Punkty

Punkty są najmniejszymi obiektami wykorzystywanymi do obrazowania wartości na wykresie. Mogą przyjąć postać kropek, kwadratów, trójkątów, iksów, myślników i innych prostych elementów. Punkty mają dwie zalety: mogą przedstawiać wartości ilościowe na dwóch skalach ilościowych jednocześnie, tak jak na wykresie punktowym, oraz mogą być wykorzystywane zamiast kolumn, kiedy skala ilościowa nie zaczyna się od zera. W przeciwieństwie do linii, punkty podkreślają wartości indywidualne, a nie kształt, który wartości te tworzą rosnąc lub malejąc.

Linie

Linie łączą indywidualne wartości w serie, podkreślając kształt danych zmieniający się od jednej wartości do drugiej. Są dzięki temu idealne do przedstawiania zmiany danych w czasie. Trendy, wzorce i wyjątki odstają wyraźnie na wykresie.

Linie powinno się stosować tylko w celu prezentacji danych na skali interwałowej. Na skali nominalnej i porządkowej poszczególne elementy nie są ze sobą na tyle powiązane, aby łączyć je linią, zamiast tego powinno się użyć kolumn lub punktów. Linie sugerują zmianę między jednym elementem a drugim, ale zmiana ta nie ma miejsca, gdy elementy nie są ze sobą ściśle powiązane jako kolejne jednostki ciągłego zakresu wartości. Przykładowo, właściwym jest użycie linii w celu prezentacji zmiany z dnia na dzień lub z jednego zakresu na drugi, ale nie z jednego regionu sprzedaży na drugi, jak ilustrują poniższe wykresy.

Stosując skalę interwałową nie jesteśmy zmuszeni do korzystania w każdym przypadku z linii; można także użyć kolumn i punktów. Jeśli jednak chcemy podkreślić indywidualne elementy, takie jak każdy miesiąc, lub wspomóc porównania między wieloma wartościami w tym samym miejscu skali interwałowej, jak np. zyski lub wydatki dla poszczególnych miesięcy, wtedy kolumny lub punkty działają najlepiej.

Kolumny

Kolumny przestawiają dane w sposób, który podkreśla pojedyncze wartości. Właściwość ta wynika z faktu, że kolumny ilustrują wartości ilościowe na dwa sposoby: poprzez pozycję 2D punktu końcowego kolumny w odniesieniu do skali oraz poprzez długość kolumny.

Te dwie właściwości odnoszą się bezpośrednio do wizualnych atrybutów, które mogą być stosowane w celu prezentacji danych na wykresach. Kiedy chcemy skupić czyjąś uwagę na indywidualnych wartościach lub wesprzeć porównanie między sobą pojedynczych wartości, kolumny są idealnym wyborem. Nie są one jednak tak dobre w ujawnianiu ogólnego kształtu danych. Kolumny mogą być ustawione pionowo lub poziomo.

Zawsze gdy używa się kolumn, skala ilościowa musi zawierać zero. Wynika to z faktu, że długość kolumny reprezentuje jej wartość, ale nie jest w stanie tego zrobić dokładnie, gdy wartości nie zaczynają się w zerze. Jeśli zawęzimy skalę ilościową i zastosujemy kolumny, jak na poniższym wykresie, rzeczywista sprzedaż w regionie północnym wydaje się być dużo niższa od planowanej, w rzeczywistości zaś wynosi 66%.

Chcąc zatem zawęzić skalę ilościową, aby uwypuklić różnice między wartościami, należy przestawić się z kolumn na punkty, ponieważ ilustrują one dane tylko jako pozycję 2D w odniesieniu do skali ilościowej, co eliminuje potrzebę zaczynania skali od zera.

Pudełka

Pudełka (ang. boxes) są w dużej mierze podobne do kolumn, z tym jednak wyjątkiem, że oba punkty końcowe prezentują wartości. Kiedy kolumny są stosowanie w ten sposób, są czasem zwane kolumnami zakresu. Używa się ich, aby przedstawić zakres danych, zwykle od najwyższych wartości do najniższych, a nie pojedynczych wartości. w 1970 r. John Tukey wymyślił metodę wykorzystywania prostokątów (kolumn z wypełnieniem lub bez) w kombinacji z indywidualnymi punktami danych i cienkimi kolumnami w celu prezentacji kilku faktów na temat dystrybucji wartości, w tym mediany (wartości środkowej). Nazwał swoje odkrycie wykresem pudełkowym. Wersja Tukeya została zaprojektowana na potrzeby statystyków i wymagała niewiele czasu, aby nauczyć się ją stosować, ale każdy może szybko nauczyć się łatwiejszej wersji jak na rysunku poniżej.

