Wizualizacja, umieszczona pierwotnie na stronie http://www.fallen.io/ww2/ może być konsumowana zarówno jako film dokumentalny, jak i interaktywna animacja (pozwala widzom przerwać w kluczowych momentach i wejść w interakcję z wykresami). Znajdziemy na niej informację o ludzkich kosztach drugiej wojny światowej. Dane rozciągają się także na okres po wojnie. 15-minutowy data storytelling, zapewni świeże i dramatyczne spojrzenie na przełomowy momencie w historii ludzkości.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_video link=”https://vimeo.com/128373915″ align=”center”][/vc_column][/vc_row]

Przygotowanie danych źródłowych w Excelu

Wyniki, które przedstawimy na wykresie dotyczą pewnego badania wśród kobiet oraz mężczyzn. Wyniki są podane w procentach: dla kobiet wynik to 92%, natomiast dla mężczyzn 67%. Wykres jednostkowy musiałby zawierać 100 elementów, aby każdy procent odpowiadał jednemu elementowi. Aby wykres nie był taki wielki i trudny w odczycie, jeden element będzie odpowiadał 2%. Najpierw jednak należy przygotować odpowiednio dane.

Dla danych dotyczących kobiet przygotujemy techniczne przedziały, które pomogą nam w przydzieleniu odpowiednich punktów do odpowiednich wyników. Dla przedziału 90,1% – 92% będzie to jeden element, dla przedziału 92,1% – 94% – drugi itd..

Podobnie będzie w przypadku danych dotyczących mężczyzn: przedziały jednak będą odpowiednie do wyniku.

Kolejnym krokiem będzie przyporządkowanie do wyniku odpowiedniego elementu poprzez formułę wyszukaj pionowo, w której szukamy przybliżonej wartości.

Wynik 92% będzie przyporządkowany do pierwszego element.

Następnie zaokrąglimy w górę wynik.

Do wykresu punktowego musimy przygotować dane dla osi x i y. Jako y będą to wartości procentowe (10 elementów), dla osi x – 5 elementów, całość musi się składać na 50 punktów, tak jak założyliśmy na początku.

Potrzebujemy jeszcze jednej komórki technicznej ( a właściwie kolumny), która będzie wskazywać czy dany wynik zawiera się w danym elemencie. Aby to sprawdzić wykorzystamy wcześniejsze obliczenia, a formuła będzie wyglądała jak poniżej:

Tak wyglądają przeliczone dane.

Przygotowanie wykresu jednostkowego w programie Excel

Na podstawie wcześniej przygotowanych danych wstawiamy wykres punktowy.

Wykres będzie wyglądał jak poniżej.

Następnie do wykresu dodamy techniczną serię danych wyliczającą czy wynik zawiera się w danym elemencie.

Aby wykres był wykresem jednostkowym zamiast punktów widoczne będą poniższe piktogramy (możemy wkleić dowolny obrazek spójny z danymi):

Kopiuję interesujący mnie obrazek (Ctrl+C), zaznaczam odpowiednią serię danych i go wklejam (Ctrl+V).

Następnie usuwam wszystkie zbędne elementy oraz dodaję tytuł. Tak prezentuje się gotowy wykres jednostkowy.

Dla wyników dotyczących mężczyzn robię te same powyższe obliczenia.

Plik Excel do pobrania

Szczegóły znajdziesz w pliku Wykres jednostkowy.xlsx.

Znasz inny sposób na wykres jednostkowy w Excelu? Podziel się w komentarzu.

Dlaczego wykres jednostkowy jest wolniejszy?

Wykres jednostkowy używa do komunikacji symbole, których ilość na wykresie odpowiada wielkości prezentowanego zjawisk – np. jeżeli jeden symbol człowieka oznacza 100 osób, a na wykresie jest 10 takich symboli, oznacza to, że prezentowane zjawisko dotyczy 1000 osób.

Wykres jednostkowy ma służyć do obrazowania zjawisk w ciekawy sposób. Dane na wykresie odpowiadają pewnemu rzędowi wielkości i na pewno nie dopatrzymy się na nim żadnych szczegółów. Unit chart jest często wykorzystywany do porównania ze sobą zjawisk w różnych grupach.

