ، منحرف کردیم.

به خودی خود جالب است که ما با استفاده از ابزارهای بسیار قدرتمند تحلیلی بصری ، داده ها را با سرعت و دقت بی سابقه ارائه می دهیم ، اما هنوز هم از روش های گرافیکی بسیار اساسی برای تجسم آن استفاده می کنیم. با خطر کم کردن اسب کار مورد علاقه ما ، از شما دعوت می کنم فراتر از نمودار نوار بروید و سعی کنید زیر سطح نگاه کنید. تجسم خلاصه داده ها می تواند یک چیز متفاوت از تجسم داده ها باشد. به اثربخشی و سادگی نمودار نوار توجه داشته باشید ، اما همچنین از چگونگی فریب سادگی آن آگاه باشید.

- پیر

با تحلیلی بصری سازمان خود را توانمند کنید

Tableau به گونه ای طراحی شده است که کاربر را در مرحله اول قرار دهد زیرا تجزیه و تحلیل داده ها باید در مورد پرسیدن سؤال باشد و نه در مورد نرم افزار یادگیری. با بهترین روشهای بصری داخلی ، Tableau امکان اکتشاف داده های بی حد و حصر را بدون قطع جریان تجزیه و تحلیل امکان پذیر می کند.

به عنوان انتخاب پیشرو در بازار برای هوش تجاری مدرن ، پلت فرم Tableau به دلیل گرفتن هر نوع داده از تقریباً هر سیستم و تبدیل آن به بینش های عملی با سرعت و سهولت شناخته شده است. این به سادگی کشیدن و رها کردن است.

ما یک ارائه دهنده و یکپارچه کننده تمام پشته هستیم ، با تکیه بر تجربه گسترده و بهترین شیوه ها برای یافتن مجموعه ای بهینه منحصر به فرد خود که به شما امکان می دهد داستانهای داده ای را که مشتاق گفتن هستید بگویید.< Span> Tableau برای قرار دادن کاربر در مرحله اول طراحی شده است زیرا تجزیه و تحلیل داده ها باید در مورد پرسیدن سؤال باشد و نه در مورد نرم افزار یادگیری. با بهترین روشهای بصری داخلی ، Tableau امکان اکتشاف داده های بی حد و حصر را بدون قطع جریان تجزیه و تحلیل امکان پذیر می کند.