Większość związków między ilościowymi danymi biznesowymi może zostać sklasyfikowanych w 7 kategorii. Poznanie ich jest pierwszym krokiem do zrozumienia, jak je przedstawiać, ponieważ kategorie te są ściśle powiązane ze sposobem ich obrazowania.

Szereg czasowy

Kiedy wartości ilościowe są wyrażane jako seria pomiarów wykonanych w równych odstępach czasu, związek ten nazywa się szeregiem czasowym. Żaden innych związek nie występuje w danych biznesowych tak często jak ten. Badania wykazały, że ok. 75% wszystkich wykresów biznesowych pokazuje szereg czasowy. Czas może być podzielona na interwały różnej długości, takie jak lata, kwartały, miesiące, tygodnie, dni, godziny, a nawet minuty. Typowym przykładem jest poniższy wykres:

Obserwacja faktu, jak wartości różnią się od siebie, rosnąc lub malejąc w czasie, jest bardzo wartościowa. Szeregi czasowe ujawniają trendy i wzorce, których musimy być świadomi i które musimy rozumieć, aby podejmować skuteczne decyzje.

Ranking

Kiedy wartości ilościowe są ułożone wg wielkości, od największego do najmniejszego lub odwrotnie, związek ten nazywany jest rankingiem. Często ma to duże znaczenie w biznesie, aby spojrzeć na dane uporządkowane, np. wyniki sprzedaży lub wydatki departamentów. Pozwala to nie tylko pokazać ich kolejność, ale także ułatwia porównania wartości poprzez umieszczenie wartości zbliżonych obok siebie. Poniższy wykres pokazuje typowy ranking:

Część całości

Kiedy wartości ilościowe są przedstawiane w celu ukazania porcji ogółu, który reprezentują, mamy do czynienia z częścią całości. Nierzadko przydaje się widok elementów, z których składa się całość i procent, który przypada na każdy element, np. podział rynku między konkurentów lub wydatki w podziale na region, jak na poniższym wykresie.

Odchylenie

Kiedy wartości ilościowe są przedstawiane w celu uwypuklenia, jak bardzo zbiór danych różni się od zbioru referencyjnego, jesteśmy świadkami odchylenia. Najczęstszym przykładem biznesowym jest ukazanie, jak bardzo zbiór danych (np. wydatki rzeczywiste) odbiega od wartości planowanych (budżetu zaplanowanego), tak jak na poniższym wykresie.

Rozkład

Kiedy pokazujemy, jak dane są rozsiane w całym zakresie, mamy do czynienia z rozkładem. Wiele rzeczy można się dowiedzieć poprzez analizę dystrybucji danych, szczególnie zaś jej kształtu, który mówi, co jest typowe dla danego zbioru wartości (jeśli rozkład jest niesymetryczny) lub gdzie są luki lub skupiska. Poniższy rysunek przedstawia symetryczny rozkład zwany normalnym, który ma kształt dzwonu.

Korelacja

Kiedy pary wartości ilościowych, z których każda mierzy inną właściwość dotyczącą tej samej jednostki (osoby, departamentu, produktu), są przedstawiane w celu ukazania związku między nimi (np. gdy jedna cecha rośnie, inna także lub jedna rośnie, a druga maleje) powstaje korelacja. Zrozumienie związku między wartościami ilościowymi może pomóc przewidzieć i wykorzystać te zachowania. Poniższy rysunek pokazuje korelację między kwotą kredytu a długością rozpatrywania wniosku kredytowego w banku.

Porównanie nominalne

Związek ten wykorzystuje skalę nominalną, w której elementy nie są ze sobą powiązane i nie ma związku między wartościami. Poniższy wykres dostarcza materiał do porównania wartości dla regionów, ale nic więcej. Jeśli wykres przedstawia tylko porównanie nominalne, warto zastanowić się, czy użycie innego związku nie miałoby więcej sensu. W tym przypadku wystarczy uporządkować wartości dla regionów, aby utworzyć ranking. Czasami jednak elementy są tak ułożone celowo, ponieważ ludzie oczekują zobaczyć je właśnie w ten sposób (np. tak jak poniższe regiony).