Procesowanie informacji w naszym mózgu odbywa się na dwóch etapach – nieświadomym i świadomym. Korzystanie z wykresu jednostkowego sprawia, że nie jesteśmy w stanie w pełni wykorzystać bardzo szybkiego mechanizmu procesowania nieświadomego na rzecz wolniejszych metod: liczenia lub czytania. Nasz mózg potrafi porównać trzy-cztery obiekty, a tych na wykresie jednostkowym jest najczęściej więcej – bardzo często liczba użytych ikon i ich rozmieszczenie są zbyt złożone, żeby szybko przyswoić widziane dane. Najlepszym testem szybkości działania wykresu jednostkowego jest usunięcie z niego etykiet – jak szybko będziemy wówczas w stanie porównać przedstawione liczby?

Przykłady wykresów jednostkowych

Poniższy wykres, który był już omawiany jako przykład infografiki, jest również przykład ilustracją wykresu jednostkowego. Wskazanych jest siedem grup wiekowych aktywnych w różny sposób w Internecie. Za pomocą kwadratów jest przedstawiona procentowa wielkość poszczególnych aktywności w danej grupie wiekowej. Jeden kwadrat odpowiada jednemu procentowi.

Źródło: https://www.flickr.com/photos/nicheprof/5769005604

Kolejny przykład pochodzi z artykułu nt. złych i dobrych praktyk wizualizacji wyników ankiet i badań. Przedstawia on reakcje Polaków na wybór Andrzeja Dudy na Prezydenta. Oprócz tego, że nie ma możliwości porównania poszczególnych odpowiedzi inaczej niż licząc pojedyncze elementy, legenda znajduje się poza obszarem wykresu, co dodatkowo zmniejsza czytelność. Na tym i wielu innych wykresach zobaczymy ikonę człowieka. Jest jedną z najczęściej używanych przez twórców i ma za zadanie wskazać, że ludzie są najważniejszą częścią danych.

Źródło: wyborcza.pl

Ponieważ jedna ikona na wykresie odpowiada kilku elementom w rzeczywistości, przy stosowaniu wykresów jednostkowych powstaje problem, co zrobić z ostatnią ikoną i w którą stronę nasze dane zaokrąglić. Poniższy wykres „babeczkowy”, który służy do nauki liczenia w szkołach (jedna graficzna muffinka odpowiada 6), pokazuje że często końcowe ikony zostaną ścięte. Więcej ciekawych wykresów, przeznaczonych do nauczania dzieci znajdziemy na stronie TutorVista.

Źródło: http://www.theschoolrun.com/data-handling

Czwartym przykładem zastosowania wykresu jednostkowego jest grafika prezentująca 10 największych erupcji wulkanów od 1000 r. Wykres nie daje możliwości szybkiego porównania wielkości erupcji. Aby dojść do jakiś wniosków musimy zliczyć punkty oraz zapoznać się z liczbami.

Źródło: Steven Dutch, Natural and Applied Sciences, University of Wisconsin – Green Bay

Co dwa lata Homeward Trust zlicza populację bezdomnych w Edmonton, czego efektem jest poniższy wykres. Jeden punkt obrazuje proporcje ludzi bezdomnych do całej populacji. Wykres jest częścią większej infografiki, która prezentuje dane dotyczące bezdomności.

Źródło: http://phys.org/news/2015-10-homelessness.html

Ostatnim przykładem jest wykres jednostkowy prezentujący deklaracje uczestników badania dotyczące alkoholu. Jeden punkt to jeden procent. Kolor oznacza przynależność do danej grupy konsumentów (zgodnie z legendą po prawej stronie). Jak można zauważyć dane na wykresie nie sumują się do 100% (jasnoszary punkt w prawym dolnym rogu).

http://www.niemanlab.org/2010/03/what-does-this-american-life-look-like-a-designer-visualizes-the-radio/

Podsumowując, wykres jednostkowy jest bardzo efektowny graficznie, ale najczęściej wydłuża czas przetwarzania danych. Dlatego najlepiej zostawić ten wykres dla dzieci – do nauki liczenia.

3 złe praktyki wizualizacji wyników ankiet i badań

Ten subiektywny przegląd rozpoczynamy od wykresów, które pojawiły się po rozstrzygnięciu tegorocznych wyborów prezydenckich. Pierwszy wykres przedstawia opinie badanych nt. tego, jakim prezydentem będzie Andrzej Duda. Przy okazji projektowania tego wykresu popełniono wszystkie możliwe grzechy – na wyborze wykresu kołowego począwszy, poprzez dobór kolorów, a skończywszy na kolejności serii na wykresie.

Źródło: wyborcza.pl

Drugi przykład pochodzi z tego samego artykułu i przedstawia reakcje emocjonalne Polaków na wybór dr. Andrzeja Dudy na prezydenta. W tym przypadku zastosowano wykres jednostkowy (ang. unit chart), który pokazuje z pomocą ikon, które są wielokrotnie powtarzane, jak duża część badanych na tle całej grupy odpowiedziała w określony sposób. Wykres ten jest typowy dla infografik (o których słowo komentarza już wkrótce), a jego użycie jest efektowne i kompletnie nieefektywne. Największą wadą jest brak możliwości porównań poszczególnych odpowiedzi, tym bardziej, że legenda jest oderwana od obrazu (patrz zasada 4.4 na infografice „25 zasad wizualizacji danych”), a elementy wykresu nie są posortowane. Rozważając pójście w stronę infografiki, przy konstrukcji tego typu wykresu moglibyśmy wykorzystać fenomenalną umiejętność naszego mózgu do czytania emocji z twarzy zamiast etykiet, a sam wykres niósłby też więcej emocji.

Źródło: wyborcza.pl

Ostatni przykład prezentuje wykorzystanie wielkości bąbelków w celu przekazania wartości liczbowych pochodzących z ankiety badającej zainteresowanie artykułami bloga. Ocena liczb ukrytych pod postacią bąbelków, które w tym ujęciu kojarzą się z bańkami mydlanymi, bazują na polu powierzchni bąbelków, z którym nasze oko ma zwyczajnie sobie nie radzi, co zdecydowanie „zamydla” obraz.

Źródło: jusssi.pl

3 dobre praktyki wizualizacji wyników ankiet i badań

A teraz druga część zestawienia, która powinna stanowić inspirację. Zaczynamy od techniki latających kolumn, która pozwala oddzielić opinie pozytywne (oceny dobrze i bardzo dobrze, zwane łącznie Top 2 Box) od neutralnych i negatywnych. Właściwe wykorzystanie znaczenia kolorów pozwala na bardzo intuicyjne rozumienie tego wykresu.

Przeczytaj, jak utworzyć „latający” wykres kolumnowy w programie Microsoft Excel

Drugi przykład dodaje dodatkowy wymiar liczbowy do osi x, pokazując jak duża liczba osób wzięła udział w badaniu w każdej z grup. Na wcześniejszym wykresie mamy wrażenie równej liczebności osób badanych w wieku 20-30, 30-40, 40-50 i 50+. Dodając więcej szczegółów i tworząc w ten sposób wykres mozaikowy (zwany też wykresem Marimekko), pozwalamy odbiorcy na bardziej szczegółowe porównania:

Przeczytaj, jak utworzyć wykres mozaikowy w programie Microsoft Excel

Ostatni przykład jest wizualizacją techniki analitycznej zwanej analizą korespondencji (ang. correspondence analysis). Wykres pokazuje, w jaki sposób dane z tabeli z wynikami z badań są ze sobą powiązane (czy jest między nimi zależność), pokazując po jednym punkcie na wykresie punktowym dla każdego elementu z wierszy i po jednym dla kolumn (w odróżnieniu od wykresu mozaikowego, który pokazuje wszystkie dane z tabeli źródłowej). Jak go interpretować? Szukając elementów, które leżą obok siebie, jak „Dobrze” w grupie osób 16-24 czy „Źle” dla praktycznie wszystkich grup w przedziale 25-74.